AI terimleri
A
- A/B testA/B Testing Nedir?A/B testi, kontrol ve deneneni eşzamanlı gösterip metrik farkının tesadüf olup olmadığını istatistiksel değerlendirir.
- AGIAGI Nedir?AGI (Artificial General Intelligence), çok çeşitli görevlerde insan benzeri genel yetenek iddiası taşıyan henüz ulaşılmamış bir hedeftir.
- AI AgentAI Agent (Ajan) Nedir?AI agent, dil modelini planlama ve araç kullanımıyla birleştirerek çok adımlı görevleri yarı özerk yürüten yazılım sistemidir.
- AktivasyonAktivasyon Fonksiyonu Nedir?Aktivasyon, katman çıktısını doğrusal olmaktan çıkaran f(·) fonksiyonudur; ReLU ve GELU yaygın örneklerdir.
- AlignmentAlignment (Hizalama) Nedir?Hizalama, modelin yardımcı, dürüst ve zararsız (veya tanımlı politika) davranması için yapılan teknik ve yönetişim çalışmasıdır.
- APIAPI Nedir? (AI bağlamında)AI API’si, dil modelini kendi uygulamanıza bağlayan programatik arayüzdür; sohbet kutusuna tıklamadan istek atıp token cevabı alırsınız.
- AttentionAttention (Dikkat) Nedir?Attention, sorgu-anahtar benzerliğiyle ilgi skorları üretip değer vektörlerini ağırlıklı toplayan öğrenilmiş bir karışım işlemidir; bilinçli bakış değildir.
- AUC-ROCAUC-ROC Nedir?ROC eğrisi altında kalan alan (AUC), pozitif ve negatifi skorla ayırma yeteneğinin özet metridir.
- AutoregressiveAutoregressive Nedir?Autoregressive dil modeli, her yeni token’ı kendinden önceki token’lara bakarak sırayla tahmin eder.
B
- BackpropagationBackpropagation Nedir?Geri yayılım, kayıptan başlayarak katman katman gradyan üretir; milyarlarca parametrenin verimli güncellenmesini sağlar.
- BaselineBaseline Nedir?Baseline, mevcut basit veya önceki çözümdür; yeni model bunun üzerine anlamlı kazanım göstermelidir.
- BatchBatch (Mini-batch) Nedir?Mini-batch, gradyanı tüm veri yerine bir örnek grubuyla tahmin ederek eğitimi ölçeklenebilir yapan birimdir.
- Beam searchBeam Search Nedir?Beam search, her adımda k adet en iyi adayı genişleterek yüksek olasılıklı diziyi yaklaşık arar; sampling’den daha belirlenimcidir.
- BenchmarkBenchmark Nedir?Benchmark, yapay zekâ modellerini ortak görevlerde sayısal skorlarla karşılaştırmak için kullanılan standart eval setleridir.
- BERTBERT Nedir?BERT, 2018’de önerilen, iki yönlü bağlam gören encoder modelidir; cümle temsili ve NLU görevlerinde devrim yaratmıştır.
- BiasBias (Önyargı) Nedir? — AIYapay zekâ önyargısı, model çıktılarının adaletsiz veya çarpık dağılım göstermesidir; çoğunlukla verideki ve süreçteki eşitsizlikleri yansıtır.
C
- CalibrationCalibration Nedir?İyi kalibre modelde öngörülen olasılıklar, empirik doğruluk frekanslarıyla uyumludur.
- Chain-of-ThoughtChain-of-Thought (CoT) Nedir?Chain-of-Thought, modele “adım adım düşün” benzeri ara gerekçe ürettirerek test-time compute’u artıran bir prompting / üretim biçimidir.
- CNNCNN Nedir?Convolutional Neural Network, filtreleri kaydırarak kenar, doku ve nesne parçalarını hiyerarşik öğrenen mimaridir.
- Confusion matrixConfusion Matrix Nedir?Karmaşıklık matrisi, gerçek etiket ile tahminin kesişimini sayar; hata türlerini görünür kılar.
- Context windowContext Window Nedir?Context window, bir istekte modele verilebilen toplam token bütçesidir; soru, geçmiş sohbet, belgeler ve üretilecek cevap bu bütçeyi paylaşır.
- Cross-validationCross-Validation Nedir?K-fold cross-validation, veriyi k parçaya ayırır; her parça bir kez test, kalanlar train olur; skorlar ortalanır.
D
- Data augmentationData Augmentation Nedir?Veri artırma, döndürme, kırpma, eşanlamlı değiştirme gibi dönüşümlerle eğitim setini zenginleştirir ve genellemeyi destekler.
- Data leakageData Leakage Nedir?Veri sızıntısı, eval’i bozan bilgilerin yanlışlıkla eğitime girmesidir; model gerçekte genelleyemez ama testte parlar.
