Yapay Zeka Terimleri: Herkes İçin A’dan Z’ye Rehber

2026 yılında teknoloji o kadar hızlı evriliyor ki, her sabah yeni bir kısaltma veya teknik terimle uyanmak neredeyse kaçınılmaz hale geldi. Bilim insanları ve geliştiriciler, üzerinde çalıştıkları mucizeleri açıklarken genellikle kendi aralarında konuştukları teknik jargona sığınıyorlar. Bu durum, yapay zekayı anlamak isteyen meraklı zihinler için aşılması zor bir duvar örebiliyor.

Eğer siz de "LLM" dendiğinde sadece bir harf yığını görüyor ya da "halüsinasyon" terimini duyduğunda kafası karışanlardansanız, doğru yerdesiniz. Bu rehber, karmaşık yapay zeka terimleri arasında kaybolmamanız için hazırlanmış yaşayan bir sözlüktür. Bu sayfayı yer imlerinize eklemeyi unutmayın; çünkü araştırma dünyası sınırları zorladıkça biz de bu listeyi güncel tutmaya devam edeceğiz.

1. Temel Vizyon ve Ajanlar

• AGI (Yapay Genel Zeka): AGI nedir? sorusu uzmanlar arasında hala tartışmalı olsa da, genel olarak çoğu bilişsel görevde insandan daha yetenekli sistemleri ifade eder. OpenAI onu "ekonomik değeri olan işlerde insanı geride bırakan sistemler" olarak tanımlarken, Google DeepMind "insan seviyesindeki bilişsel yetenek" üzerine odaklanır.

• AI Agent (Yapay Zeka Ajanı): Sadece sohbet etmekle kalmayan, sizin adınıza uçak bileti alan, fatura ödeyen veya kod yazıp bakımını yapan otonom araçlardır. Temel bir sohbet botunun ötesine geçerek çok adımlı görevleri tamamlar.

2. Mimari ve Donanımın Temelleri

• Neural Network (Sinir Ağı): İnsan beynindeki nöron yollarından ilham alan çok katmanlı algoritmik yapıdır. Modern üretken yapay zekanın iskeletidir.

• Deep Learning (Derin Öğrenme): Sinir ağlarını kullanarak veriler arasında karmaşık korelasyonlar kuran bir makine öğrenimi alt kümesidir. Milyonlarca veri noktasını inceleyerek kendi özelliklerini tanımlayabilir.

• Compute (Hesaplama Gücü): Yapay zeka modellerinin eğitilmesi ve çalışması için gereken yaşamsal işlem gücüdür. Genellikle GPU, CPU ve TPU gibi donanımların sağladığı altyapıyı ifade eder.

• Weights (Ağırlıklar): Eğitim sırasında verideki hangi özelliğin (örneğin bir evin oda sayısı veya konumu) ne kadar önemli olduğunu belirleyen sayısal parametrelerdir.

3. Gelişmiş Teknikler ve Akıl Yürütme

• Chain of Thought (Düşünce Zinciri): Modellerin karmaşık bir soruyu yanıtlarken problemi küçük, mantıksal adımlara bölmesidir. Tıpkı bir insanın matematik problemini kağıt üzerinde şu şekilde çözmesi gibi:

Tavuklar ($x$) ve ineklerin ($y$) toplam 40 kafası ve 120 bacağı varsa:

$$x + y = 40$$

$$2x + 4y = 120$$

Bu adım adım akıl yürütme, sonucun doğruluğunu artırır.

• Distillation (Damıtma): "Öğretmen" bir modelin bilgisini, daha küçük ve verimli bir "öğrenci" modele aktarma tekniğidir. GPT-4 Turbo gibi modellerin hızı genellikle bu yöntemle sağlanır.

• Transfer Learning (Transfer Öğrenme): Daha önce eğitilmiş bir modelin bilgisini, farklı ama ilgili bir görev için başlangıç noktası olarak kullanma tekniğidir. Verinin kısıtlı olduğu durumlarda büyük verimlilik sağlar.

4. Üretken Sistemlerin Çalışma Prensibi

• Large Language Model (LLM): ChatGPT veya Gemini gibi asistanların kalbindeki devasa modellerdir. Kelimeler arasındaki ilişkileri milyarlarca kitap ve makale üzerinden öğrenerek dili bir harita gibi modeller.

• Diffusion (Difüzyon): Veriyi (ses veya görüntü) kasıtlı olarak "gürültü" ekleyerek bozan ve sonra bu süreci tersine çevirerek o gürültüden tertemiz bir sanat eseri yaratan teknolojidir.

• GAN (Generative Adversarial Network): Birbirine rakip iki sinir ağının (üretici ve denetleyici) kapışmasıdır. Biri gerçekçi veriler üretmeye çalışırken diğeri onun sahte olup olmadığını denetler. Bu rekabet, sonuçları kusursuzlaştırır.

5. Uygulama ve İnce Ayar

• Training (Eğitim): Modelin verideki kalıpları öğrenerek şekil aldığı ilk süreçtir. Bir sistemin haiku yazmayı veya kedi tanımayı öğrendiği aşamadır.

• Inference (Çıkarım): Eğitilmiş bir modelin çalıştırılmasıdır. Bir modelin daha önce görmediği bir veriden sonuç çıkarması veya tahmin yürütmesi sürecidir.

• Fine-tuning (İnce Ayar): Genel bir modelin, tıp veya hukuk gibi özel bir alandaki performansını artırmak için o alana özgü verilerle tekrar eğitilmesidir.

• Memory Cache (Hafıza Önbelleği): Çıkarım (inference) sürecini hızlandırmak için yapılan matematiksel optimizasyondur. Özellikle KV caching, hesaplama yükünü azaltarak sonuçların daha hızlı üretilmesini sağlar.

• Tokens (Tokenlar): İnsan-makine iletişiminin yapı taşlarıdır. Ham verinin modelin anlayabileceği küçük birimlere bölünmüş halidir. Şirketler genellikle bu birimler üzerinden ücretlendirme yapar.

6. Riskler ve 2026 Trendleri

• Hallucination (Halüsinasyon): LLM ve halüsinasyon ilişkisi, yapay zekanın yanlış bilgiyi gerçekmiş gibi uydurmasıdır. Genellikle eğitim verisindeki boşluklardan kaynaklanır ve 2026'da hala çözülmesi gereken büyük bir risk faktörüdür.

• RAMageddon: Yapay zeka devlerinin veri merkezleri için piyasadaki tüm RAM çiplerini toplamasıyla ortaya çıkan bellek kıtlığıdır. Bu durum, oyun konsollarından akıllı telefonlara kadar tüm teknolojik ürünlerin fiyatlarını yukarı çekmektedir.

Yapay Zeka Sözlüğü: Hızlı Karşılaştırma

Yapay zeka terimleri dünyası, sadece bir sözlükten ibaret değil; aynı zamanda geleceğin dilini inşa eden bir yapı taşıdır. Bu terimleri anlamak, sadece teknolojiyi takip etmenizi değil, onun gelecekte hayatınızı nasıl şekillendireceğini öngörmenizi sağlar.