Yapay Zekâ Sözlüğü: 254 Terim ve Anlamı (A–Z)

Günün terimi · Ajanlar, RAG & Araç Kullanımı

Derin Araştırma

Deep Research

Derin araştırma, bir yapay zekâ ajanının bir konuyu onlarca kaynağı tarayarak dakikalar boyunca araştırıp kaynaklı ve kapsamlı bir rapor hazırlamasıdır.

Ajan araştırma planı yapar, web aramaları gerçekleştirir, bulduklarına göre yeni sorular sorar ve sonunda bulguları düzenli bir rapora dönüştürür. ChatGPT, Gemini, Claude ve Perplexity bu özelliği farklı adlarla sunar. Saatler sürebilecek ön araştırmayı hızlandırır, ama raporun kritik iddiaları yine de kaynaklarından kontrol edilmelidir.

Prompt ipucu: Derin araştırma isterken kapsamı, zaman aralığını, tercih ettiğin kaynak türlerini ve raporun bölümlerini baştan belirt; belirsiz konular için ajan sana önce soru sorsun.

Bağlantılı:Yapay Zekâ Ajanı Kaynak Gösterme Temellendirme A2A Protokolü

Yeni başlayanlar için

İlk öğrenilecek 10 terim

Yapay Zekâ Büyük Dil Modeli Prompt Token Bağlam Penceresi Halüsinasyon RAG Yapay Zekâ Ajanı İnce Ayar Az Örnekli İstem

Sık karıştırılanlar

Yapay ZekâMakine Öğrenmesi

Makine ÖğrenmesiDerin Öğrenme

İnce AyarRAG

A B C Ç D E F G H İ J K L M N O Ö P R S Ş T U Ü V X Y

254 terim Rastgele terim

A20 terim

A/B TestiA/B TestingA/B testi, iki farklı sürümü (ör. iki prompt ya da iki model) gerçek kullanıcıların farklı gruplarına göstererek hangisinin daha iyi sonuç verdiğini ölçme yöntemidir.Veri & Değerlendirme A2A ProtokolüAgent2Agent ProtocolA2A, farklı şirketlerin ya da platformların geliştirdiği yapay zekâ ajanlarının birbiriyle güvenli biçimde iletişim kurup iş birliği yapmasını sağlayan açık protokoldür.Ajanlar, RAG & Araç Kullanımı AB Yapay Zekâ YasasıEU AI ActAB Yapay Zekâ Yasası, Avrupa Birliği'nde yapay zekâ sistemlerini risk düzeylerine göre sınıflandırıp her düzey için farklı kurallar getiren kapsamlı yasal düzenlemedir.Güvenlik, Etik & Hukuk Açık Ağırlıklı ModelOpen-weight ModelAçık ağırlıklı model, eğitilmiş parametreleri (ağırlıkları) herkesin indirip kendi bilgisayarında ya da sunucusunda çalıştırabileceği şekilde yayımlanan yapay zekâ modelidir.Dil Modelleri & Üretken YZ Açıklanabilir Yapay ZekâXAI · Explainable AIAçıklanabilir yapay zekâ (XAI), bir modelin belirli bir karara neden ve hangi etkenlere bakarak ulaştığını insanların anlayabileceği biçimde ortaya koymayı amaçlayan yöntemlerdir.Güvenlik, Etik & Hukuk AdillikFairnessAdillik, bir yapay zekâ sisteminin kararlarının cinsiyet, yaş, köken ya da engellilik gibi özelliklere göre haksız ayrım yapmamasını hedefleyen ilkedir.Güvenlik, Etik & Hukuk AğırlıkWeightAğırlık, sinir ağındaki iki nöron arasındaki bağlantının gücünü belirleyen ve eğitimle öğrenilen sayısal değerdir.Derin Öğrenme & Sinir Ağları Ajansal Yapay ZekâAgentic AIAjansal yapay zekâ, yalnızca cevap üretmekle kalmayıp hedef belirleyen, çok adımlı görevleri planlayan ve araçlarla eyleme geçen yapay zekâ yaklaşımının genel adıdır.Ajanlar, RAG & Araç Kullanımı Akıl Yürütme ModeliReasoning ModelAkıl yürütme modeli, cevap vermeden önce problemi adımlara bölüp içsel bir düşünme süreci yürüten ve özellikle matematik, kod ve mantık işlerinde güçlü olan dil modelidir.Dil Modelleri & Üretken YZ Akışlı YanıtStreamingAkışlı yanıt, modelin cevabının tamamlanmasını beklemeden, üretilen tokenlerin anında parça parça kullanıcıya gönderilmesidir.Dil Modelleri & Üretken YZ Aktivasyon FonksiyonuActivation FunctionAktivasyon fonksiyonu, bir nöronun ağırlıklı toplamını alıp çıktısına dönüştüren ve ağa doğrusal olmayan ilişkileri öğrenme yeteneği kazandıran fonksiyondur.Derin Öğrenme & Sinir Ağları AlgoritmaAlgorithmAlgoritma, bir problemi çözmek ya da bir işi tamamlamak için izlenen, sırası ve kuralları belli adımlar dizisidir.Temel Kavramlar Anayasal Yapay ZekâConstitutional AIAnayasal yapay zekâ, bir modelin davranışını yazılı ilkelerden oluşan bir "anayasa"ya göre kendi cevaplarını eleştirip düzelterek öğrendiği eğitim yöntemidir.Güvenlik, Etik & Hukuk Anlamsal AramaSemantic SearchAnlamsal arama, aranan kelimelerin birebir geçip geçmediğine değil, sorgunun anlamına en uygun içerikleri bulan arama yöntemidir.Ajanlar, RAG & Araç Kullanımı APIApplication Programming InterfaceAPI, bir yazılımın başka bir yazılımın özelliklerini belirli kurallarla kullanmasını sağlayan arayüzdür; yapay zekâ modellerini kendi uygulamana bağlamanın standart yoludur.Altyapı, Donanım & API API AnahtarıAPI KeyAPI anahtarı, bir yapay zekâ servisine yapılan isteklerin kimden geldiğini doğrulayan ve faturalandırmayı o hesaba bağlayan gizli koddur.Altyapı, Donanım & API Araç ÇağırmaTool Calling / Function CallingAraç çağırma, bir dil modelinin gerektiğinde dış bir fonksiyonu, API'yi ya da aracı belirli parametrelerle kullanmaya karar vermesidir.Ajanlar, RAG & Araç Kullanımı Aşırı ÖğrenmeOverfittingAşırı öğrenme, bir modelin eğitim verisini ezberleyecek kadar iyi öğrenip yeni ve görmediği verilerde kötü sonuç vermesidir.Makine Öğrenmesi & Eğitim Aykırı DeğerOutlierAykırı değer, veri setindeki diğer gözlemlerden belirgin biçimde farklı olan, olağan dışı kayıttır.Veri & Değerlendirme Az Örnekli İstemFew-shot PromptingAz örnekli istem (few-shot), modele görevle birlikte birkaç girdi–çıktı örneği vererek istenen kalıbı göstermektir.Prompt Mühendisliği

