Yapay zekâ sözlüğü: 40 terim, sade Türkçe

Eğitilmiş parametreleri (ağırlıkları) herkesin indirebileceği şekilde yayımlanan dil modeli. Kendi sunucunda ya da bilgisayarında çalıştırılabilir. Halk arasında "açık kaynak model" diye de anılır, ancak eğitim verisi ve kodu her zaman paylaşılmadığı için "açık ağırlıklı" daha doğru bir ifadedir. Qwen, Llama ve Mistral bilinen örneklerdir.

Yalnızca cevap vermekle kalmayıp bir hedefe ulaşmak için adımları kendisi planlayan ve araçları (arama, dosya, takvim gibi) kullanarak işlemler yapan yapay zekâ sistemi. Örneğin bir toplantı için uygun saati bulup davet gönderen bir asistan.

Cevabın tamamı hazırlanmadan, üretildikçe parça parça ekrana gönderilmesi. Sohbet robotlarında cevabın kelime kelime belirmesi bu sayede olur ve bekleme süresi daha kısa hissedilir.

Dil modelinin kendi bilgisi yetmediğinde hesap makinesi, hava durumu servisi ya da arama motoru gibi dış araçları çağırması. BLUE AI'nin anlık hava durumu bilgisini bir servisten alması buna örnektir.

İsteğin içine birkaç örnek ekleyerek modelin istenen biçimi ve tarzı taklit etmesini sağlama tekniği. Hiç örnek verilmeden yapılan isteğe ise sıfır örnekli (zero-shot) istem denir.

Modelin bir cevap üretirken aynı anda dikkate alabildiği en fazla metin miktarı. Token cinsinden ölçülür. Sohbet bu sınırı aşarsa en eski mesajlar göz ardı edilebilir.

Modelin eğitim verisinin uzandığı son tarih. Model bu tarihten sonra olan olayları, araçlardan yardım almadıkça bilmez.

Çok büyük miktarda metinle eğitilmiş, metnin devamını tahmin ederek yazı üreten yapay sinir ağı. ChatGPT, Gemini, Claude ve BLUE AI gibi sohbet asistanlarının temelini oluşturur.

Eğitimi tamamlanmış bir modelin kullanılarak cevap üretilmesi. Bir sohbet robotuna soru sorduğunda arka planda yapılan işlem çıkarımdır. Eğitimden çok daha az kaynak gerektirir ama yine de güçlü donanım ister.

Yalnızca metni değil; görsel, ses ya da video gibi birden fazla veri türünü anlayabilen veya üretebilen model. Örneğin bir fotoğrafı açıklayabilen ya da sesli soruya sesli cevap verebilen sistemler.

Yapay zekâ ile üretilen ya da değiştirilen, gerçek bir kişiye aitmiş gibi görünen sahte ses, fotoğraf veya video. Dolandırıcılıkta kullanılabildiği için beklenmedik para isteklerini mutlaka bildiğin bir kanaldan doğrulamalısın.

Çok katmanlı yapay sinir ağlarıyla yapılan makine öğrenmesi. Görüntü tanıma, konuşma tanıma ve dil modellerindeki büyük ilerlemelerin temelinde bu yöntem vardır.

Modelin bir kelimeyi işlerken metindeki diğer kelimelerden hangilerinin daha önemli olduğunu hesaplamasını sağlayan yöntem. "Kediyi gördüm, çok tatlıydı" cümlesinde "tatlıydı" kelimesinin "kedi" ile ilişkisini kurmak gibi.

Bilgisayarların insan dilini anlaması, işlemesi ve üretmesiyle ilgilenen yapay zekâ alanı. Çeviri, metin özetleme, duygu analizi ve sohbet robotları bu alana girer.

Modelin sonuca doğrudan atlamak yerine ara adımları yazarak akıl yürütmesi. Özellikle matematik ve mantık sorularında doğruluğu artırabilir. "Adım adım düşün" gibi bir ifadeyle istenebilir. Bazı modeller bunu kendiliğinden yapan bir "düşünme modu" sunar.

Bir kelimenin, cümlenin ya da belgenin anlamını temsil eden sayı dizisi (vektör). Anlamca birbirine yakın metinlerin gömmeleri de birbirine yakın olur. Anlamsal arama ve öneri sistemlerinde kullanılır.

Aslında grafik işlemek için geliştirilmiş, aynı anda çok sayıda basit hesap yapabilen işlemci. Yapay sinir ağlarının eğitimi ve çalıştırılması bu tür paralel hesaplara dayandığı için yapay zekânın temel donanımı haline geldi.

Modelin kendinden emin bir dille gerçek olmayan bilgi üretmesi. Uydurma kaynaklar, yanlış tarihler ve hatalı alıntılar en sık görülen örneklerdir. Önemli bilgileri her zaman başka bir kaynaktan doğrulamak gerekir.

Yapay zekâ sistemlerinin insanların niyetlerine, değerlerine ve güvenlik beklentilerine uygun davranmasını sağlama çalışmalarının genel adı. Zararlı içerik üretmeyi reddetmek hizalamanın bir parçasıdır.