- DatasetDataset (Veri Seti) Nedir?Veri seti, girdi (ve varsa etiket) örneklerinin düzenli derlemesidir; eğitim, doğrulama ve test için ayrılır.
- Denetimli öğrenmeDenetimli Öğrenme Nedir?Denetimli öğrenmede her eğitim örneğinin doğru cevabı (etiket) vardır; model bu eşlemeyi genellemeyi öğrenir.
- Denetimsiz öğrenmeDenetimsiz Öğrenme Nedir?Denetimsiz öğrenmede doğru cevap etiketi yoktur; algoritma benzerlik, yoğunluk veya gizli yapı arar.
- Derin öğrenmeDerin Öğrenme Nedir?Derin öğrenme, hiyerarşik sinir ağları kullanarak ham veriden özellik çıkarıp karmaşık görevleri çözen yaklaşımdır.
- DiffusionDiffusion Model Nedir?Diffusion modelleri, veriyi adım adım gürültüleyip öğrenilmiş ters süreçle gürültüden örnek üretir.
- DistillationKnowledge Distillation Nedir?Distillation, öğretmen modelin yumuşak olasılık dağılımlarını veya çıktılarını öğrenciye öğreterek küçük modelin büyüğe yaklaşmasını sağlar.
- DPODPO Nedir?Direct Preference Optimization, “iyi vs kötü cevap” çiftleriyle modeli RL’siz hizalamaya çalışan bir tercihe dayalı fine-tune yöntemidir.
- DropoutDropout Nedir?Dropout, her adımda rastgele birimleri devre dışı bırakarak ağın tek yola bağımlı olmasını engeller ve genellemeyi destekler.
E
- Early stoppingEarly Stopping Nedir?Erken durdurma, tutulmuş doğrulama setinde iyileşme durunca checkpoint seçip eğitimi bitirme stratejisidir.
- EmbeddingEmbedding Nedir?Embedding, kelime, cümle veya belgeyi çok boyutlu bir sayı vektörüne dönüştürmektir; kosinüs benzerliğiyle anlamsal arama ve kümeleme yapılabilir.
- Encoder–decoderEncoder–Decoder Nedir?Encoder girdiyi temsile çevirir, decoder bu temsilden hedef diziyi üretir; seq2seq görevlerin temelidir.
- EpochEpoch Nedir?Bir epoch, tüm eğitim verisinin bir tam geçişidir; birden fazla epoch genelde daha fazla öğrenme ama overfitting riski demektir.
- EvalEval (Değerlendirme) Nedir?Eval, AI sisteminin istenen görevde ne kadar iyi çalıştığını sistematik ölçme işidir; “kulağa iyi geliyor” yerine sayı ve protokol koyar.
F
- FeatureFeature (Özellik) Nedir?Feature, tahmin için kullanılan ölçülebilir girdi sinyalidir; ham veriden türetilmiş anlamlı bir temsildir.
- Few-shotFew-shot Nedir?Few-shot prompting, talimata birkaç girdi-çıktı örneği ekleyerek modeli göreve şartlandırmaktır.
- FFNFFN (Feed-Forward Network) Nedir?Feed-forward ağı, attention sonrası her token’a ayrı uygulanan MLP’dir; model kapasitesinin büyük kısmını taşır.
- Fine-tuningFine-Tuning Nedir?Fine-tuning, hazır bir temel modeli (pretrained model) kendi örneklerinizle yeniden ayarlayarak belirli bir üsluba, formata veya alana yaklaştırmaktır; sıfırdan model eğitmek değildir.
G
- GANGAN Nedir?Generative Adversarial Network, sahte örnek üreten ve gerçeği ayırt eden iki ağın rekabetiyle öğrenir.
- GPTGPT Nedir?GPT, önceden eğitilmiş üretici Transformer anlamına gelir; OpenAI’nin model ailesiyle özdeşleşmiştir ama kavram geneldir.
- Gradient descentGradient Descent Nedir?Gradient descent, hata yüzeyinde eğimin tersine küçük adımlar atarak model ağırlıklarını iyileştiren temel öğrenme algoritmasıdır.
- Greedy decodingGreedy Decoding Nedir?Greedy decoding, her adımda argmax token’ı alan belirlenimci üretim stratejisidir.
- GroundingGrounding Nedir?Grounding, üretilen metni kaynak belge, veritabanı veya araç çıktısı gibi doğrulanabilir bağlama sabitlemektir.
H
- HallucinationHallucination (Halüsinasyon) Nedir?AI halüsinasyonu, modelin bilinçli yalan söylemesi değil; belirsizlikte bile akıcı ve ikna edici metin üretmesi sonucu ortaya çıkan asılsız iddialardır.
