Yapay zeka sözlüğü: sade Türkçeyle 55 terim

İlk saatinde önemli olan temeller

Bu referans versiyonu: 55 terim, önce tanım, sonra ayrıntı. İlk haftanda önemli olan kelimelerin daha yumuşak bir turunu istiyorsan, bunun yerine Yapay zeka terimleri sayfasını oku ve buradaki bir terim seni buraya yönlendirdiğinde geri dön.

Yapay zeka

Yapay zeka, yazma, akıl yürütme veya bir görselde ne olduğunu tanıma gibi normalde insan muhakemesi gerektiren işleri yapan yazılımdır.

2026'da günlük kullanımda "yapay zeka" neredeyse her zaman, daha geniş akademik alan yerine büyük dil modelleri üzerine kurulu sohbet asistanları anlamına gelir.

Makine öğrenmesi

Makine öğrenmesi, yazılıma kurallarla programlamak yerine örnekler göstererek öğretme tekniğidir.

Her modern yapay zeka asistanı bu şekilde inşa edilir: davranış, eğitim verisindeki örüntülerden gelir, bu yüzden aynı model yaygın işlerde parlak, nadir işlerde ise sallantılı olabilir.

Model

Model, gerçekte bir prompt gönderdiğin, belirli, eğitilmiş bir yapay zeka sistemidir.

GPT, Claude ve Gemini model aileleridir; bir aile, farklı boyut, hız ve fiyatlara sahip bireysel modeller içerir. İşe göre aralarında seçim yapmak, yapay zekayı iyi kullanmanın temel becerisidir.

LLM (büyük dil modeli)

LLM, yani büyük dil modeli, bir sonraki metnin ne olması gerektiğini tahmin etmek için devasa miktarda metinle eğitilmiş bir modeldir.

Büyük ölçekte yapılan bu tek hile, yanıtları, taslakları, kodu ve özetleri üretir. "Büyük" hem eğitim verisine hem de parametre sayısına atıfta bulunur.

Sohbet botu

Sohbet botu, bir modelin etrafını saran, mesaj kutusu olan konuşma arayüzüdür.

Bu ayrım, ürünleri karşılaştırırken önemlidir: iki sohbet botu aynı modeli sarabilir ve farklı hissettirebilir, ve tek bir sohbet botu birçok model sunabilir; Whizi'nin çalışma şekli budur.

Prompt

Prompt, modele gönderdiğin her şeydir: soru, talimatlar ve dahil ettiğin herhangi bir metin veya dosya.

Yanıt kalitesi, prompt kalitesini yakından takip eder. Bağlam, kısıtlamalar ve istediğin çıktı biçimi, yeni başlayanların en sık atladığı üç şeydir.

Token

Token, bir modelin gerçekte okuduğu ve yazdığı küçük metin parçasıdır; ortalama olarak kabaca bir İngilizce kelimenin dörtte üçü kadardır.

Fiyatlandırma, hız ve bağlam pencereleri hepsi token cinsinden ölçülür, bu yüzden bu kelime her yapay zeka fiyatlandırma sayfasında karşına çıkar. 1.000 kelimelik bir belge kabaca 1.300 token'dır.

Bağlam penceresi

Bağlam penceresi, bir modelin aynı anda dikkate alabildiği, token cinsinden ölçülen maksimum metin miktarıdır.

Promptun, o ana kadarki konuşma, ekli belgeler ve yanıt hepsi onu paylaşır. Bağlam penceresi karşılaştırması tablosu her büyük model için güncel rakamı listeler, açıklayıcı sayfa ise bunun neden çoğu "yapay zeka unuttu" şikayetini açıkladığını ele alır.

Parametreler

Parametreler, bir modelin eğitim sırasında öğrendiği içsel sayılardır ve genellikle boyutunun ölçüsüdür.

