Yapay Zeka Terimleri

Ablasyon Çalışması (Ablation Study)

Bir modelin bir parçasını söküp "bu olmadan ne kadar kötüleşiyor?" diye ölçme yöntemi. Hangi bileşenin gerçekten işe yaradığını kanıtlar.

Açgözlü Çözümleme (Greedy Decoding)

Bir dil modelinin her adımda en yüksek olasılıklı tek token'ı seçerek metin üretmesi. En basit ve en hızlı üretim stratejisi.

Açık Ağırlıklı Model (Open-Weights)

Ağırlıkları herkese açık indirilebilen ama eğitim verisi ve kodu paylaşılmayan model. "Açık kaynak" ile aynı şey değildir.

Açık Kaynak AI (Open Source AI)

Modelin ağırlıkları, kodu veya eğitim verisi kamuya açık olan AI sistemi. İndirebilir, kendi sunucunuzda çalıştırabilir, üzerine geliştirme yapabilirsiniz.

Açıklanabilirlik (Explainability)

Bir AI modelinin neden o kararı verdiğini insanın anlayabileceği şekilde ortaya koyma çabası. Kara kutuyu aralamanın adı.

Adam Optimizasyon Algoritması (Adam Optimizer)

Modelleri eğitirken ağırlıkları güncelleyen, en çok kullanılan optimizer. Her parametreye kendi öğrenme hızını ayarlar.

Ağırlık Azalması (Weight Decay)

Model ağırlıklarını eğitim boyunca küçük tutmaya zorlayan regularization tekniği. Overfitting'i önler, genelleme kapasitesini artırır.

Ağırlık Başlatma (Weight Initialization)

Bir sinir ağının ağırlıklarına eğitim başlamadan önce hangi rastgele değerlerin verileceği. Kötü başlangıç, modeli daha ilk adımda çökertebilir.

Ağırlıklar (Weights)

Bir sinir ağının öğrendiği asıl şey. Her bağlantının ne kadar önemli olduğunu tutan sayılar — eğitim dediğimiz şey bu sayıları ayarlamaktan ibaret.

AI Asistan (AI Assistant)

Kullanıcının görevlerini yerine getirmek için dil anlama ve üretme yeteneğini kullanan yazılım. ChatGPT, Claude ve Gemini bu kategorinin en tanınan örnekleri.

AI Filigranı (Watermark)

AI tarafından üretilen içeriği tespit etmeye yarayan görünmez veya görünür işaret. Metin, görüntü ve ses için farklı teknikler kullanılır.

AI Gizlilik (Privacy)

AI araçlarını kullanırken verilerinizin nasıl toplandığı, işlendiği ve paylaşıldığı. Hangi bilgileri AI'ye güvenli verip vermeyeceğinizi bilmek için kritik.

AI Önyargısı (Bias)

AI modellerinin eğitim verilerindeki dengesizlikler veya tasarım kararları nedeniyle belirli gruplara karşı sistematik hatalı çıktılar üretmesi.

AI Otomasyonu (AI Automation)

Tekrarlayan görevlerin AI yardımıyla otomatikleştirilmesi. E-posta yanıtlama, veri girişi, rapor üretme gibi işleri insan müdahalesi olmadan yapabilir.

Ajan Karması (Mixture of Agents)

Birden fazla dil modelinin cevaplarını birleştirip tek bir modelin bunları harmanlayarak daha güçlü bir sonuç üretmesini sağlayan teknik.

Akış (Streaming)

Modelin cevabı tamamlanmasını beklemeden, üretilen token'ları tek tek anında gönderme yöntemi. Bekleme hissini azaltır.

Aktif Öğrenme (Active Learning)

Modelin en çok kafası karışan örnekleri seçip sadece onları etiketletme stratejisi. Az etiketle çok öğrenmenin yolu.

Aktivasyon Fonksiyonu (Activation Function)

Sinir ağı katmanlarına doğrusal olmayan davranış kazandıran matematiksel fonksiyon. ReLU, GELU, SiLU bunların en bilinenleri.

Aktör-Kritik (Actor-Critic)

Pekiştirmeli öğrenmede iki ağın iş bölümü: aktör hangi aksiyonu seçeceğine karar verir, kritik o kararın ne kadar iyi olduğunu puanlar.

Alan Uyarlama (Domain Adaptation)

Bir alanda öğrenilmiş modeli, benzer ama farklı bir alana çalışır hale getirme yöntemi. Sıfırdan eğitmeden yeni ortama uyum sağlar.

Algılayıcı (Perceptron)

Perceptron, yapay sinir ağının en küçük yapı taşı: girdileri ağırlıklarla çarpıp toplayan ve karar üreten tek bir yapay nöron. Bugünkü dev modellerin atası.

Alıcı Alan (Receptive Field)

Bir nöronun girdinin ne kadarlık bir bölgesine "baktığı". Konvolüsyonel ağlarda katman derinleştikçe alıcı alan büyür, model küçük detaydan geniş bağlama geçer.

Anayasal Yapay Zeka (Constitutional AI)

Modeli yazılı bir ilkeler seti ("anayasa") ile eğiterek zararlı çıktıları azaltmayı hedefleyen bir hizalama yöntemi.

Anlamsal Arama (Semantic Search)

Kelime eşleşmesi yerine anlam benzerliğine göre arama yapan yöntem. "Ucuz telefon" yazınca "uygun fiyatlı cep" sonuçlarını da bulur.

Anomali Tespiti (Anomaly Detection)

Veri içinde "normalin dışında" davranan nadir örnekleri otomatik bulma işi. Sahtekârlık, siber saldırı ve arıza tespitinin temeli.

API (Uygulama Programlama Arayüzü)

İki yazılımın birbirleriyle konuşmasını sağlayan köprü. ChatGPT'yi kendi uygulamanıza entegre etmek istiyorsanız API'yi kullanırsınız.

API Anahtarı (API Key)

Bir API servisine erişmek için kullandığınız gizli şifre. Bunu paylaşırsanız başkası sizin adınıza (ve sizin ödemenizle) API kullanabilir.

Araç Kullanımı (Tool Use)

LLM'lerin dış sistemleri — API, veritabanı, kod çalıştırıcı — çağırarak gerçek dünyayla etkileşime geçmesi.

ARC-AGI-3 (İnteraktif Akıl Yürütme Testi)

Yapay zeka ajanlarını hiç görmedikleri ortamlarda sınayan interaktif benchmark. İnsanlar rahat çözerken frontier modeller hâlâ çuvallıyor.

Artık Bağlantı (Residual Connection)

Bir katmanın çıktısına girişini de ekleyip taşıyan kısayol. Derin ağların eğitilebilmesinin sırrı büyük ölçüde burada.

