Yapay Zekâ Terimleri Sözlüğü: 150 Temel Kavram
Yapay zekâ dünyasının 150 temel terimini — LLM, token, halüsinasyon, fine-tuning, RAG ve ötesi — tek tek, örneklerle ve sade Türkçeyle açıklıyoruz.
Bu rehberi ücretsiz indir
PDF; kapak ve içindekiler sayfası dahil 8 bölümden ve sık sorulan sorulardan oluşur. Türkçe, A4 formatında, yazdırılabilir.
İndirmek için ücretsiz WebTuring hesabı gerekir. Girişli değilseniz giriş sayfasına yönlendirilirsiniz.
Kısa cevap
Yapay zekâ terminolojisinin 150 kavramını alfabe değil, kullanım mantığı sırasıyla gruplar: model mimarileri, eğitim terimleri, kullanım terimleri, güvenlik ve hukuk terimleri.
Model mimarisi terimleri
LLM (Large Language Model / Büyük Dil Modeli): Devasa metin üzerinde dilin sonraki parçasını tahmin etmeyi öğrenmiş model. ChatGPT ve Claude bunlara örnektir. Multimodal (çok kipli): Hem metin hem görüntü hem sesi işleyebilen model. Diffusion (difüzyon): Görüntü üretiminde kullanılan, gürültüden adım adım görüntü çıkaran mimari. MoE (Mixture of Experts / Uzmanlar Karışımı): Soruyu uzman alt ağlara yönlendirerek hem büyük hem ekonomik çalışan model yapısı.
Transformer: 2017’de önerilen ve bugünkü tüm büyük modellerin temeli olan mimari; metni tümüyle görme yeteneği verir. Parameter (parametre): Modelin öğrenilen ayar değerleri; "175 milyar parametre" ifadesi modelin bilgi kapasitesinin bir ölçüsüdür. Embedding (gömme): Kelimeyi veya belgeyi sayı vektörüne çevirme; benzerlik aramalarının temelidir.
Eğitim terimleri
Pre-training (ön eğitim): Modelin genel bilgiyi kazandığı devasa veri ile ilk eğitim aşaması. Fine-tuning (ince ayar): Hazır modeli kendi verinizle özelleştirme. RLHF (İnsan geri bildirimli pekiştirmeli öğrenme): Modelin çıktılarının insan tercihine göre ayarlanması. Distillation (damıtma): Büyük modelin bilgiyi küçük modele aktarması; küçük ama yetenekli modellerin sırrı.
Quantization (nicemleme): Modelin sayısal duyarlılığını düşürerek boyutunu küçültme; ev bilgisayarında büyük model çalıştırmanın yolu. Overfitting (aşırı uyum): Modelin eğitim verisini ezberleyip yeni durumlarda başarısız olması. Benchmark (kıyaslama testi): Model yeteneklerinin ölçüldüğü standart sınavlar; MMLU, HumanEval gibi.
Kullanım terimleri
Prompt (istem): Modele verdiğiniz talimat. System prompt (sistem istemi): Modelin kişiliğini ve sınırlarını belirleyen gizli talimat. Token: Modelin metni parçaladığı birim; Türkçede 1 kelime yaklaşık 2-3 token. Context window (bağlam penceresi): Modelin aynı anda görebildiği maksimum metin uzunluğu; 2026 modellerinde yüz binlerce tokena ulaştı.
Hallucination (halüsinasyon): Modelin kendinden emin biçimde yanlış bilgi üretmesi. Temperature (sıcaklık): Üretimin yaratıcılık/rastgelelik ayarı; düşük sıcaklık tutarlı, yüksek sıcaklık yaratıcı çıktı verir. RAG (Retrieval-Augmented Generation / Geri-getirmeli üretim): Modelin cevap vermeden önce sizin belgelerinizden ilgili parçaları çekip onlara dayanarak yanıt vermesi; halüsinasyonu azaltan ana yöntem.
Ajan ve otomasyon terimleri
AI Agent (yapay zekâ ajanı): Bir görevi adımlara bölüp araçları kullanarak kendi kendine tamamlayan sistem; yalnızca cevap vermez, iş yapar. Tool use / function calling (araç kullanımı): Modelin arama, hesaplama veya veritabanı gibi dış araçları çağırması. Workflow (iş akışı): Adımları önceden tanımlı, ajan özgürlüğü düşük otomasyon. Orchestrator (orkestratör): Birden çok model veya ajanı yöneten katman.