Milyarlarla sayılır, daha fazla parametre gevşek biçimde daha fazla yetenek ve daha fazla maliyet demektir. Tek başına zayıf bir alışveriş ölçütüdür; kıyaslamalar ve kendi testlerin parametre sayılarını geride bırakır.

Yanıt

Yanıt, modelin bir prompt için çıktısıdır, tamamlama olarak da adlandırılır.

Yanıtlar her seferinde yeniden üretilir, bu yüzden aynı promptu yeniden oluşturmak farklı bir ifade ve bazen farklı bir yanıt verir.

Bir modelle konuşmak

Sistem promptu

Sistem promptu, bir modelin senin mesajından önce aldığı, rolünü, tonunu ve kurallarını belirleyen sabit talimattır.

Göremesen bile her ürünün bir tanesi vardır. Bir sohbet botunun "kişiliği varsa", genellikle bu kişilik sistem promptunda yaşar.

Prompt mühendisliği

Prompt mühendisliği, güvenilir biçimde daha iyi çıktı almak için promptları bilinçli olarak yazma pratiğidir.

Gösterişli ismine rağmen, çoğu sıradan netliktir: hedefi belirt, bağlam ver, bir örnek göster, biçimi adlandır. Başlangıç rehberi sonuçları gerçekten değiştiren teknikleri ele alıyor.

Sıfır örnekli (zero-shot)

Sıfır örnekli, bir modelden hiçbir örnek vermeden bir işi yapmasını istemek demektir.

Modern modeller günlük işlerin çoğunu sıfır örnekle halleder. Terim çoğunlukla az örnekli promptlamayla karşıtlık olarak hayatta kalıyor.

Az örnekli (few-shot)

Az örnekli, modelin örüntüyü kopyalaması için promptta birkaç işlenmiş örnek eklemek demektir.

Biçimlendirmeye duyarlı işler için en ucuz güvenilirlik yükseltmesidir: iki veya üç girdi ve istenen çıktı örneği, bir paragraflık açıklamadan daha iyidir.

Düşünce zinciri

Düşünce zinciri, bir modelin son yanıtını vermeden önce ara adımlar üzerinden çalışmasıdır.

Bir modelden adım adım akıl yürütmesini istemek, zor problemleri ölçülebilir biçimde iyileştirir ve akıl yürüten modeller artık bunun bir versiyonunu varsayılan olarak içeride yapıyor.

Sıcaklık

Sıcaklık, bir modelin her bir sonraki tokeni seçerken ne kadar rastgelelik eklediğini kontrol eden ayardır.

Düşük sıcaklık tutarlı, muhafazakar çıktı verir; yüksek sıcaklık çeşitlilik ve ara sıra saçmalık verir. Sohbet ürünleri genellikle senin için orta bir değer seçer.

Akış (streaming)

Akış, modelin yanıtını bittiğinde tek seferde değil, ürettikçe token token göndermesidir.

Yanıtların kendi kendine yazılıyormuş gibi görünmesinin ve kötü bir yanıtın sonuna kadar beklemek yerine erkenden durdurulabilmesinin sebebi budur.

Yeniden oluştur

Yeniden oluştur, aynı prompt için taze bir yanıt istemek demektir.

Üretim olasılıksal olduğu için, bir yeniden oluşturma aynı hesaplamanın tekrarı değil, gerçekten yeni bir çekiliştir. İki çekilişi veya aynı promptu iki modelde karşılaştırmak, hızlı bir kalite kontrolüdür.

Modeller nasıl yapılır

Eğitim

Eğitim, bir modelin parametrelerini, tahminleri iyi hale gelene kadar veriye karşı ayarlama sürecidir.

Sen modelle hiç tanışmadan önce olur ve sağlayıcıya devasa bir hesaplama gücüne mal olur. Sohbete yazdığın hiçbir şey modeli anlık olarak yeniden eğitmez, ama sağlayıcılar politikalarına bağlı olarak konuşmaları gelecek sürümleri eğitmek için kullanabilir.