Aşırı Uyum (Overfitting)

Modelin eğitim verisini ezberleyip yeni verilere genelleme yapamadığı durum. Sınav sorularını değil, sadece pratik örnekleri çözmek gibi.

Ayırt Edici Model (Discriminative Model)

Yeni içerik üretmez, sınıflar arasındaki sınırı çizer. "Bu kedi mi köpek mi?" sorusuna cevap veren model türü.

Az Örnekli Öğrenme (Few-Shot Learning)

Modele birkaç örnek vererek istediğin formatta cevap aldığın teknik. Sıfır ek eğitim, sadece prompt içinde gösterdiğin örnekler iş görüyor.

Bağlam İçi Öğrenme (In-Context Learning)

Modelin ağırlıklarını güncellemeden, yalnızca prompt içindeki örneklerden öğrenerek yeni görevleri çözmesi.

Bağlam Mühendisliği (Context Engineering)

Modele verilen tüm bağlamı — prompt, geçmiş, belgeler, araçlar — bilinçli tasarlama disiplini. Prompt engineering'in büyümüş hali.

Bağlam Penceresi (Context Window)

Bir modelin tek seferinde işleyebildiği maksimum token miktarı. Ne kadar büyükse, o kadar uzun belge ve konuşma işlenebilir.

Bağlam Taşması (Context Overflow)

Metin, modelin bağlam penceresine sığmadığında ne olacağını belirleyen durum ve strateji. Genelde bir kısım metin kırpılır.

Bayesçi Çıkarım (Bayesian Inference)

Yeni kanıt geldikçe bir olasılığı güncelleyen istatistiksel yaklaşım. Önceden bildiğini (prior) veriyle birleştirip güncel inancı (posterior) çıkarır.

Bayesçi Optimizasyon (Bayesian Optimization)

Pahalı ve yavaş bir fonksiyonun en iyi ayarını, mümkün olan en az denemeyle bulmaya çalışan akıllı bir arama yöntemidir.

Baz Model (Baseline)

Karşılaştırma için kurduğun en basit model. Yeni ve şaşaalı modelin gerçekten daha iyi mi, yoksa sadece daha karmaşık mı olduğunu bunun üstünden anlarsın.

Beliren Yetenekler (Emergent Abilities)

Küçük modellerde hiç görünmeyen bir becerinin, model yeterince büyüyünce aniden ortaya çıkması. Sanki bir eşik aşılıyor.

Bellek (Memory)

AI ajanlarının geçmiş konuşmaları, verileri veya deneyimleri saklayıp sonraki adımlarda kullanabilme yeteneği.

BERT (Bidirectional Encoder Representations from Transformers)

Metni soldan sağa değil, iki yönden birden okuyan Transformer tabanlı dil modeli. Cümlede maskelenen kelimeyi tahmin ederek öğreniyor.

Bilgi Damıtma (Knowledge Distillation)

Büyük "öğretmen" modelin bilgisini, küçük "öğrenci" modele aktarma tekniği. Performansı koru, boyutu küçült.

Bilgi Grafiği (Knowledge Graph)

Varlıkları (kişi, yer, kavram) ve aralarındaki ilişkileri düğüm-kenar yapısında tutan veri modeli. "Kelimeler değil, şeyler" felsefesi.

Bilgi Kesim Tarihi (Knowledge Cutoff)

Bir dil modelinin eğitim verisinin bittiği tarih. Bu tarihten sonra olan olayları model kendiliğinden bilmez.

Bilgisayarlı Görü (Computer Vision)

Makinelerin görüntü ve videoları "görüp" anlamlandırmasını sağlayan yapay zeka alanı. Yüz tanımadan otonom araçlara kadar her yerde karşına çıkar.

BLEU (Bilingual Evaluation Understudy)

Makine çevirisi ve metin üretiminin kalitesini ölçen klasik skor. Üretilen metni bir veya birkaç referans metinle kıyaslar.

BM25 (Okapi BM25)

Arama motorlarının klasik sıralama formülü. Bir kelime bir belgede ne kadar geçiyor ve ne kadar nadir — ikisini tartıp en alakalı sonucu öne çıkarır.

Boyut İndirgeme (Dimensionality Reduction)

Yüzlerce özelliği, bilgiyi büyük ölçüde koruyarak birkaç boyuta sıkıştırma tekniği. Gürültüyü atar, görselleştirmeyi ve hızı mümkün kılar.

Boyutluluk Laneti (Curse of Dimensionality)

Veriye özellik (boyut) ekledikçe belli bir noktadan sonra modelin kötüleşmesi. Yüksek boyutta veri seyrekleşir, her nokta birbirine benzemeye başlar.

Budama (Pruning)

Bir modelin işe yaramayan ağırlıklarını kesip atarak onu küçültme ve hızlandırma tekniği. Bonsai mantığı ama sinir ağına.

Bulanık Mantık (Fuzzy Logic)

Bir şeyin ya doğru ya yanlış olduğu klasik mantığın aksine, "biraz sıcak" gibi ara değerlerle çalışan mantık sistemi.

Büyük Dil Modeli (Large Language Model)

Milyarlarca parametre ile eğitilen, metin anlama ve üretme yeteneğine sahip yapay zeka modeli.

Büyük Veri (Big Data)

Geleneksel araçlarla işlenemeyecek kadar büyük, hızlı ve çeşitli veri yığınları. Yapay zekanın öğrenmek için beslendiği ham madde.

Byte Pair Encoding (BPE)

LLM'lerin metni token'lara bölerken kullandığı algoritma. Sık geçen karakter çiftlerini adım adım birleştirip alt-kelime parçaları çıkarır.

Chatbot (Sohbet Botu)

Kullanıcıyla metin veya sesli mesajlaşabilen otomatik yazılım. Basit kural tabanlıdan GPT destekli akıllı asistana kadar geniş bir yelpazeyi kapsar.

Dağıtık Eğitim (Distributed Training)

Dev bir modeli tek makineye sığdıramayınca eğitimi onlarca ya da binlerce GPU'ya bölerek yürütme yöntemi.

Dağıtım Dışı (Out-of-Distribution)

Modelin eğitim sırasında hiç görmediği türden veriyle karşılaşması. Modelin en çok tökezlediği ve en emin göründüğü an genelde budur.

Dar Yapay Zeka (Narrow AI)

Tek bir işi iyi yapan yapay zeka — satranç oynar ama kahve ısmarlayamaz. Bugün kullandığımız her AI aslında dar AI.