B13 terim

Bağlam İçi ÖğrenmeICL · In-context LearningBağlam içi öğrenme, modelin parametreleri değişmeden, yalnızca prompttaki talimat ve örneklerden yeni bir görevi kavrayıp uygulayabilmesidir.Prompt Mühendisliği Bağlam MühendisliğiContext EngineeringBağlam mühendisliği, modelin bir görevi doğru yapabilmesi için ihtiyaç duyduğu tüm bilgiyi (talimatlar, belgeler, araçlar, geçmiş) doğru miktarda ve doğru sırada bağlam penceresine yerleştirme işidir.Prompt Mühendisliği Bağlam PenceresiContext WindowBağlam penceresi, bir dil modelinin tek seferde dikkate alabildiği en fazla token miktarıdır; promptun, yüklenen belgelerin, sohbet geçmişinin ve cevabın toplamını kapsar.Dil Modelleri & Üretken YZ BellekMemoryBellek, bir yapay zekâ asistanının ya da ajanının önceki konuşmalardan ve görevlerden edindiği bilgileri saklayıp sonraki etkileşimlerde kullanabilmesidir.Ajanlar, RAG & Araç Kullanımı BenchmarkBenchmark, farklı yapay zekâ modellerinin aynı görevlerde başarısını karşılaştırmak için kullanılan standart test setidir.Veri & Değerlendirme Bilgi GrafiğiKnowledge GraphBilgi grafiği, kişiler, yerler, kavramlar gibi varlıkları ve aralarındaki ilişkileri düğümler ve bağlantılar hâlinde temsil eden yapılandırılmış bilgi ağıdır.Ajanlar, RAG & Araç Kullanımı Bilgi Kesim TarihiKnowledge CutoffBilgi kesim tarihi, bir modelin eğitim verisinin bittiği tarihtir; model bu tarihten sonraki olaylar hakkında kendiliğinden bilgi sahibi değildir.Dil Modelleri & Üretken YZ Bilgisayar KullanımıComputer UseBilgisayar kullanımı, bir yapay zekâ ajanının ekran görüntülerine bakarak fareyi ve klavyeyi kullanıp bilgisayardaki uygulamaları bir insan gibi kullanabilmesidir.Ajanlar, RAG & Araç Kullanımı Bilgisayarlı GörüCV · Computer VisionBilgisayarlı görü, bilgisayarların fotoğraf ve videolardaki nesneleri, yüzleri, yazıları ve sahneleri tanıyıp anlamlandırmasını sağlayan yapay zekâ alanıdır.Temel Kavramlar BLEU ve ROUGEBLEU ve ROUGE, yapay zekânın ürettiği çeviri ya da özetin, insan yazımı referans metinle kelime örtüşmesine bakarak puanlanmasını sağlayan otomatik ölçütlerdir.Veri & Değerlendirme Boyut İndirgemeDimensionality ReductionBoyut indirgeme, çok sayıda özelliği olan veriyi en önemli bilgileri koruyarak daha az sayıda özellikle temsil etme yöntemidir.Veri & Değerlendirme Büyük Dil ModeliLLM · Large Language ModelBüyük dil modeli (LLM), çok büyük miktarda metinle eğitilerek dili anlamayı ve üretmeyi öğrenmiş, milyarlarca parametreli yapay zekâ modelidir.Dil Modelleri & Üretken YZ Büyük VeriBig DataBüyük veri, hacmi, üretilme hızı ve çeşitliliği nedeniyle geleneksel araçlarla saklanması ve işlenmesi zor olan veri kümelerini anlatan kavramdır.Veri & Değerlendirme

C5 terim

CFG ÖlçeğiCFG · Classifier-Free Guidance ScaleCFG ölçeği, görsel üretim modelinin prompta ne kadar sıkı bağlı kalacağını belirleyen ayardır.Görsel, Video & Ses Üretimi Chatbot ArenaChatbot Arena, kullanıcıların iki anonim modelin cevaplarını karşılaştırıp hangisinin daha iyi olduğunu oyladığı ve bu oylardan Elo puanıyla bir sıralama çıkarılan açık değerlendirme platformudur.Veri & Değerlendirme CLIPContrastive Language-Image Pre-trainingCLIP, görselleri ve metinleri aynı anlam uzayında temsil ederek bir görselin bir metne ne kadar uyduğunu ölçebilen modeldir.Görsel, Video & Ses Üretimi ControlNetControlNet, görsel üretimini bir referansın pozu, çizgileri, derinliği ya da kenarları gibi yapısal bilgilerle kontrol etmeyi sağlayan eklenti modelidir.Görsel, Video & Ses Üretimi CUDACUDA, NVIDIA GPU'larında genel amaçlı paralel hesaplama yapmayı sağlayan yazılım platformu ve programlama modelidir.Altyapı, Donanım & API

Ç6 terim

Çapraz DoğrulamaCross-validationÇapraz doğrulama, veriyi birkaç parçaya bölüp modeli her seferinde farklı bir parçayla test ederek başarısını daha güvenilir ölçme yöntemidir.Veri & Değerlendirme Çekişmeli Üretici AğGAN · Generative Adversarial NetworkÇekişmeli üretici ağ (GAN), sahte örnekler üreten bir üretici ile bunları gerçeklerinden ayırmaya çalışan bir ayırt edici ağın birbiriyle yarışarak geliştiği üretken modeldir.Görsel, Video & Ses Üretimi ÇıkarımInferenceÇıkarım, eğitimi tamamlanmış bir modelin yeni bir girdi için tahmin ya da çıktı üretmesi, yani modelin kullanılması aşamasıdır.Altyapı, Donanım & API Çıktı BiçimiOutput FormatÇıktı biçimi, modelin cevabını hangi yapıda vereceğinin promptta belirtilmesidir: madde listesi, tablo, JSON, e-posta, kod bloğu gibi.Prompt Mühendisliği Çok Ajanlı SistemMulti-agent SystemÇok ajanlı sistem, farklı rollere sahip birden fazla yapay zekâ ajanının bir görevi birlikte, iş bölümü yaparak tamamladığı yapıdır.Ajanlar, RAG & Araç Kullanımı Çok Modlu Yapay ZekâMultimodal AIÇok modlu yapay zekâ, metin, görsel, ses ve video gibi farklı veri türlerini birlikte anlayabilen ya da üretebilen yapay zekâ sistemleridir.Temel Kavramlar