Eğitim verisi

Eğitim verisi, bir modelin öğrendiği metin ve diğer materyaldir.

Genişliği, bir modelin ne bildiğini açıklar; boşlukları, sistematik kör noktaları açıklar; tarih aralığı ise bilgi kesim tarihini belirler.

Ön eğitim

Ön eğitim, bir modelin toplu metinden dil ve dünya bilgisi öğrendiği, eğitimin ilk ve en büyük aşamasıdır.

Sonuç yetenekli ama hamdır. Bir modeli yardımsever bir asistan gibi davranmasını sağlayan her şey sonrasında gelir.

İnce ayar

İnce ayar, önceden eğitilmiş bir modeli uzmanlaştırmak veya şekillendirmek için daha dar bir veri kümesi üzerinde yapılan ek eğitimdir.

Sağlayıcılar yardımseverlik ve güvenlik için ince ayar yapar; şirketler ise alan işleri için ince ayar yapar. Çoğu kullanıcı için, iyi bir prompt artı yetenekli genel bir model, ince ayar için ödeme yapmaktan daha iyidir.

RLHF

RLHF, insan geri bildiriminden pekiştirmeli öğrenme, bir modeli yanıtlarının insan derecelendirmelerine karşı eğitmektir.

Modern asistanların kibar, yapılandırılmış ve temkinli olmasının büyük bir kısmının sebebi budur. Aşırıya kaçıldığında, bazı modellerin reddetmesine veya lafı dolandırmasına yol açan çekingenliği de üretir.

Hizalama (alignment)

Hizalama, bir modelin davranışını insan niyeti ve değerleriyle eşleştirme işidir.

Pratikte, zararlı istekleri reddetmekten talimatları doğru bir şekilde takip etmeye kadar her şeyi kapsar. Bir model teknik olarak etkileyici ama istenmeyen bir şey yaptığında, bu bir hizalama boşluğudur.

Çıkarım (inference)

Çıkarım, bir modeli eğitmek yerine, bir yanıt üretmek için çalıştırmaktır.

Gönderdiğin her mesaj çıkarımı tetikler ve token fiyatlandırmasının ölçtüğü şey çıkarım maliyetidir. Çalıştırması ucuz modeller dikkat çekici derecede yetenekli olabilir; Yapay Zeka Model Maliyet Endeksi 2.000 katlık bir fiyat farkı gösteriyor.

Transformer

Transformer, esasen her modern dil modelinin arkasındaki sinir ağı mimarisidir.

Anahtar mekanizması olan dikkat (attention), modelin girdinin her parçasını diğer her parçaya karşı tartmasını sağlar. Ayrıntılara asla ihtiyacın olmaz, ama kelime yapay zeka yazılarının her yerinde.

İşler ters gittiğinde

Halüsinasyon

Halüsinasyon, bir modelin yanlış bir şeyi tam bir güvenle söylemesidir.

Bir sonraki sürümde yamalanacak bir hata değildir; üretimin nasıl çalıştığından kaynaklanır. Sıklığı, modele ve işe göre büyük ölçüde değişir. Herhangi bir spesifik gerçeği, rakamı veya alıntıyı, kontrol edilene kadar doğrulanmamış say. Yapay zeka neden yanlış cevap veriyor mekanizmayı ele alıyor.

Temellendirme (grounding)

Temellendirme, bir modelin hafızasına güvenmesine izin vermek yerine, yanıt vermesi için ona yetkili bir materyal vermektir.

Sözleşmeyi yapıştırmak, raporu eklemek veya web aramasını etkinleştirmek hepsi temellendirmedir. Halüsinasyona karşı en etkili günlük savunmadır.

Önyargı (bias)

Önyargı, bir modelin çıktılarını, eğitim verisinden devraldığı şekillerde sistematik olarak çarpıtmasıdır.