Deepfake

Yapay zekayla üretilmiş sahte video, görüntü veya ses. GAN ve diffusion modelleriyle bir yüzü ya da sesi başka bir içeriğe taşır; gerçekle sahteyi ayırt etmeyi zorlaştırır.

Değer Fonksiyonu (Value Function)

Pekiştirmeli öğrenmede bir durumun ya da hamlenin uzun vadede ne kadar getiri sağlayacağını tahmin eden fonksiyon.

Değişimsel Otokodlayıcı (Variational Autoencoder)

Veriyi sıkıştırıp tekrar üreten, ama bunu olasılıksal bir uzayda yapan üretken model. Yeni örnekler üretebilmesiyle düz autoencoder''dan ayrılır.

Denetimli İnce Ayar (SFT)

Bir modele örnek soru-cevap çiftleri göstererek nasıl davranması gerektiğini öğretme aşaması. Ham modeli sohbet edebilen bir asistana dönüştüren ilk adım.

Denetimli Öğrenme (Supervised Learning)

Modelin etiketlenmiş veriden öğrendiği makine öğrenmesi yöntemi. Her örneğe doğru cevap verilir; model bu çiftlerden giriş-çıkış ilişkisini çıkarır.

Denetimsiz Öğrenme (Unsupervised Learning)

Etiketsiz veriden örüntü çıkaran öğrenme yaklaşımı. Modele cevap anahtarı vermeden, kendi başına gruplamayı ve yapıyı keşfetmesini istersin.

Derin Öğrenme (Deep Learning)

Çok katmanlı yapay sinir ağlarıyla öğrenen makine öğrenmesi dalı. transformer, LLM ve görüntü modellerinin altındaki teknoloji.

Derlem (Corpus)

Bir modeli eğitmek ya da bir dili incelemek için toplanmış büyük metin (ya da ses/görsel) yığını. Modelin "okuduğu kütüphane" gibi düşün.

Destek Vektör Makinesi (Support Vector Machine)

İki sınıfı en geniş boşlukla ayıran çizgiyi bulan klasik makine öğrenmesi algoritması. Az veriyle bile şaşırtıcı derecede güçlü.

Diferansiyel Gizlilik (Differential Privacy)

Bir veri kümesinden çıkarılan sonuçların, içindeki tek bir kişinin varlığını ele vermemesini matematiksel olarak garanti eden yöntem.

Difüzyon Modeli (Diffusion Model)

Görüntü, ses ve video üretmek için kullanılan bir model türü. Veriyi gürültüye dönüştürüp sonra geri temizleyerek yeni içerik üretir.

Dikkat Başlığı (Attention Head)

Transformer'larda dikkat mekanizmasının paralel çalışan tek bir birimi. Her başlık metindeki farklı bir ilişki türüne odaklanır.

Dikkat Mekanizması (Attention Mechanism)

Transformer mimarisinin kalbi. Modelin bir kelimenin diğer kelimelerle ilişkisini dinamik olarak ağırlıklandırmasını sağlar.

Diziden Diziye (Sequence-to-Sequence)

Bir diziyi (mesela İngilizce cümle) alıp başka bir diziye (Türkçe çevirisi) dönüştüren model mimarisi. Modern çeviri ve metin üretiminin atası.

Doğal Dil İşleme (NLP)

Bilgisayarın insan dilini anlamasını, işlemesini ve üretmesini sağlayan alan. chatbot ve çeviriden arama motoruna kadar her yerde.

Doğrudan Tercih Optimizasyonu (DPO)

RLHF'nin daha sade alternatifi. Modeli, insan tercihlerine göre iki yanıtı karşılaştırarak doğrudan eğitir; ayrı bir ödül modeline gerek duymaz.

Doğruluk (Accuracy)

Bir modelin tahminlerinin ne kadarının doğru çıktığını gösteren en temel başarı metriği. Basit ama tek başına yanıltıcı olabilir.

Doğrusal Regresyon (Linear Regression)

Makine öğrenmesinin en temel yöntemi: iki değişken arasında düz bir çizgiyle ilişki kurup sayısal tahmin yapar.

Dönel Konum Gömme (RoPE)

Transformer'a kelimelerin sırasını, her token'ın vektörünü konumuna bağlı bir açıyla döndürerek öğreten konum kodlama yöntemi.

Dropout (Bırakma)

Eğitim sırasında rastgele nöronları geçici olarak devre dışı bırakan bir düzenleme tekniği. Modelin ezberlemesini engeller, genelleme gücünü artırır.

Dünya Modeli (World Model)

Bir yapay zekanın kafasının içindeki dünya simülasyonu. Denemeden önce zihinde prova yapmasını sağlar.

Durak Kelimeler (Stop Words)

"ve", "bir", "ile" gibi çok sık geçen ama tek başına anlam taşımayan kelimeler. Klasik arama sistemleri indeksi küçültmek için bunları eleyebilir.

Durdurma Dizisi (Stop Sequence)

Modele "bu metni görürsen üretmeyi hemen kes" dediğin işaret dizisi. Çıktıyı istediğin yerde durdurur.

Düşünce Ağacı (Tree of Thoughts)

Modelin tek bir düşünce hattı yerine birden fazla yolu dallandırıp deneyerek, gerektiğinde geri dönerek en iyi çözümü aradığı yöntem.

Düşünce Zinciri (Chain-of-Thought)

Modeli adım adım akıl yürütmeye teşvik eden prompting tekniği. Karmaşık problemlerde doğruluğu artırır.

Duygu Analizi (Sentiment Analysis)

Bir metnin olumlu mu olumsuz mu olduğunu makinenin anlaması. Yorumlardan tweet'lere, insanların ne hissettiğini otomatik ölçer.

Düzenlileştirme (Regularization)

Modelin eğitim verisini ezberlemesi yerine genelleme yapmasını sağlayan teknikler bütünü. Overfitting'in önüne geçmek için kullanılır.

Eğitim Verisi (Training Data)

Bir modelin öğrenmek için beslendiği örneklerin tamamı. Kalitesi ve içeriği, modelin nihai davranışını doğrudan belirler.

Eğitim-Test Ayrımı (Train-Test Split)

Modeli eğittiğin veriyle test ettiğin veriyi ayırma işi. Aksi halde model soruları ezberler, gerçek performansını asla bilemezsin.

Eksik Öğrenme (Underfitting)

Modelin veriden yeterince öğrenememesi durumu. Overfitting'in tam tersi: ezberlemek yerine hiç kavrayamamak.

En Büyük Olabilirlik Tahmini (Maximum Likelihood Estimation)

"Elimdeki veriyi en olası kılan model ayarları hangisi?" sorusunun matematiksel cevabı. Neredeyse her modelin eğitiminin arkasında bu mantık var.