D23 terim

DalkavuklukSycophancyDalkavukluk, bir yapay zekâ modelinin doğruyu söylemek yerine kullanıcının duymak istediğini söyleme, fikirlerini aşırı övme ya da itiraz edildiğinde doğru cevabından kolayca vazgeçme eğilimidir.Güvenlik, Etik & Hukuk DamıtmaKnowledge DistillationDamıtma, büyük ve güçlü bir "öğretmen" modelin bilgisinin daha küçük ve hızlı bir "öğrenci" modele aktarılmasıdır.Makine Öğrenmesi & Eğitim Dar Yapay ZekâANI · Narrow AIDar yapay zekâ, yalnızca belirli bir görevi ya da sınırlı bir görev grubunu yapmak için geliştirilmiş yapay zekâ sistemleridir.Temel Kavramlar DeepfakeDeepfake, yapay zekâ ile üretilen ve gerçek bir kişinin hiç söylemediği sözleri söylüyor ya da hiç yapmadığı şeyleri yapıyor gibi gösteren sahte video, ses ya da görseldir.Güvenlik, Etik & Hukuk Denetimli ÖğrenmeSupervised LearningDenetimli öğrenme, modelin doğru cevapları (etiketleri) bilinen örneklerle eğitildiği ve yeni örnekler için bu cevapları tahmin etmeyi öğrendiği yöntemdir.Makine Öğrenmesi & Eğitim Denetimsiz ÖğrenmeUnsupervised LearningDenetimsiz öğrenme, etiketsiz verideki gizli yapıları, grupları ve örüntüleri modelin kendi başına bulduğu yöntemdir.Makine Öğrenmesi & Eğitim Derin AraştırmaDeep ResearchDerin araştırma, bir yapay zekâ ajanının bir konuyu onlarca kaynağı tarayarak dakikalar boyunca araştırıp kaynaklı ve kapsamlı bir rapor hazırlamasıdır.Ajanlar, RAG & Araç Kullanımı Derin ÖğrenmeDeep LearningDerin öğrenme, çok sayıda katmandan oluşan yapay sinir ağlarıyla büyük veriden karmaşık örüntüleri öğrenen makine öğrenmesi yöntemidir.Temel Kavramlar Deterministik ÇıktıDeterministic OutputDeterministik çıktı, aynı girdi verildiğinde modelin her seferinde aynı cevabı üretmesidir.Dil Modelleri & Üretken YZ Dış BoyamaOutpaintingDış boyama (outpainting), bir görseli kenarlarından dışarı doğru, mevcut sahneyle uyumlu yeni içerik üreterek genişletme işlemidir.Görsel, Video & Ses Üretimi Difüzyon ModeliDiffusion ModelDifüzyon modeli, rastgele gürültüden başlayıp bu gürültüyü adım adım temizleyerek metne uygun görsel, video ya da ses üreten üretken model türüdür.Görsel, Video & Ses Üretimi Dikkat MekanizmasıAttention MechanismDikkat mekanizması, bir modelin bir öğeyi işlerken girdinin diğer bölümlerinden hangilerinin daha önemli olduğunu ağırlıklandırarak odaklanmasını sağlayan yöntemdir.Derin Öğrenme & Sinir Ağları Doğal Dil İşlemeNLP · Natural Language ProcessingDoğal dil işleme (NLP), bilgisayarların insan dilini anlaması, yorumlaması ve üretmesiyle ilgilenen yapay zekâ alanıdır.Temel Kavramlar Doğrulama ve Test VerisiValidation & Test DataDoğrulama ve test verisi, modelin eğitimde hiç görmediği örneklerle başarısını ölçmek için ayrılan veri bölümleridir.Makine Öğrenmesi & Eğitim DoğrulukAccuracyDoğruluk, bir modelin yaptığı tüm tahminler içinde doğru olanların oranıdır.Veri & Değerlendirme DPODirect Preference OptimizationDPO (doğrudan tercih optimizasyonu), ayrı bir ödül modeli ve pekiştirmeli öğrenme döngüsü kullanmadan, insan tercih verisiyle dil modelini doğrudan eğiten yöntemdir.Makine Öğrenmesi & Eğitim DropoutDropout, eğitim sırasında her adımda rastgele seçilen nöronları geçici olarak devre dışı bırakarak aşırı öğrenmeyi azaltan düzenlileştirme yöntemidir.Derin Öğrenme & Sinir Ağları Dudak SenkronizasyonuLip SyncDudak senkronizasyonu, bir videodaki ya da görseldeki kişinin dudak hareketlerini verilen konuşma sesine uyacak şekilde yapay zekâ ile üretme işlemidir.Görsel, Video & Ses Üretimi Durdurma DizisiStop SequenceDurdurma dizisi, model ürettiği metinde belirlenen ifadeye ulaştığında üretimi otomatik olarak sonlandıran ayardır.Dil Modelleri & Üretken YZ Duygu AnaliziSentiment AnalysisDuygu analizi, bir metindeki görüşün olumlu, olumsuz ya da nötr olduğunu ve hangi duyguları taşıdığını otomatik olarak belirleme işidir.Temel Kavramlar Düşünce AğacıToT · Tree of ThoughtsDüşünce ağacı (ToT), modelin bir problemi çözerken birden fazla olası düşünce yolunu ağaç gibi dallandırıp değerlendirdiği ve en umut verici yolu seçtiği tekniktir.Prompt Mühendisliği Düşünce ZinciriCoT · Chain-of-ThoughtDüşünce zinciri (CoT), modelden cevaba doğrudan atlamak yerine akıl yürütmesini adım adım yazmasını isteyen prompt tekniğidir.Prompt Mühendisliği DüzenlileştirmeRegularizationDüzenlileştirme, modelin aşırı öğrenmesini önlemek için onu daha basit ve genellenebilir çözümlere yönlendiren tekniklerin genel adıdır.Makine Öğrenmesi & Eğitim

E7 terim

Eğitim VerisiTraining DataEğitim verisi, bir modelin öğrenme sürecinde parametrelerini ayarlamak için kullandığı örneklerin tamamıdır.Makine Öğrenmesi & Eğitim Eksik ÖğrenmeUnderfittingEksik öğrenme, bir modelin verideki örüntüleri yakalayamayacak kadar basit kalması ya da yeterince eğitilmemesi nedeniyle hem eğitim hem de yeni veride kötü sonuç vermesidir.Makine Öğrenmesi & Eğitim Embedding (Gömme)EmbeddingEmbedding, bir kelimenin, cümlenin, belgenin ya da görselin anlamını temsil eden ve anlamca yakın içeriklerin birbirine yakın düştüğü sayısal vektördür.Ajanlar, RAG & Araç Kullanımı En Azdan Çoğa İstemLeast-to-most PromptingEn azdan çoğa istem, karmaşık bir problemi önce basit alt problemlere ayırıp bunları kolaydan zora doğru sırayla çözdürme tekniğidir.Prompt Mühendisliği En-Boy OranıAspect RatioEn-boy oranı, üretilecek görselin ya da videonun genişliğinin yüksekliğine oranıdır: 1:1 kare, 16:9 yatay, 9:16 dikey gibi.Görsel, Video & Ses Üretimi EpochEpoch, eğitim sırasında modelin eğitim verisinin tamamını bir kez baştan sona görmesidir.Makine Öğrenmesi & Eğitim Evrişimli Sinir AğıCNN · Convolutional Neural NetworkEvrişimli sinir ağı (CNN), görüntüdeki yerel desenleri küçük filtrelerle tarayarak öğrenen ve özellikle görüntü işleme için geliştirilmiş sinir ağı türüdür.Derin Öğrenme & Sinir Ağları

F4 terim

F1 SkoruF1 ScoreF1 skoru, kesinlik ve duyarlılığın harmonik ortalamasıdır ve ikisini tek bir sayıda dengeli biçimde özetler.Veri & Değerlendirme FiligranAI WatermarkingYapay zekâ filigranı, yapay zekâ ile üretilmiş metin, görsel, ses ya da videoya, içeriğin kaynağını sonradan tespit etmeyi sağlayan gizli ya da görünür işaret eklenmesidir.Güvenlik, Etik & Hukuk FLOPSFLOPS, bir işlemcinin saniyede yapabildiği kayan noktalı sayı işlemi sayısıdır; yapay zekâda hem donanım gücünü hem de bir modelin eğitimi için gereken toplam hesaplama miktarını anlatmak için kullanılır.Altyapı, Donanım & API Frekans CezasıFrequency PenaltyFrekans cezası, modelin aynı kelime ve ifadeleri tekrar tekrar kullanmasını azaltmak için tekrar eden tokenlerin olasılığını düşüren ayardır.Dil Modelleri & Üretken YZ

G10 terim

GecikmeLatencyGecikme, bir yapay zekâ isteği gönderildikten sonra cevabın gelmeye başlamasına ya da tamamlanmasına kadar geçen süredir.Altyapı, Donanım & API Geri Adım İstemiStep-back PromptingGeri adım istemi, modelden ayrıntılı soruya geçmeden önce konunun genel ilkesini ya da üst düzey kavramını açıklamasını isteyen tekniktir.Prompt Mühendisliği Geri YayılımBackpropagationGeri yayılım, bir sinir ağının çıktısındaki hatanın her bir ağırlıktan ne kadar kaynaklandığını sondan başa doğru hesaplayan algoritmadır.Derin Öğrenme & Sinir Ağları Görsel BüyütmeUpscalingGörsel büyütme (upscale), bir görselin çözünürlüğünü yapay zekâ ile artırırken kaybolan ayrıntıları da yeniden oluşturma işlemidir.Görsel, Video & Ses Üretimi Görselden GörseleImage-to-ImageGörselden görsele, var olan bir görseli ve bir promptu birlikte kullanarak yeni ya da değiştirilmiş bir görsel üretme yöntemidir.Görsel, Video & Ses Üretimi Görselden VideoyaImage-to-VideoGörselden videoya, durağan bir görseli başlangıç karesi olarak kullanıp ona hareket kazandırarak video üretme yöntemidir.Görsel, Video & Ses Üretimi GPTGenerative Pre-trained TransformerGPT (Üretken Ön Eğitimli Transformer), OpenAI'ın geliştirdiği ve ChatGPT'ye güç veren büyük dil modeli ailesinin adıdır.Dil Modelleri & Üretken YZ GPUGraphics Processing UnitGPU (grafik işlem birimi), binlerce küçük çekirdeğiyle aynı anda çok sayıda hesap yapabilen ve yapay zekâ modellerinin eğitimi ile çalıştırılmasında temel donanım olan işlemcidir.Altyapı, Donanım & API Gradyan İnişiGradient DescentGradyan inişi, modelin hata (kayıp) değerini azaltmak için parametrelerini hatanın en hızlı düştüğü yönde küçük adımlarla güncelleyen optimizasyon yöntemidir.Makine Öğrenmesi & Eğitim Güvenlik BariyeriGuardrailsGüvenlik bariyeri (guardrail), bir yapay zekâ uygulamasının zararlı, konu dışı ya da kurallara aykırı girdi ve çıktılarını engellemek için kurulan kontrol katmanlarıdır.Güvenlik, Etik & Hukuk