- HiperparametreHiperparametre Nedir?Hiperparametreler modelin öğrendiği ağırlıklar değil; eğitim ve yapı için seçtiğiniz düğmelerdir.
I
- In-context learningIn-context Learning Nedir?ICL, örneklerin bağlamda verilmesiyle modelin görevi “anında” uyarlamasıdır; parametreler değişmez.
- InferenceInference (Çıkarım) Nedir?Inference, modelin öğrenme bittikten sonra üretimde çalıştırılmasıdır: prompt girer, token token (veya tek seferde) cevap çıkar.
- Instruction tuningInstruction Tuning Nedir?Instruction tuning, “talimat → yanıt” örnekleriyle modeli yardımcı asistan davranışına çeken supervised fine-tuning türüdür.
J
K
L
- LabelingLabeling (Etiketleme) Nedir?Veri etiketleme, insan veya otomatik yargıçlarla örneklere hedef değer vermektir; kalitesi model tavanını belirler.
- LatencyLatency (Gecikme) Nedir?Latency, bir AI isteğinin üretilmesi için geçen zamandır; sohbette ilk token süresi ve toplam cevap süresi ayrı metriklerdir.
- LayerNormLayerNorm Nedir?Layer normalization, her örnek/token için özellik vektörünü ortalama-varyans ile ölçekler; dizi modellerinde kararlılığı artırır.
- Learning rateLearning Rate Nedir?Learning rate, gradyan inişinde parametre adımının büyüklüğüdür; çok yüksek patlatır, çok düşük eğitimi sürünür hale getirir.
- LLMLLM Nedir?LLM, milyarlarca parametreli dil modelidir; next-token tahminiyle metin üretir. Sohbet asistanları, kod yardımcıları ve birçok AI ürününün motorudur.
- LoRALoRA Nedir?LoRA, büyük ağırlık matrislerine düşük rütbeli güncelleme ekleyerek az parametreyle fine-tune yapar; taban model çoğu zaman dondurulur.
- LossLoss (Kayıp) Nedir?Loss fonksiyonu, modelin hatasını sayıya çevirir; gradient descent bu değeri azaltacak şekilde ağırlıkları günceller.
M
- Makine öğrenmesiMakine Öğrenmesi Nedir?Makine öğrenmesi, modellerin örnek veriden genelleme öğrenmesini sağlayan AI alt alanıdır; kuralları elle yazmak yerine veri ile ayarlanır.
- MLOpsMLOps Nedir?MLOps, makine öğrenmesi sistemlerini güvenilir şekilde üretime alma ve yaşatma pratikler bütünüdür.
- Model cardModel Card Nedir?Model kartı, bir modelin ne için olduğu, nasıl ölçüldüğü ve nerede zayıf kaldığını standart biçimde açıklar.
- MoEMixture of Experts (MoE) Nedir?Mixture of Experts, router’ın her token için az sayıda uzman FFN seçtiği seyrek yapıdır; toplam parametre büyük, aktif maliyet daha kontrollü olabilir.
- MultimodalMultimodal Nedir?Multimodal model, birden fazla duyusal/veri kanalını (ör. metin+görüntü) ortak veya bağlı temsillerle işler; yalnızca metin LLM’sinden farklıdır.
O
P
- ParametreParametre (Model Parametresi) Nedir?Model parametreleri, eğitimle ayarlanan sayısal ağırlıklardır; “70 milyar parametre” modelin kapasite ölçeğine dair kaba bir ölçüdür.
- Pekiştirmeli öğrenmePekiştirmeli Öğrenme (RL) Nedir?RL’de ajan deneme-yanılma ile ödülü maksimize edecek eylem politikasını öğrenir; etiketli doğru cevap yerine ödül vardır.
- PerplexityPerplexity Nedir?Perplexity, olasılıksal dil modellerinde belirsizlik ölçüsüdür; kayıpla ilişkilidir ve tutulmuş metinde hesaplanır.
- Precision / RecallPrecision ve Recall Nedir?Precision isabet, recall kapsama ölçer; dengesiz sınıflarda accuracy yerine bu ikili okunur.
- PretrainingPretraining Nedir?Pretraining, modelin trilyonlarca token ölçeğinde genel next-token (veya benzeri) hedefiyle eğitilmesidir; görev spesifik ince ayardan önce gelir.
- PromptPrompt Nedir?Prompt, modele gönderdiğiniz talimat ve bağlam metninin tamamıdır; model bir sonraki token’ları bu girdiye göre üretir.
- Prompt injectionPrompt Injection Nedir?Prompt injection, kullanıcı veya dış içerik yoluyla modelin orijinal talimatlarını saptırarak güvenlik kurallarını delme girişimidir.
Q
R
- RAGRAG Nedir?RAG, dil modelinin cevabını yalnızca ezberlediği ağırlıklara bırakmaz; önce bir bilgi deposundan ilgili parçaları bulur (retrieval), sonra bu parçalarla birlikte metin üretir (generation).