En Yakın Komşu Algoritması (K-Nearest Neighbors)

Bir şeyin ne olduğunu, ona en çok benzeyen komşularına bakarak tahmin eder. "Bana arkadaşını söyle" mantığının makine hali.

Entropi (Entropy)

Bir sistemdeki belirsizliğin ölçüsü. Sonuç ne kadar tahmin edilemezse entropi o kadar yüksektir.

Epoch (Devir)

Modelin tüm eğitim verisini baştan sona bir kez görmesi. Birkaç epoch iyi öğretir, fazlası ezberletir.

Erken Durdurma (Early Stopping)

Model gelişmeyi bıraktığı an eğitimi keser. Hem zaman kazandırır hem de modelin ezbere kaçmasını önler.

Etiket Yumuşatma (Label Smoothing)

Modele "doğru cevap %100 kesin" demek yerine biraz belirsizlik bırakan eğitim tekniği. Aşırı özgüveni kırar, genellemeyi artırır.

Evrişimli Sinir Ağı (CNN)

Görüntü işlemenin bel kemiği olan sinir ağı türü. Filtreleri resmin üstünde kaydırarak kenarları, dokuları ve şekilleri kademeli olarak yakalar.

F1 Skoru (F1 Score)

Bir modelin precision ve recall değerlerini tek sayıda birleştiren başarı ölçüsü. Dengesiz veride sadece doğruluk oranına bakmaktan çok daha dürüst sonuç verir.

Federe Öğrenme (Federated Learning)

Veriyi merkeze toplamadan, modeli verinin olduğu yere göndererek eğitme yaklaşımı. Verin telefonundan çıkmaz, öğrenilen bilgi modelde birleşir.

Flash Attention

Transformer'larda dikkat hesabını, dev matrisi belleğe hiç yazmadan parça parça yapan IO-bilinçli bir yöntem. Aynı kesin sonucu çok daha hızlı ve az bellekle üretir.

FLOP / FLOPS

FLOP bir modelin toplam hesap yükünü, FLOPS ise saniyedeki hesap hızını ölçer. İkisi sık karıştırılır.

Fonksiyon Çağrısı (Function Calling)

Modelin tanımlı araçları ve API'leri yapılandırılmış şekilde çağırabilmesi. AI agent'larının temel yapı taşı.

Frekans Cezası (Frequency Penalty)

Bir kelime metinde ne kadar sık geçtiyse tekrar seçilmesini o kadar zorlaştıran üretim ayarı. Modelin kendini tekrar etmesini engeller.

Gecikme (Latency)

Bir AI modeline istek gönderilmesinden ilk yanıtın gelmesine kadar geçen süre. Üretim ortamında kullanıcı deneyimini doğrudan etkileyen kritik performans metriği.

Geçitli Tekrarlayan Birim (GRU)

LSTM'in daha yalın kuzeni. Diziyi işlerken neyi hatırlayıp neyi unutacağına geçitlerle karar verir, ama daha az parçayla.

GELU (Gaussian Error Linear Unit)

Modern transformer'ların içindeki aktivasyon fonksiyonu. ReLU'nun sert kesme davranışını yumuşatarak nöronların daha pürüzsüz karar vermesini sağlar.

Genelleme (Generalization)

Bir modelin daha önce hiç görmediği verilerde de doğru çalışabilme yeteneği. Ezber değil, örüntüyü kavrama.

Genetik Algoritma (Genetic Algorithm)

Doğadaki evrimi taklit ederek çözüm arayan yöntem: en iyi adaylar hayatta kalır, çiftleşir ve mutasyona uğrar.

Gerçek Referans (Ground Truth)

Bir modelin tahminlerinin kıyaslandığı doğru kabul edilen referans veri. Model ne kadar iyi sorusunun cevabı, ground truth ne kadar iyiyse o kadar anlamlı.

Geri Yayılım (Backpropagation)

Sinir ağlarının öğrenmesini sağlayan temel algoritma. Hatayı ağın içinden geriye doğru ileterek her bağlantının ne kadar suçlu olduğunu hesaplar.

GGUF Model Formatı (GGUF)

Yerel makinede AI modeli çalıştırırken karşına çıkan tek dosyalık format. Model ağırlıkları, tokenizer ve ayarları tek yerde toplar; llama.cpp, Ollama ve LM Studio bunu okur.

Gizli Durum (Hidden State)

Bir sinir ağının katmanları arasında taşıdığı, girdiyi özetleyen sayısal iç temsil.

Gizli Katman (Hidden Layer)

Bir sinir ağında giriş ile çıkış arasında kalan, veriyi işleyip dönüştüren ara katmanlar. "gizli" çünkü dışarıdan doğrudan görünmez.

Gizli Markov Modeli (Hidden Markov Model)

Göremediğin gizli durumları, dışarıdan gözlemlediğin işaretlere bakarak tahmin eden olasılıksal bir model. Konuşma tanımanın ve etiketlemenin klasik aracı.

Gizli Uzay (Latent Space)

Bir modelin veriyi içeride sayılarla temsil ettiği çok boyutlu harita. Benzer şeyler bu uzayda yakın, farklı şeyler uzak durur.

Gömme (Embedding)

Metin, görüntü veya sesi sayısal vektöre dönüştürme işlemi. Anlam benzerliğini matematiksel olarak ölçer.

Görme-Dil Modeli (Vision-Language Model)

Hem görüntüyü hem metni birlikte anlayan model türü. Bir fotoğrafa bakıp onunla ilgili sorularını yanıtlayabilir.

Görüntü Segmentasyonu (Image Segmentation)

bir resmi piksel piksel bölümlere ayırıp her pikselin hangi nesneye ait olduğunu işaretleme işi. nesne tespitinin kutusundan bir adım öte: tam sınır.

Görüntü Sınıflandırma (Image Classification)

Bir modelin fotoğrafa bakıp "bu bir kedi" demesi. Görseli önceden tanımlı etiketlerden birine yerleştiren en temel computer vision görevi.

GPT (Generative Pre-trained Transformer)

OpenAI'ın geliştirdiği, dil üretimi konusunda çığır açan transformer tabanlı model serisi.

GPU'ya Yük Aktarma (GPU Offload)

Bir modelin katmanlarının ne kadarının GPU'da, ne kadarının CPU'da çalışacağını belirleme. Yerel model çalıştırmanın hız–bellek dengesi.

Gradyan Artırma (Gradient Boosting)

Zayıf modelleri sırayla eğitip her birine bir öncekinin hatasını düzelttirir. Tek tek cılız, birlikte çok güçlü.