H6 terim

HalüsinasyonHallucinationHalüsinasyon, bir yapay zekâ modelinin gerçekte var olmayan ya da yanlış bir bilgiyi kendinden emin bir dille doğruymuş gibi üretmesidir.Dil Modelleri & Üretken YZ Hedef KitleTarget AudienceHedef kitle, üretilecek içeriğin kime hitap ettiğinin promptta tanımlanmasıdır; ayrıntı düzeyini, dili ve örnekleri belirler.Prompt Mühendisliği Hız SınırıRate LimitHız sınırı, bir API'ye belirli bir sürede gönderilebilecek istek ya da token sayısına sağlayıcının koyduğu üst sınırdır.Altyapı, Donanım & API Hibrit AramaHybrid SearchHibrit arama, anlamsal (vektör) aramayı klasik anahtar kelime aramasıyla birleştirerek her ikisinin güçlü yanlarından yararlanan arama yöntemidir.Ajanlar, RAG & Araç Kullanımı HiperparametreHyperparameterHiperparametre, eğitim başlamadan önce insanlar tarafından belirlenen ve eğitimin nasıl yapılacağını kontrol eden ayardır.Makine Öğrenmesi & Eğitim HizalamaAlignmentHizalama, yapay zekâ sistemlerinin insanların niyetlerine, değerlerine ve güvenlik beklentilerine uygun davranmasını sağlama çalışmalarının genel adıdır.Güvenlik, Etik & Hukuk

İ6 terim

İç BoyamaInpaintingİç boyama (inpainting), bir görselin yalnızca seçilen bölümünü yapay zekâ ile yeniden üretme ya da düzeltme işlemidir.Görsel, Video & Ses Üretimi İçerik ModerasyonuContent Moderationİçerik moderasyonu, kullanıcıların paylaştığı ya da yapay zekânın ürettiği içeriklerin şiddet, nefret söylemi, taciz gibi zararlı unsurlar açısından denetlenmesidir.Güvenlik, Etik & Hukuk İnce AyarFine-tuningİnce ayar, önceden eğitilmiş bir modelin belirli bir görev, alan ya da üslup için daha küçük ve özel bir veri setiyle yeniden eğitilmesidir.Makine Öğrenmesi & Eğitim İnsan DeğerlendirmesiHuman Evaluationİnsan değerlendirmesi, model çıktılarının kalitesinin insanlar tarafından okunarak belirlenen ölçütlere göre puanlanmasıdır.Veri & Değerlendirme İnsan DenetimiHITL · Human-in-the-loopİnsan denetimi, yapay zekâ sistemlerinin önemli kararlarında ve işlemlerinde son onayın, kontrolün ya da düzeltme imkânının bir insanda olmasıdır.Güvenlik, Etik & Hukuk İş Akışı OtomasyonuWorkflow Automationİş akışı otomasyonu, tekrar eden iş süreçlerinin yapay zekâ ve uygulama entegrasyonlarıyla insan müdahalesi olmadan ya da en az müdahaleyle yürütülmesidir.Ajanlar, RAG & Araç Kullanımı

J1 terim

JailbreakJailbreak, bir yapay zekâ modelinin güvenlik kurallarını ve kısıtlamalarını özel olarak kurgulanmış promptlarla aşmaya çalışma girişimidir.Güvenlik, Etik & Hukuk

K22 terim

Kamera HareketiCamera MovementKamera hareketi, video promptlarında sahnenin nasıl çekileceğini belirleyen yaklaşma, uzaklaşma, kaydırma, takip ve dönme gibi sinematik talimatlardır.Görsel, Video & Ses Üretimi Kapalı ModelClosed / Proprietary ModelKapalı model, ağırlıkları paylaşılmayan ve yalnızca geliştiren şirketin uygulaması ya da API'si üzerinden kullanılabilen yapay zekâ modelidir.Dil Modelleri & Üretken YZ Kara KutuBlack BoxKara kutu, girdisi ve çıktısı görülebilen ama kararı nasıl verdiği insanlar tarafından kolayca anlaşılamayan yapay zekâ modellerini anlatan ifadedir.Temel Kavramlar Karakter TutarlılığıCharacter ConsistencyKarakter tutarlılığı, aynı kişinin ya da karakterin farklı görsellerde ve sahnelerde aynı yüz, kıyafet ve özelliklerle üretilebilmesidir.Görsel, Video & Ses Üretimi Karar AğacıDecision TreeKarar ağacı, veriyi bir dizi "evet / hayır" sorusuyla dallara ayırarak tahmin yapan, yorumlanması kolay bir makine öğrenmesi modelidir.Makine Öğrenmesi & Eğitim Karmaşıklık MatrisiConfusion MatrixKarmaşıklık matrisi, bir sınıflandırma modelinin doğru ve yanlış tahminlerini sınıflara göre tablo hâlinde gösteren değerlendirme aracıdır.Veri & Değerlendirme KatmanLayerKatman, sinir ağında aynı aşamada çalışan nöronlardan oluşan ve veriyi bir sonraki aşamaya dönüştürerek aktaran yapıdır.Derin Öğrenme & Sinir Ağları Kaybolan GradyanVanishing GradientKaybolan gradyan, derin ağlarda hata sinyalinin geriye doğru taşınırken giderek küçülüp ilk katmanların neredeyse hiç öğrenememesi sorunudur.Derin Öğrenme & Sinir Ağları Kayıp FonksiyonuLoss FunctionKayıp fonksiyonu, modelin tahmini ile doğru cevap arasındaki farkı tek bir sayıyla ölçen ve eğitimde küçültülmeye çalışılan fonksiyondur.Makine Öğrenmesi & Eğitim Kaynak GöstermeCitationKaynak gösterme, bir yapay zekâ cevabındaki iddiaların hangi belgeden, web sayfasından ya da veriden geldiğinin belirtilmesidir.Ajanlar, RAG & Araç Kullanımı Kendi Kendine Denetimli ÖğrenmeSelf-supervised LearningKendi kendine denetimli öğrenme, etiketleri insanlar yerine verinin kendisinden üreterek modeli eğiten yöntemdir.Makine Öğrenmesi & Eğitim Kesinlik ve DuyarlılıkPrecision & RecallKesinlik, modelin "pozitif" dediklerinin ne kadarının gerçekten pozitif olduğunu; duyarlılık ise gerçek pozitiflerin ne kadarını yakalayabildiğini ölçer.Veri & Değerlendirme Kırmızı TakımRed TeamingKırmızı takım, bir yapay zekâ sistemini kötü niyetli bir saldırgan gibi davranarak zorlayıp güvenlik açıklarını ve zararlı davranışlarını ortaya çıkarma çalışmasıdır.Güvenlik, Etik & Hukuk KısıtlamaConstraintKısıtlama, promptta cevabın uzunluğu, dili, tonu, içermesi ya da içermemesi gerekenler gibi sınırları belirleyen kurallardır.Prompt Mühendisliği Kodlayıcı-Kod ÇözücüEncoder-DecoderKodlayıcı-kod çözücü, girdiyi önce anlamlı bir iç temsile dönüştüren (kodlayıcı) ve bu temsilden çıktıyı üreten (kod çözücü) iki parçalı model yapısıdır.Derin Öğrenme & Sinir Ağları Konumsal KodlamaPositional EncodingKonumsal kodlama, transformer modellerine her tokenin cümledeki sırasını bildirmek için token temsillerine eklenen bilgidir.Derin Öğrenme & Sinir Ağları Konuşma TanımaASR · Speech RecognitionKonuşma tanıma, insan sesini algılayıp yazıya döken yapay zekâ teknolojisidir; konuşmadan metne (speech-to-text) olarak da bilinir.Temel Kavramlar Kosinüs BenzerliğiCosine SimilarityKosinüs benzerliği, iki vektörün yönlerinin ne kadar benzediğini -1 ile 1 arasında bir sayıyla ölçen ve embedding'ler arasındaki anlam yakınlığını hesaplamada kullanılan yöntemdir.Ajanlar, RAG & Araç Kullanımı KuantizasyonQuantizationKuantizasyon, model ağırlıklarını daha az bitle (ör. 16 bit yerine 8 ya da 4 bit) saklayarak modeli küçültme, hızlandırma ve daha az bellekle çalıştırma yöntemidir.Altyapı, Donanım & API Küçük Dil ModeliSLM · Small Language ModelKüçük dil modeli (SLM), genellikle birkaç milyar ya da daha az parametreye sahip, daha hızlı, ucuz ve cihaz üzerinde çalışabilen dil modelidir.Dil Modelleri & Üretken YZ KümelemeClusteringKümeleme, birbirine benzeyen verileri önceden etiket vermeden otomatik olarak gruplara ayıran denetimsiz öğrenme görevidir.Makine Öğrenmesi & Eğitim KVKK ve Yapay ZekâKVKK · Personal Data ProtectionKVKK (Kişisel Verilerin Korunması Kanunu), Türkiye'de kişisel verilerin işlenmesini düzenleyen yasadır ve yapay zekâ araçlarına kişisel veri girilirken de geçerlidir.Güvenlik, Etik & Hukuk