Computer use (bilgisayar kullanımı): Modelin ekranı görüp fare ve klavyeyi yöneterek uygulamaları kullanması; 2025-2026 döneminin en hızlı büyüyen yetenek alanı.
Güvenlik ve hukuk terimleri
Alignment (hizalama): Modelin insan değer ve niyetiyle uyumlu davranması. Guardrail (güvenlik bariyeri): Zararlı çıktıları engelleyen filtre katmanı. Jailbreak: Modele güvenlik kurallarını aşırma yolu. Prompt injection (istem enjeksiyonu): Zararlı talimatı belge veya web sayfasına gizleyerek modeli kandırmak; ajan çağının en ciddi güvenlik riski.
GDPR: Avrupa Birliği veri koruma yasası; yapay zekâda kişisel veri kullanımını düzenler. AI Act: AB’nin risk tabanlı yapay zekâ yasası; 2026’da yürürlük aşamaları tamamlandı. Copyright (telif): Yapay zekâ çıktılarının hukuki sahipliği hâlâ ülkeden ülkeye netleşiyor.
Karıştırılan çiftler: ayrım kutuları
Model ile uygulama: GPT bir modeldir, ChatGPT o modeli kullanan uygulamadır. Token ile kelime: Token, kelimenin her zaman birebir karşılığı değildir; Türkçe metinde token sayısı İngilizceden fazladır ve maliyeti etkiler. Halüsinasyon ile hata: Hata düzeltilebilir yanlıştır; halüsinasyon, modelin hiç var olmayan bilgiyi kaynak gibi sunmasıdır.
Fine-tuning ile RAG: Fine-tuning modelin "davranışını" değiştirir, RAG modelin "bilgi kaynağını" genişletir. Çoğu kurumsal ihtiyaç için önce RAG, davranış da kalıcıysa fine-tuning önerilir. Ajan ile sohbet botu: Bot cevap verir, ajan işi bitirir.
Haber okurken işinize yarayacak 20 terim
Frontier model (sınır modeli): Dönemin en yetenekli model sınıfı. Open weights (açık ağırlık): Model dosyalarının herkesin indirmesine açık olması; açık kaynak ile aynı şey değildir. Inference (çıkarım): Eğitilmiş modelin gerçek kullanım anı; "inference maliyeti" ifadesi buradan gelir. Context caching (bağlam önbelleği): Aynı uzun girdiyi tekrar pahalıya işlememeyi sağlayan indirim mekanizması.
Latency (gecikme): Yanıt bekleme süresi. Throughput (verim): Birim zamanda işlenen token. Reasoning model (akıl yürütme modeli): Cevabı vermeden içsel düşünme adımı izleyen model sınıfı; 2024-2026 döneminin ana yarış ekseni. Agentic coding (ajantik kodlama): Kod yazma işini adımlara bölüp araçlarla yürüyen sistemler. Hardware acceleration: Model hızlandıran özel çipler (GPU, TPU, NPU).
Terimleri nasıl akılda tutmalı?
Terimleri grup mantığıyla düşünün: Mimari terimler modelin "nasıl yapıldığını", eğitim terimleri "nasıl öğretildiğini", kullanım terimleri "nasıl konuşulduğunu", güvenlik terimleri "nasıl korunulduğunu" anlatır. Bir haber okurken terimi hangi gruptan geldiğini tanımlarsanız anlamı kendiliğinden oturur.
Pratik öneri: Bu sözlüğü PDF olarak bilgisayarınıza indirin ve her yeni terimle karşılaştığınızda karşılığını buradan not edin. İki hafta içinde haberlerdeki jargonun en az yarısı şeffaflaşacaktır.
Sık sorulan sorular
Token nedir, neden maliyeti etkiler?
Token, modelin metni işlediği en küçük birimdir. API maliyeti token başına hesaplandığı için Türkçe metin (kelime başına daha çok token) İngilizceden pahalıya düşebilir. Uzun bağlam kullanırken token sayısını hesaba katmak önemlidir.
Açık kaynak ile açık ağırlık farkı nedir?
Açık ağırlıkta model dosyalarını indirip çalıştırabilirsiniz; eğitim kodu ve veri seti kapalı olabilir. Açık kaynakta her şey paylaşılmıştır. Llama ve Mistral çoğunlukla açık ağırlıklıdır.
Halüsinasyonu tamamen önleyebilir miyim?
Tamamen hayır, ama RAG, kaynak zorlama ("kaynağın linkini ver"), düşük sıcaklık ve kritik bilgiyi doğrulama ile ciddi biçimde azaltılabilir. Kritik iş akışlarında insan denetimi şarttır.