Gradyan Biriktirme (Gradient Accumulation)

Küçük VRAM ile büyük batch etkisi almanın yolu. Birkaç mini-batch'in gradyanını biriktirip tek seferde güncelleme yapar.

Gradyan İnişi (Gradient Descent)

Yapay zeka modellerinin hata payını minimize etmek için ağırlıklarını adım adım güncellediği temel optimizasyon yöntemi.

Gradyan Kırpma (Gradient Clipping)

Eğitim sırasında gradyanların aşırı büyümesini önlemek için belirli bir eşik değeriyle sınırlayan teknik. Özellikle derin ağlarda eğitim kararlılığını korur.

Gradyan Kontrol Noktası (Gradient Checkpointing)

Eğitim sırasında ara değerleri saklamak yerine gerektiğinde yeniden hesaplayarak GPU belleğinden tasarruf eden teknik. Bellek yetmediğinde büyük modeli sığdırmanın yolu.

Grounding (Gerçeğe Dayandırma)

Bir AI modelinin cevaplarını uydurma yerine doğrulanabilir, gerçek kaynaklara dayandırması. Yani modele "kafandan atma, kaynağı göster" demenin tekniği.

Gruplu Sorgu Dikkati (Grouped-Query Attention)

Attention kafalarının key/value setlerini gruplar arasında paylaştırarak KV cache'i küçülten tasarım — modern açık ağırlıklı modellerin çoğu bunu kullanıyor.

Guardrails (Koruma Bantları)

Bir AI modelinin tehlikeli, alakasız ya da istenmeyen çıktılar üretmesini engelleyen kural ve filtre katmanı. Yani modelin şeritten çıkmasını önleyen koruma bariyerleri.

Halüsinasyon (Hallucination)

Modelin gerçek olmayan bilgileri özgüvenle doğruymuş gibi sunması. AI sistemlerinin en önemli güvenilirlik sorunlarından biri.

Hata Matrisi (Confusion Matrix)

Bir sınıflandırma modelinin nerede doğru, nerede yanlış yaptığını gösteren tablo. Accuracy tek başına kandırırken bu kandırmaz.

Havuzlama (Pooling)

Bir görüntü haritasını küçülterek en önemli bilgiyi tutan işlem. Sinir ağını hem hafifletir hem de küçük kaymalara karşı dayanıklı yapar.

Hibrit Arama (Hybrid Search)

Anlam bazlı vektör aramasıyla kelime bazlı klasik aramayı birleştiren yöntem. İkisi tek başına kaçırdığını, birlikte yakalıyor.

Hiperbolik Tanjant (Tanh)

girdiyi -1 ile +1 arasına sıkıştıran klasik activation function. sigmoid'in sıfır merkezli hali; lstm hücrelerinin içinde hâlâ iş başında.

Hiperparametre (Hyperparameter)

Modelin kendisinin öğrenmediği, eğitimden önce senin elle ayarladığın düğmeler. Learning rate, batch size gibi ayarların hepsi hiperparametredir.

Işın Arama (Beam Search)

Dil modellerinin metin üretirken en olası devam yollarını paralel takip ettiği arama stratejisi. Greedy'den akıllı, exhaustive'den hızlı.

Izgara Araması (Grid Search)

Hiperparametre için elindeki tüm değer kombinasyonlarını tek tek deneyip en iyisini bulma yöntemi. Kaba kuvvet ama güvenilir.

Jailbreak (Kısıtlama Aşma)

AI modellerini tasarlandıkları güvenlik sınırlarının dışına çıkarmaya çalışmak. Modeli "karakter oynat" veya özel prompt'larla yönlendirme bunun en yaygın yöntemleri.

JSON Modu (JSON Mode)

API'nin modeli geçerli JSON üretmeye zorlayan ayarı. Yapılandırılmış çıktının en yaygın ve pratik biçimi.

K-Means Kümeleme (K-Means Clustering)

Etiketsiz veriyi k adet kümeye ayıran klasik unsupervised algoritma. Her noktayı en yakın küme merkezine atar, merkezleri günceller, döngüyü tekrarlar.

Kalibrasyon (Calibration)

Modelin verdiği güven skorunun gerçek isabet oranıyla örtüşmesi. "%90 eminim" diyen model olguların %90'ında haklıysa iyi kalibredir.

Kara Kutu (Black Box)

Ne yaptığını görüp içeride nasıl yaptığını göremediğin sistem. Girdi verirsin, çıktı alırsın, arada olan biteni izleyemezsin.

Karar Ağacı (Decision Tree)

Bir dizi evet/hayır sorusuyla veriyi dallara ayırıp tahmine ulaşan, yorumlanabilir makine öğrenmesi modeli.

Karar Sınırı (Decision Boundary)

Bir sınıflandırma modelinin "bu taraf kedi, şu taraf köpek" dediği görünmez çizgi. Modelin sınıfları birbirinden ayırdığı yer burasıdır.

Karışık Hassasiyetli Eğitim (Mixed Precision)

Eğitimi 16-bit ve 32-bit sayıları harmanlayarak yürütme tekniği; GPU belleğini düşürür, eğitimi hızlandırır, kararlılığı korur.

Karşıtsal Öğrenme (Contrastive Learning)

Modele "benzeyenleri yakınlaştır, benzemeyenleri uzaklaştır" mantığıyla etiketsiz veriden temsil öğreten yöntem. Self-supervised dünyanın bel kemiği.

Katman Normalizasyonu (Layer Normalization)

Bir sinir ağının her katmanındaki sayıları tek bir örnek içinde dengeleyen teknik. Transformer'ların eğitimini stabil tutan sessiz kahraman.

Kavram Kayması (Concept Drift)

Dünya değiştikçe modelin öğrendiği örüntülerin geçerliliğini yitirmesi. dün doğru tahmin eden model, bugün yanılmaya başlar.

Kayan Pencere Dikkati (Sliding Window Attention)

Her token'ın tüm metin yerine sadece etrafındaki dar bir pencereye bakmasını sağlayan dikkat yöntemi. Uzun metinleri makul maliyetle işlemenin yollarından biri.

Kaybolan Gradyan (Vanishing Gradient)

Derin sinir ağları eğitilirken hata sinyalinin ilk katmanlara ulaşana kadar yok olması sorunu. Derin öğrenmenin uzun süre takıldığı duvar.

Kayıp Fonksiyonu (Loss Function)

Modelin tahminleri ile gerçek değerler arasındaki farkı sayısal olarak ölçen matematiksel fonksiyon. Eğitim sürecinin yönünü belirler.

Kelime Torbası (Bag-of-Words)

Bir metni, kelimelerin sırasını yok sayıp sadece hangi kelimeden kaç tane geçtiğine bakarak sayıya çeviren en klasik NLP yöntemi.