Önceden eğitilmiş bir modelin, belirli bir görev ya da alan için daha küçük ve özel bir veri setiyle yeniden eğitilmesi. Örneğin genel bir modeli hukuk metinlerinde ya da müşteri hizmetlerinde daha başarılı hale getirmek için kullanılır.

Yapay zekâya yazılan talimat ya da soru. İstemin açık ve ayrıntılı olması cevabın kalitesini doğrudan etkiler. İyi istem yazmanın yollarını rehberimizde anlattık.

Bir web sayfasına, belgeye ya da e-postaya gizlenmiş talimatlarla yapay zekânın asıl kullanıcının isteği dışında davranmaya yönlendirilmesi. Özellikle internette gezinen ve işlem yapan yapay zekâ ajanları için önemli bir güvenlik riskidir.

Konuşulan sesi yazıya çeviren teknoloji. Sesli asistanlar ve sesli komut özellikleri bu teknolojiye dayanır. BLUE AI'nin sesli komut özelliği de konuşmanı önce yazıya çevirir.

Bilgisayara kuralları tek tek yazmak yerine örnek verilerden kendi kendine öğrenmesini sağlayan yöntemlerin genel adı. Spam filtreleri, öneri sistemleri ve dil modelleri makine öğrenmesiyle geliştirilir.

Yazılı metni doğal bir insan sesiyle okuyan teknoloji. Sesli asistanlarda, ekran okuyucularda ve sesli kitaplarda kullanılır.

Model parametrelerini daha az bitle saklayarak modelin daha az bellek kullanmasını ve daha hızlı çalışmasını sağlama tekniği. Kalitede genellikle küçük bir kayıp olur. Büyük modellerin sıradan bilgisayarlarda çalışabilmesini sağlar.

Modelin çok büyük ve genel bir metin derlemi üzerinde, sıradaki token'ı tahmin ederek eğitildiği ilk ve en maliyetli aşama. Model dil bilgisini ve genel bilgisini bu aşamada edinir.

Modelin eğitim sırasında ayarlanan iç sayıları. Model adlarındaki "4B" ya da "70B" ifadeleri parametre sayısını milyar cinsinden gösterir. Parametre sayısı arttıkça model genellikle daha yetenekli ama daha yavaş ve maliyetli olur.

Modelin cevap üretmeden önce bir belge koleksiyonundan ya da veritabanından ilgili bilgileri bulup bunlara dayanarak cevap vermesi. Şirket içi belgelerle çalışan asistanlarda yaygındır ve halüsinasyonu azaltmaya yardımcı olur.

İnsan geri bildirimiyle pekiştirmeli öğrenme. İnsanların modelin farklı cevaplarını karşılaştırıp puanladığı, modelin de daha çok beğenilen cevaplara yönelecek şekilde ayarlandığı eğitim yöntemi.

Modelin sıradaki kelimeyi seçerken ne kadar rastgele davranacağını belirleyen ayar. Düşük değerler tutarlı ve tekrarlanabilir, yüksek değerler daha yaratıcı ama daha az öngörülebilir cevaplar verir.

Sohbet başlamadan önce modele verilen, kullanıcının genellikle görmediği temel talimatlar. Asistanın kimliğini, üslubunu ve uyacağı kuralları belirler.

Kullanıcıyla yazılı ya da sesli olarak konuşabilen yazılım. Eskiden önceden yazılmış kalıp cevaplarla çalışırken, günümüzde çoğunlukla büyük dil modellerine dayanır.

Dil modelinin metni işlerken kullandığı temel parça. Bir kelime, kelimenin bir parçası ya da noktalama işareti olabilir. Türkçe eklemeli bir dil olduğundan aynı anlamdaki metin genellikle İngilizceye göre daha fazla token tutar.

2017'de Google araştırmacılarının "Attention Is All You Need" makalesiyle tanıtılan sinir ağı mimarisi. Dikkat mekanizmasına dayanır ve bugünkü büyük dil modellerinin neredeyse tamamı bu mimari üzerine kuruludur.

Metin, görsel, ses, müzik ya da kod gibi yeni içerikler üretebilen yapay zekâ sistemlerinin genel adı. Sohbet robotları ve görsel üretme araçları bu gruba girer.

Bir modelin eğitilmesi ya da test edilmesi için toplanan örnekler bütünü. Veri setinin kalitesi, çeşitliliği ve dengesi modelin başarısını doğrudan etkiler.

Modelin eğitim verisindeki dengesizlikler yüzünden bazı grupları, görüşleri ya da kültürleri haksız biçimde öne çıkarması veya geri planda bırakması. Model geliştiricileri bunu azaltmaya çalışır ama tamamen ortadan kaldırmak zordur.

Beyindeki sinir hücrelerinden esinlenen, birbirine bağlı çok sayıda basit hesap biriminden oluşan matematiksel model. Bağlantıların güçleri eğitim sırasında ayarlanır.

Dil anlama, görme, öğrenme ve karar verme gibi normalde insan zekâsı gerektiren işleri yapabilen bilgisayar sistemlerinin genel adı. Makine öğrenmesi ve dil modelleri yapay zekânın alt alanlarıdır.