L5 terim

Latent UzayLatent SpaceLatent uzay, bir modelin veriyi sıkıştırılmış ve anlamlı biçimde temsil ettiği, gözle görülmeyen çok boyutlu iç alandır.Görsel, Video & Ses Üretimi LLM HakemLLM-as-a-JudgeLLM hakem, başka bir modelin ürettiği cevapları belirlenen ölçütlere göre puanlamak için bir dil modelinin değerlendirici olarak kullanılmasıdır.Veri & Değerlendirme LogitLogit, bir modelin olasılığa dönüştürülmeden önce her olası çıktı için ürettiği ham puandır.Derin Öğrenme & Sinir Ağları LoRALow-Rank AdaptationLoRA, büyük bir modelin tüm parametrelerini değiştirmek yerine küçük ek katmanlar eğiterek çok daha ucuz ve hızlı ince ayar yapmayı sağlayan yöntemdir.Makine Öğrenmesi & Eğitim LSTMLong Short-Term MemoryLSTM (uzun kısa süreli bellek), hangi bilginin saklanıp hangisinin unutulacağına karar veren kapılar sayesinde uzun dizilerdeki ilişkileri daha iyi öğrenebilen RNN türüdür.Derin Öğrenme & Sinir Ağları

M12 terim

Makine ÖğrenmesiML · Machine LearningMakine öğrenmesi, bilgisayarın açıkça programlanmadan, örnek verilerdeki örüntülerden öğrenerek tahmin ya da karar üretmesini sağlayan yapay zekâ dalıdır.Temel Kavramlar Maksimum TokenMax TokensMaksimum token, modelin tek bir cevapta üretebileceği en fazla token sayısını sınırlayan ayardır.Dil Modelleri & Üretken YZ MCPModel Context ProtocolMCP (Model Bağlam Protokolü), yapay zekâ uygulamalarının dosyalara, veritabanlarına ve dış servislere standart bir yolla bağlanmasını sağlayan açık protokoldür.Ajanlar, RAG & Araç Kullanımı Mega PromptMega prompt, rol, bağlam, hedef, kurallar, örnekler ve çıktı biçimini tek seferde ayrıntılı olarak veren uzun ve kapsamlı prompttur.Prompt Mühendisliği Meta PromptMeta PromptingMeta prompt, yapay zekâdan doğrudan sonuç değil, bir görev için daha iyi bir prompt yazmasını istemektir.Prompt Mühendisliği Metinden GörseleText-to-ImageMetinden görsele, yazılı bir açıklamadan (prompttan) yapay zekâ ile yeni bir görsel üretme işidir.Görsel, Video & Ses Üretimi Metinden SeseTTS · Text-to-SpeechMetinden sese (TTS), yazılı metni doğal insan sesine benzeyen konuşmaya dönüştüren yapay zekâ teknolojisidir.Görsel, Video & Ses Üretimi Metinden VideoyaText-to-VideoMetinden videoya, yazılı bir açıklamadan yapay zekâ ile hareketli video klip üretme işidir.Görsel, Video & Ses Üretimi ModelAI ModelYapay zekâda model, bir öğrenme algoritmasının veriyle eğitilmesi sonucunda ortaya çıkan ve yeni girdiler için tahmin ya da çıktı üreten matematiksel yapıdır.Temel Kavramlar Model ÇöküşüModel CollapseModel çöküşü, yapay zekâ modellerinin ağırlıklı olarak başka yapay zekâların ürettiği verilerle eğitilmesi sonucu nesilden nesile çeşitliliğini ve kalitesini kaybetmesidir.Güvenlik, Etik & Hukuk Model Değerlendirme (Eval)EvaluationModel değerlendirme (eval), bir modelin ya da promptun belirli bir iş için ne kadar iyi çalıştığını tanımlı test örnekleri ve ölçütlerle sistematik olarak ölçmektir.Veri & Değerlendirme Model SunumuModel ServingModel sunumu, eğitilmiş bir modelin kullanıcıların ya da uygulamaların isteklerine cevap verecek şekilde sunucularda çalışır hâle getirilmesi ve yönetilmesidir.Altyapı, Donanım & API

N3 terim

Negatif PromptNegative PromptNegatif prompt, görsel üretim modellerine çıktıda olmasını istemediğin öğeleri ve kusurları bildiren ayrı prompttur.Görsel, Video & Ses Üretimi Normalizasyon KatmanıNormalization LayerNormalizasyon katmanı, ağın ara çıktılarını belirli bir ölçeğe getirerek eğitimi daha hızlı ve kararlı hâle getiren katmandır.Derin Öğrenme & Sinir Ağları NPUNeural Processing UnitNPU (sinirsel işlem birimi), telefon ve bilgisayarlarda yapay zekâ işlemlerini az enerjiyle cihaz üzerinde çalıştırmak için tasarlanmış özel işlemcidir.Altyapı, Donanım & API

O5 terim

Optik Karakter TanımaOCR · Optical Character RecognitionOptik karakter tanıma (OCR), fotoğraf, taranmış belge ya da ekran görüntüsündeki yazıları düzenlenebilir metne çeviren teknolojidir.Görsel, Video & Ses Üretimi OrkestrasyonOrchestrationOrkestrasyon, birden fazla model çağrısının, aracın ve ajanın hangi sırayla ve hangi koşullarla çalışacağını yöneten koordinasyon katmanıdır.Ajanlar, RAG & Araç Kullanımı Ortaya Çıkan YeteneklerEmergent AbilitiesOrtaya çıkan yetenekler, küçük modellerde görülmeyen ama model belli bir büyüklüğe ulaştığında birden beliren becerilerdir.Dil Modelleri & Üretken YZ OtokodlayıcıAutoencoderOtokodlayıcı, girdisini önce küçük bir temsile sıkıştırıp sonra bu temsilden girdiyi yeniden oluşturmayı öğrenen sinir ağıdır.Derin Öğrenme & Sinir Ağları Otoregresif ModelAutoregressive ModelOtoregresif model, çıktısını parça parça üreten ve her yeni parçayı o ana kadar ürettiklerine bakarak tahmin eden modeldir.Dil Modelleri & Üretken YZ