Kendiyle Oynama (Self-Play)

Bir yapay zekânın kendi kopyalarına karşı oynayarak, insan verisi olmadan kendi kendine güçlenmesi; AlphaGo Zero'nun arkasındaki fikir.

Keşif–Yararlanma Dengesi (Exploration vs. Exploitation)

Bildiğin iyi seçeneğe mi güveneyim, yoksa daha iyisi var mı diye yeni bir şey mi deneyeyim? Öğrenen her sistemin ikilemi.

Kesinlik ve Duyarlılık (Precision & Recall)

Sınıflandırma modelinin iki yüzü: kesinlik "alarmların kaçı doğruydu", duyarlılık "kaç gerçek vakayı yakaladım" sorusunu yanıtlar.

Kırmızı Takım Testi (Red Teaming)

Bir AI modelini kasıtlı olarak zorlayıp zayıf, zararlı ya da güvensiz davranışlarını ortaya çıkarma süreci. Saldırarak savunmayı güçlendirme.

Kısıtlı Model (Gated Model)

Kullanmadan önce platforma kayıt olup erişim talebinde bulunman gereken AI modeli. Onay genellikle otomatik ve hızlıdır, ama adım atlanırsa model çalışmaz.

Kıyaslama Testi (Benchmark)

Yapay zeka modellerini standart görevler üzerinde ölçen test setleri. "En iyi model" iddialarının arkasındaki rakamların kaynağı.

KL Iraksaması (Kullback-Leibler Divergence)

İki olasılık dağılımının birbirinden ne kadar farklı olduğunu ölçen bir sayı. Modelin tahmini gerçeğe ne kadar uzaksa KL o kadar büyür.

Kodlayıcı-Çözücü (Encoder-Decoder)

Girdiyi anlama ve çıktı üretme işini iki ayrı parçaya bölen mimari: encoder okur, decoder yazar. Çeviri ve özetlemenin temelinde bu yapı var.

Kodsuz AI (No-Code)

Programlama bilgisi gerektirmeden AI araçlarını kullanmayı veya uygulamalar geliştirmeyi mümkün kılan platform ve araçlar bütünü.

Kök Bulma (Stemming)

Kelimeleri kaba bir yöntemle köküne indirir: "kitaplar", "kitabı" hepsi "kitap" olur. Aramada aynı kavramın farklı hallerini tek çatı altında toplar.

Kök İndirgeme (Lemmatization)

Kelimeyi sözlükteki gerçek temel biçimine indirir: "gitti", "gidiyor" hepsi "gitmek" olur. Stemming'in aksine dil bilgisini kullandığı için sonuç anlamlı bir kelimedir.

Konu Modelleme (Topic Modeling)

Büyük metin yığınlarını okumadan içindeki gizli konuları ortaya çıkaran denetimsiz teknik. Binlerce belgeyi otomatik gruplar.

Konum Kodlaması (Positional Encoding)

Transformer modellerinin token sırasını anlayabilmesi için her token'a konum bilgisi ekleyen mekanizma. Bu olmadan model kelimelerin sırasını bilemez.

Konuşmadan Metne (Speech-to-Text)

Sesli konuşmayı otomatik olarak yazıya döken teknoloji. Toplantı notundan altyazıya kadar her yerde karşına çıkar.

Kosinüs Benzerliği (Cosine Similarity)

İki vektörün ne kadar aynı yöne baktığını ölçer. Embedding''lerle çalışan her arama ve öneri sisteminin altında bu basit hesap var.

Kuantizasyon (Quantization)

Model ağırlıklarını daha az bittle ifade ederek boyutunu küçültme tekniği. q4 = 4-bit, q8 = 8-bit. Boyut ve hız kazanılır, kalite biraz geriler.

Kum Havuzu (Sandboxing)

AI ajanını sınırlı ve izole bir ortamda çalıştırma yöntemi. Ajan hata yapsa da kandırılsa da zarar o kutunun dışına taşmıyor.

Kümeleme (Clustering)

Etiketi olmayan veriyi birbirine benzerliğine göre gruplara ayıran unsupervised learning yöntemi. Kimse "bu şu" demeden örüntüyü kendi bulur.

KV Önbelleği (KV Cache)

Transformer modellerinin tekrar eden hesaplamaları saklamasını sağlayan bellek optimizasyonu. Uzun bağlamlarda inference hızını ciddi artırır.

LLM Ağ Geçidi (LLM Gateway)

Sadece dil modellerine odaklı ağ geçidi. Farklı sağlayıcıları tek API'nin arkasına koyar; biri düşerse ötekine geçer, token'ı sayar.

LLM Hakem (LLM-as-a-Judge)

Bir dil modelinin çıktısını başka bir dil modeline puanlatma yöntemi. İnsan değerlendirmesi pahalı ve yavaş olduğu için ölçekli test bu şekilde yapılıyor.

Logit Yanlılığı (Logit Bias)

Belirli tokenlerin seçilme olasılığını elle artırıp azaltma ayarı. Bir kelimeyi tamamen yasaklamak ya da neredeyse garantilemek için kullanılır.

Logitler (Logits)

Modelin softmax'tan önce her olası token için ürettiği ham skorlar. Henüz olasılığa çevrilmemiş, "hangi kelime daha muhtemel" bilgisini tutan sayılar.

Lojistik Regresyon (Logistic Regression)

İsmine bakma, aslında regresyon değil sınıflandırma yapar. Bir şeyin hangi sınıfa ait olduğunu olasılıkla söyler.

LoRA (Düşük Rank Adaptasyonu)

Büyük modelleri çok daha az parametre güncelleyerek verimli şekilde ince ayar yapan teknik.

Makine Öğrenmesi (Machine Learning)

Bilgisayara kuralları tek tek yazmak yerine, örneklerden kendi kendine öğrenmesini sağlayan yaklaşım. bugünkü yapay zekanın temel motoru.

Markov Karar Süreci (MDP)

Bir ajanın adım adım karar verip ödül topladığı durumları tanımlayan matematiksel çerçeve. Pekiştirmeli öğrenmenin iskeleti.

Markov Zinciri (Markov Chain)

Bir sistemin bir durumdan diğerine, yalnızca şu anki duruma bakarak geçtiği olasılıksal modeldir. Modern yapay zekanın altındaki birçok fikrin atasıdır.

Maskeli Dil Modelleme (Masked Language Modeling)

Cümledeki bazı kelimeleri gizleyip modele boşluğu doldurtarak dil öğreten pretraining yöntemi.

Meta-Öğrenme (Meta-Learning)

Modelin "öğrenmeyi öğrenmesi" — bir avuç örnekle yeni bir göreve hızla uyum sağlaması.