İnsanlar, yerler ve varsayılanlar hakkında varsayımlar olarak ortaya çıkar. Sonucu önemli kararlarda, yapay zeka çıktısını, akıllı ama denetlenmemiş bir stajyerin işini gözden geçirir gibi gözden geçir.

Koruma bariyerleri (guardrails)

Koruma bariyerleri, bir sağlayıcının zararlı veya politika dışı çıktıyı engellemek için bir modelin etrafına inşa ettiği kısıtlamalardır.

Farklı sağlayıcılar çizgileri farklı şekilde çizer, ki bu gerçek bir ürün farkıdır: aynı istek bir model tarafından yanıtlanabilirken başka biri tarafından reddedilebilir.

Jailbreak

Jailbreak, bir modeli koruma bariyerlerini görmezden gelmesi için kandırmak üzere tasarlanmış bir prompttur.

Sağlayıcılar bunları sürekli yamalar. Sıradan kullanıcılar için terim çoğunlukla bir güvenlik kavramı olarak önemlidir: bir modelin ikna edilebileceği her şey için, birileri onu ikna etmeye çalışacaktır.

Kırmızı takım testi (red teaming)

Kırmızı takım testi, zararlı başarısızlık biçimlerini bulmak için bir modele yayından önce kasıtlı olarak saldırmaktır.

Sağlayıcılar iç ve dış kırmızı takımlar çalıştırır ve yayınlanan model kartları genellikle ne bulduklarını özetler. Bu, yapay zekanın sızma testi karşılığıdır.

Bilgi kesim tarihi

Bilgi kesim tarihi, bir modelin eğitim verisinin sona erdiği tarihtir.

Daha yeni bir şey hakkında sor, model ya bilmediğini kabul eder, yapabiliyorsa web'de arama yapar ya da halüsinasyon görür. Kullandığın modelin kesim tarihini bilmek, bütün bir hata kategorisini önler.

Bilgi erişimi ve verilerin

RAG (erişimle desteklenmiş üretim)

RAG, erişimle desteklenmiş üretim, önce ilgili belgeleri getirip modelin bunlardan yanıt vermesini sağlamaktır.

"Bilgi tabanınla sohbet et" ürünlerinin arka planda nasıl çalıştığı ve kaynak gösterebilmelerinin sebebi budur. RAG, halüsinasyonu azaltır ama getirdiği şeyin kalitesini devralır.

Gömme (embedding)

Gömme, bir metin parçasının anlamını temsil eden bir sayı listesidir.

Benzer anlama sahip metinler birbirine yakın sayılar alır, bu da yazılımın ilgili pasajları matematiksel olarak bulmasını sağlar. Gömmeler, anlamsal aramanın ve RAG'in arkasındaki mekanizmadır.

Vektör veritabanı

Vektör veritabanı, gömmeleri saklamak ve en yakınlarını hızlıca bulmak için inşa edilmiş bir veritabanıdır.

Bir ürün, belgelerini yapay zeka araması için "indeksledi" diyorsa, her parça için bir gömme bunlardan birinde duruyordur.

Anlamsal arama

Anlamsal arama, anahtar kelime eşleştirmek yerine anlama göre metin bulmaktır.

"Para sorunları" araması, hiçbir kelime eşleşmese bile nakit akışı zorluğu hakkında bir pasajı ortaya çıkarabilir. Bu, iş başında gömmelerdir.

Parçalama (chunking)

Parçalama, uzun belgeleri gömmek ve iyi geri getirmek için yeterince küçük parçalara bölmektir.

Bir tesisat işi gibi geliyor ve öyledir de, ama kötü parçalama, belge sohbeti araçlarının bir dosyanın yanlış kısmından yanıt vermesinin yaygın bir sebebidir.

Web araması (yapay zekada)

Yapay zekada web araması, modelin eğitim hafızasına güvenmek yerine yanıt vermeden önce güncel sayfaları getirmesi demektir.