Ö13 terim

Ödül ModeliReward ModelÖdül modeli, bir cevabın insanlar tarafından ne kadar beğenileceğini puanlamak için eğitilen ve RLHF'te dil modeline yol gösteren yardımcı modeldir.Makine Öğrenmesi & Eğitim Öğrenme OranıLearning RateÖğrenme oranı, eğitim sırasında model parametrelerinin her güncellemede ne kadar büyük adımlarla değiştirileceğini belirleyen hiperparametredir.Makine Öğrenmesi & Eğitim Ölçekleme YasalarıScaling LawsÖlçekleme yasaları, model büyüklüğü, eğitim verisi ve işlem gücü arttıkça model başarısının nasıl ve ne kadar arttığını tanımlayan deneysel ilişkilerdir.Dil Modelleri & Üretken YZ Ön DoldurmaPrefillÖn doldurma, modelin cevabının ilk kelimelerini senin yazman ve modelin cevaba oradan devam etmesidir.Prompt Mühendisliği Ön EğitimPre-trainingÖn eğitim, bir modelin belirli bir göreve uyarlanmadan önce çok büyük ve genel bir veri kümesiyle eğitildiği ilk ve en maliyetli eğitim aşamasıdır.Dil Modelleri & Üretken YZ ÖnyargıBiasÖnyargı, bir yapay zekâ modelinin eğitim verisindeki dengesizlikler ya da tasarım tercihleri yüzünden belirli grupları sistematik olarak kayıran ya da dezavantajlı kılan sonuçlar üretmesidir.Güvenlik, Etik & Hukuk ÖrneklemeSamplingÖrnekleme, dil modelinin her adımda olası tokenler arasından hangisini seçeceğine karar verme yöntemidir.Dil Modelleri & Üretken YZ Örnekleme AdımıSampling StepsÖrnekleme adımı, difüzyon modelinin gürültüyü temizlerken kaç adım uygulayacağını belirleyen ayardır.Görsel, Video & Ses Üretimi Öz DikkatSelf-attentionÖz dikkat, bir dizideki her öğenin aynı dizideki diğer tüm öğelerle ilişkisini hesaplayan dikkat türüdür.Derin Öğrenme & Sinir Ağları Öz EleştiriSelf-critique / ReflectionÖz eleştiri, modelden ürettiği cevabı belirli ölçütlere göre kendisinin değerlendirmesini ve ardından düzeltmesini isteyen tekniktir.Prompt Mühendisliği Öz TutarlılıkSelf-consistencyÖz tutarlılık, aynı soruyu modele birkaç kez farklı akıl yürütme yollarıyla çözdürüp en sık çıkan cevabı seçme tekniğidir.Prompt Mühendisliği ÖzellikFeatureÖzellik, bir modelin tahmin yaparken kullandığı, verinin ölçülebilir her bir niteliğidir.Makine Öğrenmesi & Eğitim Özellik MühendisliğiFeature EngineeringÖzellik mühendisliği, ham veriden modelin daha iyi öğrenebileceği yeni ve anlamlı özellikler üretme işidir.Makine Öğrenmesi & Eğitim

P18 terim

R7 terim

RAGRetrieval-Augmented GenerationRAG (erişimle güçlendirilmiş üretim), bir dil modelinin cevap üretmeden önce ilgili bilgileri bir belge kaynağından bulup bu bilgilere dayanarak cevap vermesini sağlayan yöntemdir.Ajanlar, RAG & Araç Kullanımı Rastgele OrmanRandom ForestRastgele orman, çok sayıda karar ağacını verinin farklı parçalarıyla eğitip bunların tahminlerini birleştiren topluluk (ensemble) yöntemidir.Makine Öğrenmesi & Eğitim ReActReason + ActReAct, modelin bir görevi çözerken düşünme (reason) ve araç kullanma (act) adımlarını sırayla birbirine bağladığı ajan tekniğidir.Prompt Mühendisliği RegresyonRegressionRegresyon, girdilere bakarak sayısal bir değeri (fiyat, sıcaklık, satış miktarı gibi) tahmin eden makine öğrenmesi görevidir.Makine Öğrenmesi & Eğitim ReLURectified Linear UnitReLU, negatif değerleri sıfıra çeviren, pozitif değerleri ise olduğu gibi geçiren basit ve çok yaygın aktivasyon fonksiyonudur.Derin Öğrenme & Sinir Ağları RLHFReinforcement Learning from Human FeedbackRLHF (insan geri bildirimiyle pekiştirmeli öğrenme), dil modellerini insanların tercih ettiği cevaplara göre eğiterek daha yardımsever, dürüst ve güvenli hâle getirme yöntemidir.Makine Öğrenmesi & Eğitim Rol VermeRole PromptingRol verme, prompta modelin belirli bir uzman ya da karakter gibi davranmasını isteyen bir rol tanımı eklemektir.Prompt Mühendisliği

S16 terim

Sapma TerimiBias TermSapma terimi, bir nöronun ağırlıklı toplamına eklenen ve nöronun ne zaman aktif olacağını kaydıran öğrenilebilir sabit değerdir.Derin Öğrenme & Sinir Ağları Seed (Tohum)SeedSeed, görsel ya da metin üretimindeki rastgeleliğin başlangıç noktasını belirleyen sayıdır; aynı seed ve aynı ayarlarla benzer sonuç tekrar elde edilebilir.Görsel, Video & Ses Üretimi Sembolik Yapay ZekâSymbolic AISembolik yapay zekâ, bilgiyi semboller ve mantık kurallarıyla temsil edip akıl yürütmeyi bu kurallar üzerinden yapan yaklaşımdır.Temel Kavramlar Sentetik VeriSynthetic DataSentetik veri, gerçek dünyadan toplanmak yerine yapay zekâ ya da simülasyonla üretilen ve gerçek veriye benzeyen veridir.Veri & Değerlendirme Ses KlonlamaVoice CloningSes klonlama, bir kişinin kısa ses kayıtlarından yola çıkarak onun sesini taklit eden yapay bir ses modeli oluşturmaktır.Görsel, Video & Ses Üretimi SıcaklıkTemperatureSıcaklık (temperature), dil modelinin cevap üretirken ne kadar rastgele ya da ne kadar tutarlı davranacağını belirleyen ayardır.Dil Modelleri & Üretken YZ Sıfır Atışlı İstemZero-shot PromptingSıfır atışlı istem (zero-shot), modele hiç örnek vermeden yalnızca görevi tarif ederek sonuç istemektir.Prompt Mühendisliği SınıflandırmaClassificationSınıflandırma, bir girdinin önceden belirlenmiş kategorilerden hangisine ait olduğunu tahmin eden makine öğrenmesi görevidir.Makine Öğrenmesi & Eğitim SınırlayıcıDelimiterSınırlayıcı, prompttaki talimatları, örnekleri ve işlenecek metni birbirinden ayırmak için kullanılan tırnak, üçlü tırnak, ### ya da etiket gibi işaretlerdir.Prompt Mühendisliği Sistem PromptuSystem PromptSistem promptu, bir sohbetin başında modele verilen ve tüm konuşma boyunca geçerli olan rol, kural ve davranış talimatlarıdır.Prompt Mühendisliği SoftmaxSoftmax, bir dizi ham puanı toplamı 1 olan olasılıklara dönüştüren fonksiyondur; sınıflandırma ve dil modellerinin çıktı katmanında kullanılır.Derin Öğrenme & Sinir Ağları Sohbet BotuChatbotSohbet botu, kullanıcıyla yazılı ya da sesli olarak karşılıklı konuşabilen yazılımdır; günümüzde çoğu büyük dil modelleriyle çalışır.Temel Kavramlar Sonraki Token TahminiNext-token PredictionSonraki token tahmini, dil modellerinin eğitildiği temel görevdir: verilen metnin devamında gelmesi en olası tokeni tahmin etmek.Dil Modelleri & Üretken YZ Sorumlu Yapay ZekâResponsible AISorumlu yapay zekâ, yapay zekâ sistemlerinin güvenli, adil, şeffaf, hesap verebilir ve insan haklarına saygılı biçimde geliştirilip kullanılmasını amaçlayan ilkeler bütünüdür.Güvenlik, Etik & Hukuk Stable DiffusionStable Diffusion, metinden görsel üreten, açık ağırlıklı olarak yayımlanan ve kişisel bilgisayarda da çalıştırılabilen difüzyon tabanlı model ailesidir.Görsel, Video & Ses Üretimi Stil ReferansıStyle ReferenceStil referansı, üretilecek görselin renk paletini, dokusunu ve sanatsal tarzını örnek bir görselden alması için kullanılan özelliktir.Görsel, Video & Ses Üretimi