Metinden Görüntü Üretimi (Text-to-Image)

Yazılı bir açıklamadan (prompt) otomatik görüntü üreten AI teknolojisi. Midjourney, DALL-E ve Stable Diffusion bu kategorinin en bilinen örnekleri.

Metinden Sese Dönüştürme (Text-to-Speech)

Yazılı metni insan sesine benzer biçimde seslendiren AI teknolojisi. ElevenLabs, OpenAI TTS ve Google Text-to-Speech bu alanın öne çıkan araçları.

Metinden Videoya (Text-to-Video)

Yazdığın bir cümleden hareketli video üreten yapay zeka. Text-to-image'in bir adım ötesi: karelerin tutarlılığını ve hareketi de kurması gerekir.

MLOps (Makine Öğrenmesi Operasyonları)

Modeli eğitip bir kenara koymak değil; onu canlıda çalışır, güncel ve izlenebilir tutmanın disiplini. DevOps'un makine öğrenmesi versiyonu.

Model Birleştirme (Model Merging)

İki veya daha fazla eğitilmiş modelin ağırlıklarını harmanlayıp yeniden eğitim yapmadan tek model üretme tekniği.

Model Çöküşü (Model Collapse)

Yapay zekanın kendi ürettiği veriyle tekrar tekrar eğitilmesi sonucu tekdüzeleşmesi. Her nesilde çeşitlilik azalıyor, model gerçek dünyanın kenarlarını unutuyor.

Model Context Protokolü (MCP)

Yapay zeka modellerini dış araçlara ve veri kaynaklarına bağlayan açık standart. AI için "USB-C" gibi düşün: tek protokol, her yere takılıyor.

Model Kartı (Model Card)

Bir yapay zeka modelinin künyesi: ne için eğitildiği, hangi veriyle beslendiği, sınırları ve riskleri neler — hepsi tek belgede.

Model Kontrol Noktası (Checkpoint)

Eğitim sırasında modelin belirli bir andaki tüm ağırlıklarının kaydedilmiş hali. Eğitime kaldığı yerden devam etmeyi sağlar.

Model Paralelliği (Model Parallelism)

Tek GPU''ya sığmayan büyük modeli parçalara bölüp birden fazla GPU''ya dağıtarak eğitme ve çalıştırma tekniği.

Momentum (Momentum Optimizasyonu)

Gradient descent'e "ivme" katan yöntem: model her adımda sadece anlık eğime değil, önceki adımların birikmiş yönüne de bakar; böylece daha hızlı ve pürüzsüz iner.

Monte Carlo Ağaç Araması (Monte Carlo Tree Search)

Bir yapay zekanın olası hamleleri rastgele oynayarak deneyip en umut vaat eden dalı derinleştirdiği karar arama yöntemi. AlphaGo'nun kalbinde bu vardı.

Müfredat Öğrenmesi (Curriculum Learning)

Modeli kolaydan zora sıralanmış örneklerle eğitme yaklaşımı; daha hızlı ve daha kararlı öğrenme için.

Muhakeme Modeli (Reasoning Model)

Cevabı vermeden önce adım adım "düşünen", kendi çözüm zincirini kuran model türü. Matematik, kod ve mantık işlerinde fark yaratır.

N-gram

N-gram, bir metindeki ardışık n kelime ya da karakterden oluşan dizi. Transformer öncesi dil modellemenin belkemiği, hâlâ metin analizinde kullanılıyor.

Naive Bayes (Naive Bayes)

Her özelliğin birbirinden bağımsız olduğunu "naifçe" varsayan basit ama şaşırtıcı derecede işe yarayan bir sınıflandırma algoritması.

Nedensel Dil Modelleme (Causal Language Modeling)

Modelin bir sonraki token''ı sadece önündeki metne bakarak tahmin etmesi. GPT ailesinin temel eğitim hedefi; metin üretebilen her modelin arkasında bu var.

Negatif Prompt (Negative Prompt)

Modele "şunu görselde istemiyorum" demenin yolu. İstemediğin şeyleri yazarsın, model onlardan uzak durmaya çalışır.

Nesne Tespiti (Object Detection)

Bir görüntüde nelerin olduğunu değil, nerede olduğunu da bulan görüntü işleme görevi. Her nesnenin etrafına kutu çizer.

Niceleme (Quantization)

Model ağırlıklarının hassasiyetini düşürerek (float32 → int8/4-bit) dosya boyutunu ve bellek kullanımını azaltma tekniği.

Normalizasyon (Normalization)

Farklı ölçeklerdeki sayısal özellikleri benzer bir aralığa çekme. Model her özelliğe adil ağırlık versin ve eğitim hızlı yakınsasın diye yapılır.

Nöro-Sembolik Yapay Zeka (Neuro-Symbolic AI)

Sinir ağlarının örüntü sezgisiyle sembolik mantığın kural ve kesinliğini tek sistemde birleştiren yaklaşım. "İçgüdü + mantık" gibi düşün.

One-Hot Kodlama (One-Hot Encoding)

Kategorik veriyi (renk, şehir, tür) sadece bir konumu 1, kalanı 0 olan vektörlere çeviren temel kodlama yöntemi. Model sayılarla çalışır, kelimeyle değil.

Optik Karakter Tanıma (OCR)

Görseldeki ya da taranmış belgedeki yazıyı makinenin okuyabileceği metne çeviren teknoloji. Faturadan el yazısına kadar her yerde karşına çıkar.

Optimize Edici (Optimizer)

Modelin hatasını azaltmak için ağırlıkları hangi yönde ve ne kadar güncelleyeceğine karar veren algoritma. Eğitimin motoru.

Ortalama Kare Hata (Mean Squared Error)

Modelin tahminleri gerçek değerlerden ne kadar sapmış onu ölçen loss fonksiyonu. Hataların karesini alıp ortalar — büyük hataları sert cezalandırır.

Otokodlayıcı (Autoencoder)

Veriyi önce küçük bir temsile sıkıştırıp sonra geri kurmayı öğrenen sinir ağı. Fazlalığı atıp en önemli özellikleri damıtır.

Otonom Ajan Yapısı (Agentic)

Modelin tek cevap üretmek yerine hedefe ulaşmak için kendi adımlarını planlayıp araç kullanarak iş yaptığı yaklaşım.

Otoregresif Model (Autoregressive)

Bir önceki tokenlara bakarak sıradaki tokeni tahmin eden model mimarisi. GPT ailesi ve çoğu modern LLM bu yöntemle metin üretir.

Parametre (Parameter)

Bir modelin eğitim sırasında öğrendiği sayısal ağırlıklar. Bir modelin 7B parametreli olduğunu duyduğunda, işte o milyarlarca ayar bunlar.