- Red teamingRed Teaming Nedir?AI red teaming, saldırgan bakış açısıyla model ve ürünü stres testinden geçirerek zararlı davranışları ortaya çıkarmaktır.
- RegularizationRegularization Nedir?Regularization, modele sadeleşme baskısı uygulayarak overfitting’i azaltmayı hedefler; weight decay ve dropout örnekleridir.
- ResidualResidual Connection Nedir?Skip/residual connection, x + F(x) formunda yolu kısaltır; çok katmanlı ağların eğitilebilirliğini artırır.
- RLHFRLHF Nedir?RLHF (Reinforcement Learning from Human Feedback), insanların tercih ettiği cevapları ödül sinyeline çevirip modeli bu ödüle göre güncelleyen hizalama ailesidir.
- RNNRNN Nedir?Recurrent Neural Network, zaman adımlarında parametre paylaşarak sıralı veri işler; LSTM/GRU türevleri unutma kapıları ekler.
- RoPERoPE Nedir?Rotary Positional Embedding, göreli konumu iç çarpıma işleyen konum kodlama tekniğidir.
S
- Sentetik veriSentetik Veri Nedir?Sentetik veri, yapay üretilmiş örneklerdir; az veri, gizlilik veya denge sorunlarında kullanılır ama kalite riski taşır.
- Sequence modelSequence Model Nedir?Dizi modeli, sıranın anlam taşıdığı verilerde çalışan RNN, Transformer ve türevlerini kapsar.
- SFTSFT (Supervised Fine-Tuning) Nedir?SFT, soru-cevap veya talimat-yanıt çiftleriyle modelin davranışını denetimli kayıpla güncellemektir.
- SimilaritySimilarity (Benzerlik) Nedir?Vektör benzerliği, iki temsili sayısal olarak karşılaştırır; yüksek skor genelde daha yakın anlam varsayımına işaret eder.
- Sinir ağıSinir Ağı (Neural Network) Nedir?Yapay sinir ağı, ağırlıklı bağlantılar ve aktivasyon fonksiyonlarıyla veri üzerinden öğrenen katmanlı bir model yapısıdır.
- SoftmaxSoftmax Nedir?Softmax, bir vektörü pozitif ve toplamı 1 olan olasılıklara dönüştürür; en büyük değer en yüksek olasılığı alır.
- StreamingStreaming Nedir?Streaming, AI cevabını parça parça (genelde token token) göndererek kullanıcıya anında akış gösteren iletim biçimidir.
- System promptSystem Prompt Nedir?System prompt, sohbet API’sinde modelin genel davranışını tanımlayan üst düzey talimattır; kullanıcı mesajından önce ve ayrı bir rolde gelir.
T
- TemperatureTemperature Nedir?Temperature, softmax dağılımını sivrileştiren veya yumuşatan bir ayardır; yaratıcılık sihri değil, olasılık entropisinin düğmesidir.
- TokenToken Nedir?Token, büyük dil modellerinin metni böldüğü sayısal birimdir. Model kelime değil token dizisi görür; API maliyeti ve bağlam limiti genelde token başına hesaplanır.
- TokenizerTokenizer Nedir?Tokenizer, metni token’lara bölüp her parçaya bir kimlik numarası veren ön işleme katmanıdır; model bu ID dizisini görür.
- Tool useTool Use (Araç Kullanımı) Nedir?Tool use, modelin yalnızca metin üretmek yerine tanımlı fonksiyonları çağırıp sonuçları bağlama katmasını sağlar; hesap ve güncel bilgi için kritiktir.
- Top-pTop-p (Nucleus Sampling) Nedir?Top-p (nucleus sampling), olasılık kütlesinin belirli bir yüzdesini kapayan dinamik aday kümesinden sonraki token’ı seçer; sabit k yerine esnek kesim sunar.
- Transfer learningTransfer Learning Nedir?Transfer öğrenme, kaynak görevden gelen bilgiyi hedef göreve taşıyarak az veriyle daha iyi performans arar.
- TransformerTransformer Nedir?Transformer, 2017’de önerilen ve attention mekanizmasıyla dizilerdeki ilişkileri paralel modelleyen mimaridir; GPT ve Claude gibi LLM’lerin temelidir.
V
- Vektör veritabanıVektör Veritabanı Nedir?Vektör veritabanı, yüksek boyutlu embedding’leri indeksleyerek “en benzer vektörler hangileri?” sorgusunu hızlı cevaplar.
- VocabularyVocabulary (Sözlük Boyutu) Nedir?Model vocabulary’si, bilinen token kimliklerinin kümesidir; çok büyük sözlük bellek ister, çok küçük sözlük aşırı parçalar.