Ş1 terim

ŞeffaflıkTransparencyŞeffaflık, bir yapay zekâ sisteminin nasıl geliştirildiği, hangi verilerle eğitildiği, ne için kullanıldığı ve sınırlarının neler olduğu konusunda açık bilgi verilmesidir.Güvenlik, Etik & Hukuk

T18 terim

Talimat İzlemeInstruction FollowingTalimat izleme, bir modelin prompttaki kurallara, kısıtlamalara ve biçim isteklerine ne ölçüde uyduğunu anlatan yetenektir.Prompt Mühendisliği Tek Örnekli İstemOne-shot PromptingTek örnekli istem (one-shot), modele görevi tarif ederken istenen sonuca dair tek bir örnek vermektir.Prompt Mühendisliği Tekrarlayan Sinir AğıRNN · Recurrent Neural NetworkTekrarlayan sinir ağı (RNN), metin ve zaman serisi gibi sıralı verileri adım adım işleyen ve önceki adımların bilgisini bir iç bellek ile taşıyan sinir ağı türüdür.Derin Öğrenme & Sinir Ağları Temel ModelFoundation ModelTemel model, çok büyük ve çeşitli verilerle eğitilmiş, ardından pek çok farklı göreve uyarlanabilen genel amaçlı yapay zekâ modelidir.Dil Modelleri & Üretken YZ TemellendirmeGroundingTemellendirme, bir modelin cevaplarını kendi ezberine değil, doğrulanabilir bir kaynağa (belge, veritabanı, web araması) dayandırmasıdır.Ajanlar, RAG & Araç Kullanımı TensörTensör, derin öğrenmede verilerin ve model parametrelerinin saklandığı çok boyutlu sayı dizisidir.Derin Öğrenme & Sinir Ağları Test Zamanı HesaplamaTest-time ComputeTest zamanı hesaplama, modelin cevap üretirken daha fazla düşünmesi için çıkarım sırasında ek işlem gücü harcanmasıdır.Dil Modelleri & Üretken YZ TokenToken, dil modellerinin metni işlerken kullandığı en küçük birimdir; bir kelime, kelimenin bir parçası, bir noktalama işareti ya da boşluk olabilir.Dil Modelleri & Üretken YZ Token MaliyetiToken PricingToken maliyeti, yapay zekâ API'lerinin kullanım ücretini girdi ve çıktı token sayısına göre, genellikle 1 milyon token başına fiyatla hesaplamasıdır.Altyapı, Donanım & API TokenizasyonTokenizationTokenizasyon, metnin dil modelinin işleyebileceği tokenlere bölünmesi işlemidir.Dil Modelleri & Üretken YZ Ton ve ÜslupTone of VoiceTon ve üslup, bir metnin resmî, samimi, esprili, ikna edici ya da tarafsız gibi hangi havada yazılacağını belirleyen özelliktir.Prompt Mühendisliği Top-k ÖrneklemeTop-k SamplingTop-k örnekleme, modelin bir sonraki tokeni yalnızca en olası k aday arasından seçmesini sağlayan ayardır.Dil Modelleri & Üretken YZ Top-p ÖrneklemeTop-p (Nucleus) SamplingTop-p örnekleme, modelin bir sonraki tokeni yalnızca olasılıkları toplamı belirlenen eşiğe (p) ulaşan en olası adaylar arasından seçmesini sağlayan ayardır.Dil Modelleri & Üretken YZ Toplu İşlem API'siBatch APIToplu işlem API'si, çok sayıda isteğin tek seferde gönderilip birkaç saat içinde, daha düşük ücretle işlenmesini sağlayan API türüdür.Altyapı, Donanım & API TPUTensor Processing UnitTPU (tensör işlem birimi), Google'ın yapay zekâ hesaplamaları için özel olarak tasarladığı ve kendi bulut altyapısında kullandığı işlemcidir.Altyapı, Donanım & API Transfer ÖğrenmeTransfer LearningTransfer öğrenme, bir görev için öğrenilen bilginin başka ama ilişkili bir görevi öğrenmek için yeniden kullanılmasıdır.Makine Öğrenmesi & Eğitim TransformerTransformer, dikkat mekanizmasına dayanan ve bugünkü büyük dil modellerinin neredeyse tamamının temelini oluşturan sinir ağı mimarisidir.Dil Modelleri & Üretken YZ Turing TestiTuring TestTuring testi, bir makinenin yazılı sohbette insandan ayırt edilemeyecek kadar insan gibi davranıp davranamadığını ölçmek için önerilen düşünce deneyidir.Temel Kavramlar

U3 terim

Uç Yapay ZekâEdge AIUç yapay zekâ, yapay zekâ modellerinin verinin üretildiği cihazda (telefon, kamera, araç, sensör) bulut yerine yerel olarak çalıştırılmasıdır.Altyapı, Donanım & API Uzman SistemExpert SystemUzman sistem, belirli bir alandaki uzman bilgisini "eğer… ise…" biçimindeki kurallarla kodlayıp bu kurallardan sonuç çıkaran klasik yapay zekâ yazılımıdır.Temel Kavramlar Uzmanlar KarışımıMoE · Mixture of ExpertsUzmanlar karışımı (MoE), modelin içinde çok sayıda "uzman" alt ağ bulunan ve her token için bunlardan yalnızca birkaçının çalıştırıldığı mimaridir.Dil Modelleri & Üretken YZ

Ü1 terim

Üretken Yapay ZekâGenAI · Generative AIÜretken yapay zekâ, öğrendiği verilerden yola çıkarak metin, görsel, ses, video ya da kod gibi yeni içerikler üretebilen yapay zekâ türüdür.Temel Kavramlar

V10 terim

VAEVariational AutoencoderVAE (varyasyonel otokodlayıcı), veriyi olasılıksal bir latent uzaya sıkıştıran ve bu uzaydan yeni örnekler üretebilen sinir ağı türüdür.Görsel, Video & Ses Üretimi Vektör VeritabanıVector DatabaseVektör veritabanı, embedding vektörlerini saklayan ve bir sorguya anlamca en yakın kayıtları çok hızlı bulabilen özel veritabanıdır.Ajanlar, RAG & Araç Kullanımı Veri ArtırmaData AugmentationVeri artırma, mevcut eğitim verilerinden küçük değişikliklerle yeni örnekler türeterek veri setini büyütme ve modeli daha sağlam hâle getirme yöntemidir.Veri & Değerlendirme Veri EtiketlemeData LabelingVeri etiketleme, ham verilere modelin öğrenmesi için doğru cevapları (etiketleri) ekleme işidir.Veri & Değerlendirme Veri GizliliğiData PrivacyVeri gizliliği, yapay zekâ araçlarına girilen bilgilerin nasıl saklandığı, kimlerin erişebildiği ve modelin eğitiminde kullanılıp kullanılmadığıyla ilgili güvencelerin bütünüdür.Güvenlik, Etik & Hukuk Veri SetiDatasetVeri seti, bir modeli eğitmek, doğrulamak ya da test etmek için toplanmış ve düzenlenmiş örneklerin bütünüdür.Temel Kavramlar Veri SızıntısıData LeakageVeri sızıntısı, modelin eğitim sırasında gerçek kullanımda erişemeyeceği bilgiyi ya da test sorularını görmesi sonucu başarısının olduğundan iyi ölçülmesidir.Veri & Değerlendirme Veri TemizlemeData CleaningVeri temizleme, veri setindeki hatalı, eksik, tekrar eden ya da tutarsız kayıtları bulup düzeltme veya çıkarma işlemidir.Veri & Değerlendirme Veri ZehirlemeData PoisoningVeri zehirleme, bir modelin eğitim verisine kasıtlı olarak hatalı ya da kötü niyetli örnekler ekleyerek modelin davranışını bozma saldırısıdır.Güvenlik, Etik & Hukuk VRAM (GPU Belleği)Video RAMVRAM, GPU'nun üzerindeki hızlı bellektir; bir modelin bir ekran kartında çalışıp çalışamayacağını belirleyen en önemli etkendir.Altyapı, Donanım & API

X1 terim

XML EtiketleriXML TagsXML etiketleri, promptun bölümlerini <talimat>, <belge>, <ornek> gibi açılıp kapanan etiketlerle düzenleme yöntemidir.Prompt Mühendisliği