Hızı tazelikle takas eder ve yanıtların açabileceğin alıntılar taşımasını sağlar. Modelin bilgi kesim tarihinden sonraki herhangi bir şey için, bu bir yanıt ile bir tahmin arasındaki farktır.

Bilgi tabanı

Bilgi tabanı, bir şirketin yapay zekasına yanıt vermesi için verdiği, özenle seçilmiş belgeler kümesidir.

Girdi kalitesi çıktı kalitesidir: bayat bir wiki üzerine temellendirilmiş bir asistan, kendinden emin bir şekilde bayat yanıtları alıntılarıyla birlikte sunar.

Bu sözlükteki üç terim, aynı soruya, yani bir modeli işinde nasıl daha iyi yaparsın sorusuna rakip yanıtlar verir, ve bunları karıştırmak ürün toplantılarındaki en yaygın jargon hatasıdır. Yan yana:

Yaklaşım	Ne değişir	Maliyet ve hız	Ne zaman kazanır
Daha iyi promptlama (sıfır örnekli, az örnekli)	Yalnızca gönderdiğin metin	Ücretsiz, dakikalar sürer	Neredeyse her zaman ilk hamle; iki veya üç işlenmiş örnek çoğu biçimlendirme sorununu çözer
RAG	Modelin yanıt vermeden önce okuduğu şey	Kurması orta düzeyde, yeniden eğitim yok	Güncel kalması veya kendi belgelerini alıntılaması gereken yanıtlar
İnce ayar	Modelin kendi parametreleri	Yavaş ve pahalı, sonra sabit	Ölçekte kararlı stil ve biçim gereksinimleri, neredeyse hiçbir zaman bir birey için

Metnin ötesinde

Çok kipli (multimodal)

Çok kipli, metin artı görsel, ses veya video gibi birden fazla ortamda çalışan bir model demektir.

Bir hatanın ekran görüntüsünü alıp neyin yanlış olduğunu sorabilmenin sebebi budur. Çok kipli yapay zeka rehberi bugün gerçekte neyin işe yaradığını ele alıyor.

Görme modeli

Görme modeli, görselleri yorumlayabilen bir modeldir: fotoğraflar, ekran görüntüleri, grafikler ve belgeler.

Okumak, üretmekle aynı şey değildir; bir model diyagramını mükemmel şekilde tarif edebilir ama yine de bir tane çizemeyebilir.

Görsel üretimi

Görsel üretimi, bir metin açıklamasından yeni görseller üretmektir.

Kalite, stil aralığı ve görsellerin içindeki metin oluşturma, üreticiler arasında keskin biçimde değişir, bu yüzden ciddi kullanıcılar birkaçını karşılaştırır. Görsel üretici karşılaştırması alanı güncel tutuyor.

Difüzyon modeli

Difüzyon modeli, gürültüden başlayıp açıklamaya doğru adım adım iyileştirerek görseller üretir.

Modern görsel üreticilerin arkasındaki baskın tekniktir. Kelime çoğunlukla, bir ürün isminde geçen "difüzyon"un sana ürünün ne yaptığını söylemesi için önemlidir.

Konuşmadan metne

Konuşmadan metne, konuşulan sesi yazılı kelimelere dönüştürmektir.

Modern transkripsiyon, toplantıları, sesli notları ve röportajları aranabilir kılacak kadar doğrudur ve sohbet uygulamalarındaki sesli girişin çalışma şekli budur.

Metinden konuşmaya

Metinden konuşmaya, yazılı kelimelerden konuşulan ses üretmektir.

Güncel sistemler doğal, anlatımlı sesler üretir, bu da sesli okuma özelliklerini ve yapay zeka sesli konuşmalarını güçlendirir.

Ekosistem

API

API, geliştiricilerin kendi yazılımlarından bir modele prompt göndermek için kullandığı programatik kapıdır.

API fiyatlandırması token başınadır, ki her yapay zeka ürününün yanıt başına ekonomisi nihayetinde buradan gelir.