Y18 terim

Yapay Genel ZekâAGI · Artificial General IntelligenceYapay genel zekâ (AGI), insan gibi çok farklı alanlarda öğrenebilen, akıl yürütebilen ve yeni durumlara uyum sağlayabilen varsayımsal yapay zekâ seviyesidir.Temel Kavramlar Yapay NöronArtificial NeuronYapay nöron, girdilerini ağırlıklarla çarpıp toplayan, buna bir sapma değeri ekleyen ve sonucu aktivasyon fonksiyonundan geçirerek çıktı üreten sinir ağının temel birimidir.Derin Öğrenme & Sinir Ağları Yapay Sinir AğıANN · Artificial Neural NetworkYapay sinir ağı, birbirine bağlı yapay nöronlardan oluşan ve veriden örüntü öğrenebilen, beyindeki sinir hücrelerinden esinlenmiş hesaplama modelidir.Derin Öğrenme & Sinir Ağları Yapay Süper ZekâASI · Artificial SuperintelligenceYapay süper zekâ, neredeyse her alanda en yetenekli insanlardan bile çok daha üstün olduğu varsayılan, henüz var olmayan yapay zekâ seviyesidir.Temel Kavramlar Yapay ZekâAI · Artificial IntelligenceYapay zekâ, bilgisayarların öğrenme, akıl yürütme, dil anlama ve karar verme gibi normalde insan zekâsı gerektiren işleri yapabilmesini sağlayan teknolojilerin genel adıdır.Temel Kavramlar Yapay Zekâ AjanıAI AgentYapay zekâ ajanı, verilen bir hedefe ulaşmak için kendi başına plan yapan, araç kullanan, sonuçları değerlendiren ve gerektiğinde yeni adımlar atan yapay zekâ sistemidir.Ajanlar, RAG & Araç Kullanımı Yapay Zekâ AsistanıAI AssistantYapay zekâ asistanı, soru cevaplama, yazı yazma, özetleme, planlama gibi işlerde kullanıcıya yardım eden genel amaçlı yapay zekâ uygulamasıdır.Temel Kavramlar Yapay Zekâ ile Müzik ÜretimiAI Music GenerationYapay zekâ ile müzik üretimi, metin açıklamasından ya da şarkı sözlerinden vokal ve enstrümanlarıyla tam bir müzik parçası oluşturmaktır.Görsel, Video & Ses Üretimi Yapay Zekâ KışıAI WinterYapay zekâ kışı, abartılı beklentilerin karşılanamaması sonucu yapay zekâya olan ilginin ve araştırma fonlarının ciddi biçimde azaldığı dönemlerin adıdır.Temel Kavramlar Yapay Zekâ OkuryazarlığıAI LiteracyYapay zekâ okuryazarlığı, yapay zekâ araçlarının ne yapabildiğini ve ne yapamadığını anlama, onları etkili ve eleştirel biçimde kullanabilme becerisidir.Güvenlik, Etik & Hukuk Yapay Zekâ ve Telif HakkıAI & CopyrightYapay zekâ ve telif hakkı, modellerin telifli eserlerle eğitilmesinin ve yapay zekâ ile üretilen içeriklerin kime ait olduğunun hukuki boyutunu anlatan konudur.Güvenlik, Etik & Hukuk Yapılandırılmış ÇıktıStructured OutputYapılandırılmış çıktı, modelin cevabını serbest metin yerine JSON gibi belirli bir şemaya uyan, programların doğrudan okuyabileceği biçimde vermesidir.Ajanlar, RAG & Araç Kullanımı Yarı Denetimli ÖğrenmeSemi-supervised LearningYarı denetimli öğrenme, az miktarda etiketli veriyi çok miktarda etiketsiz veriyle birlikte kullanarak model eğitme yöntemidir.Makine Öğrenmesi & Eğitim Yeniden SıralamaRerankingYeniden sıralama, ilk aramayla getirilen adayların daha güçlü bir modelle soruya uygunluklarına göre yeniden puanlanıp sıralanmasıdır.Ajanlar, RAG & Araç Kullanımı Yerel ModelLocal LLMYerel model, bulut servisine bağlanmadan doğrudan kendi bilgisayarında ya da şirket sunucunda çalıştırdığın yapay zekâ modelidir.Altyapı, Donanım & API Yığın BoyutuBatch SizeYığın boyutu, eğitim sırasında model parametreleri güncellenmeden önce birlikte işlenen örnek sayısıdır.Makine Öğrenmesi & Eğitim Yıkıcı UnutmaCatastrophic ForgettingYıkıcı unutma, bir modelin yeni bir görev için eğitilirken daha önce öğrendiği becerileri ciddi ölçüde kaybetmesidir.Makine Öğrenmesi & Eğitim Yinelemeli PromptIterative PromptingYinelemeli prompt, ilk cevabı başlangıç kabul edip geri bildirimle adım adım istenen sonuca yaklaşma yöntemidir.Prompt Mühendisliği

Sık sorulan sorular

Yapay zekâ sözlüğü kimler için hazırlandı?

Yapay zekâ araçlarını kullanan herkes için: ChatGPT, Claude ya da Gemini ile çalışan öğrenciler, içerik üreticiler, pazarlamacılar, yazılımcılar ve yöneticiler. Terimler teknik bilgi gerektirmeden anlaşılacak şekilde, gerektiğinde örnekle anlatılır.

Sözlükte hangi konular var?

Sözlükte 254 terim 10 kategoride toplanır: temel kavramlar, dil modelleri, prompt mühendisliği, makine öğrenmesi, derin öğrenme, görsel-video-ses üretimi, ajanlar ve RAG, veri ve değerlendirme, güvenlik-etik-hukuk ve altyapı.

"Prompt yazarken" bölümü ne işe yarar?

Birçok terimin sayfasında, o kavramı bildiğinde yapay zekâdan nasıl daha iyi sonuç alacağını anlatan kısa ve uygulanabilir bir ipucu bulunur. Sözlüğü bir prompt yazma rehberi gibi de kullanabilirsin.

Terimlerin İngilizcesi neden veriliyor?

Yapay zekâ araçlarının ayarları, belgeleri ve haberleri çoğunlukla İngilizcedir. Türkçe karşılığı ile İngilizce adını birlikte bilmek, aynı kavramı her iki dilde de tanımanı sağlar. Arama kutusu da İngilizce adlarla ve kısaltmalarla çalışır.

Aradığım terim sözlükte yok, ne yapabilirim?

İletişim sayfasından bize yazabilirsin; öneriler düzenli olarak değerlendirilip sözlüğe eklenir. Bir terimde hata görürsen terim sayfasındaki "Bildir" düğmesini kullanabilirsin.

Sözlük ücretsiz mi?

Evet. Sözlüğün tamamı üyelik gerektirmeden ücretsiz kullanılabilir.

Yapay zekâyı adım adım öğrenmek için Öğrenme Yolu · Bilgini sına: Sertifika Programı

Bildirimler

Yapay Zekâ Sözlüğü

Derin Araştırma

İlk öğrenilecek 10 terim

A20 terim

B13 terim

C5 terim

Ç6 terim

D23 terim

E7 terim

F4 terim

G10 terim

H6 terim

İ6 terim

J1 terim

K22 terim

L5 terim

M12 terim

N3 terim

O5 terim

Ö13 terim

P18 terim

R7 terim

S16 terim

Ş1 terim

T18 terim

U3 terim

Ü1 terim

V10 terim

X1 terim

Y18 terim

Sık sorulan sorular

Bu özellik üyelere özel

Yapay Zekâ Sözlüğü

Derin Araştırma

İlk öğrenilecek 10 terim

A20 terim

B13 terim

C5 terim

Ç6 terim

D23 terim

E7 terim

F4 terim

G10 terim

H6 terim

İ6 terim

J1 terim

K22 terim

L5 terim

M12 terim

N3 terim

O5 terim

Ö13 terim

P18 terim

R7 terim

S16 terim

Ş1 terim

T18 terim

U3 terim

Ü1 terim

V10 terim

X1 terim

Y18 terim

Sık sorulan sorular

Çerez Bildirimi