Açık ağırlıklar

Açık ağırlıklar, bir modelin eğitilmiş parametrelerinin herkesin indirip çalıştırabilmesi için yayınlanması demektir.

Kendi kendine barındırmayı mümkün kılar ve diğer sağlayıcıların modeli kendi altyapılarında sunmasına izin verir. DeepSeek ve Llama ünlü örneklerdir.

Açık kaynak model

Açık kaynak model, gevşek bir tanımla, kamu kullanımı ve değişikliği için yayınlanmış bir modeldir, ama lisanslar büyük ölçüde değişir.

Pratik sorular her zaman aynı ikisidir: onu ticari olarak kullanabilir misin, ve onu senin için kim barındırıyor. Açık ağırlık ekosistemi sayfası, gizlilik veya maliyet barındırılan amiral gemilerini elediğinde en çok önem kazanır.

Kıyaslama (benchmark)

Kıyaslama, modelleri puanlamak ve karşılaştırmak için kullanılan standart bir testtir.

İlk bir eleme için kullanışlı, pazarlamada rutin olarak abartılıyor. Bir kıyaslamada zirvede olan bir model, senin gerçek işinde yine de kaybedebilir, bu yüzden kendi üç işlik karşılaştırmanı yapmak, tabloları okumaktan daha iyidir.

Ajan

Ajan, yalnızca bir kez yanıt vermek yerine, bir hedefe doğru adım adım eylem alan bir yapay zeka sistemidir.

Rezervasyon yapmak, araştırmak, kod yazmak ve talep açmak ajan alanıdır. Yetenek gerçek ve hızla gelişiyor; bir ajanın ne yaptığını önemli hale gelmeden önce gözden geçirme ihtiyacı da öyle.

Araç kullanımı

Araç kullanımı, ya da fonksiyon çağırma, bir modelin arama, hesap makinesi, kod veya takvimin gibi dış yetenekleri çağırmasıdır.

Sohbet asistanlarının dünyayı yalnızca tarif etmek yerine üzerinde eylem almasının yolu budur ve ajanların altındaki mekanizmadır.

Akıl yürüten model

Akıl yürüten model, yanıt vermeden önce bir problemi içeride düşünerek fazladan hesaplama harcayan modeldir.

Takas, zor problemlerde doğruluk için zaman ve maliyettir. Basit sorularda fazladan düşünme hiçbir şey kazandırmaz, ki bu iş başına model değiştirmek için bir başka argümandır.

Gecikme (latency)

Gecikme, bir prompt gönderme ile yanıtın gelmesi veya akmaya başlaması arasında ne kadar beklediğindir.

Model boyutuna, yüke ve modelin akıl yürüten bir model olup olmadığına göre değişir. Etkileşimli işler için, hızlı ve yeterince iyi bir model genellikle yavaş ve parlak bir modeli geride bırakır.

Hız limiti

Hız limiti, bir sağlayıcının bir zaman penceresinde kaç istek veya token kullanabileceğine koyduğu tavandır.

Birine ulaşmak, bir sohbet ürününün beklemeni veya yükseltme yapmanı söylemesinin olağan sebebidir. Abonelik planlarındaki mesaj tavanları, daha dost bir markalamayla hız limitleridir.

Sözlüğü kullanışlı tutmak

Bu alanda terimler hızla eskir. Bu sayfa bir referans olarak sürdürülür: kullanım kaydığında girişler yeniden yazılır ve bağlantılı derinlemesine rehberler, bir tanıma sığmayan ayrıntıyı taşır.

Karşına çıkan bir terim burada eksikse, en hızlı yol, bulduğun cümleyi yetenekli bir modele yapıştırıp bağlam içinde tanımını istemektir. Whizi'de iki modele aynı anda sorabilir ve ne zaman aynı fikirde olmadıklarını fark edebilirsin, ki bu yeni jargon için şaşırtıcı derecede sık olur.