Parametre Verimli İnce Ayar (PEFT)

Bir modelin tüm parametrelerini değil, sadece küçük bir kısmını eğiterek ince ayar yapma yöntemi. Az kaynakla büyük modeli kendine göre uyarlarsın.

Parçalama (Chunking)

Uzun metinleri RAG için anlamlı küçük parçalara bölme işlemi. Doğru parçalama, doğru cevabın yarısıdır.

Patlayan Gradyan (Exploding Gradient)

Derin ağların eğitiminde güncelleme sinyalinin katmanlar boyunca katlanarak dev sayılara ulaşması; model bir anda çöker, kayıp değeri NaN'e döner.

Pekiştirmeli Öğrenme (Reinforcement Learning)

Ajanın deneme-yanılma yoluyla ödül sinyalinden öğrendiği makine öğrenmesi paradigması. Etiketli veri yerine ortamla etkileşim kullanılır.

Perplexity (Şaşkınlık)

Bir dil modelinin bir metni ne kadar iyi tahmin ettiğini ölçen metrik. Düşük perplexity = model metni iyi anlıyor; yüksek = model şaşkın.

Planlama (Planning)

Bir AI ajanının karmaşık bir görevi alt adımlara bölerek sırayla veya paralel yürütme stratejisi oluşturabilme yeteneği.

Politika Gradyanı (Policy Gradient)

Reinforcement learning'de ajanın davranış politikasını doğrudan optimize eden yöntem ailesi. PPO ve actor-critic bunun üstüne kurulu.

PPO (Proximal Policy Optimization)

Bir modeli aldığı ödüle göre küçük, kontrollü adımlarla eğiten pekiştirmeli öğrenme algoritması. RLHF hattının motorunda çoğu zaman bu döner.

Prompt

Bir yapay zeka modeline verilen metin girişi. Modelin çıktısını doğrudan şekillendirir.

Prompt Ayarı (Prompt Tuning)

Modelin ağırlıklarına dokunmadan, öğrenilen küçük bir yumuşak prompt vektörünü eğiterek modeli bir göreve uyarlama yöntemi.

Prompt Enjeksiyonu (Prompt Injection)

Kötü niyetli bir girdinin modele asıl talimatlarını unutturup saldırganın isteğini yaptırma yöntemi. Yapay zekanın en sinsi güvenlik açığı.

Prompt Mühendisliği (Prompt Engineering)

Dil modellerinden daha iyi çıktılar almak için promptları bilinçli olarak tasarlama ve optimize etme pratiği.

Prompt Önbellekleme (Prompt Caching)

Tekrar eden prompt bölümlerini önbelleğe alıp sonraki isteklerde yeniden işlemeden kullanma tekniği. Maliyeti ve gecikmeyi ciddi oranda düşürür.

Prompt Şablonu (Prompt Template)

Değişkenlerin doldurulduğu, tekrar tekrar kullanılan hazır prompt iskeleti. Aynı işi her seferinde sıfırdan yazmadan tutarlı çıktı almanı sağlar.

Prompt Zincirleme (Prompt Chaining)

Karmaşık bir işi tek prompt''a yüklemek yerine küçük adımlara bölüp birinin çıktısını diğerinin girdisi yapma tekniği.

Q-Öğrenme (Q-Learning)

Bir ajanın deneme yanılmayla en iyi hamleyi öğrendiği klasik reinforcement learning algoritması. Her durum-aksiyon çiftine bir değer biçer.

QLoRA (Quantized Low-Rank Adaptation)

Büyük bir modeli 4-bit'e sıkıştırıp üstüne küçük LoRA adaptörleri ekleyerek tek bir GPU'da fine-tuning yapmayı mümkün kılan bellek-dostu yöntem.

Rastgele Orman (Random Forest)

Onlarca karar ağacını birleştirip oylama yaptıran topluluk yöntemi. Tek bir ağacın ezberleme hatasını kalabalığın bilgeliğiyle törpüler.

ReAct (Akıl Yürüt ve Eyleme Geç)

Modeli önce düşündürüp sonra araç kullandıran yaklaşım: akıl yürütür, eyleme geçer, sonucu görüp tekrar düşünür.

Regresyon (Regression)

Modelin sürekli bir sayı tahmin etmesi — ev fiyatı, yarınki satış, sıcaklık gibi. Etiket değil, değer üretir.

ReLU (Rectified Linear Unit)

Sinir ağlarının en çok kullanılan aktivasyon fonksiyonu. Negatif değerleri sıfıra çeker, pozitifleri olduğu gibi geçirir. Basit ama çok etkili.

Retrieval-Augmented Generation (RAG)

Modelin cevap üretirken harici bilgi tabanından gerçek zamanlı veri çekerek yanıt verdiği mimari.

RMS Normalizasyonu (RMSNorm)

Katman çıktısını yalnızca büyüklüğüne (RMS değerine) göre ölçekleyen sade bir normalizasyon. Layer norm'a göre daha hızlı, modern LLM'lerin çoğunda standart.

ROC-AUC (ROC Eğrisi ve Altındaki Alan)

Sınıflandırma modelinin ne kadar iyi ayrım yaptığını tek sayıya indiren metrik. 1.0 kusursuz, 0.5 rastgele tahmin demektir.

ROUGE (Özetleme Değerlendirme Metriği)

Üretilen özeti insan referansıyla kıyaslayan metrik. Kaç kelime ve n-gram örtüşüyor diye bakar; özetleme modellerinin standart karnesi.

Safetensors (Güvenli Tensör Formatı)

Model ağırlıklarını güvenli ve hızlı şekilde saklayan dosya formatı. Eski pickle tabanlı formatların kod çalıştırma riskini ortadan kaldırır, yükleme süresini de kısaltır.

Sembolik Yapay Zeka (Symbolic AI)

Zekayı, insan tarafından yazılmış kurallar ve mantık sembolleriyle modelleyen klasik AI yaklaşımı. "GOFAI" de denir.

Sentetik Veri (Synthetic Data)

Gerçek dünyadan toplanmak yerine yapay olarak üretilen eğitim verisi. Gizlilik kaygıları, veri kıtlığı ve çeşitlilik sorunlarının çözümünde kritik rol oynar.

Ses Klonlama (Voice Cloning)

Kısa bir ses örneğinden o sesin yapay kopyasını üreten teknoloji. Kişinin tonunu öğrenip daha önce söylenmemiş cümleleri onun sesiyle seslendirir.

Seyrek Dikkat (Sparse Attention)

Her token''ın diğer tüm token''lara değil, yalnızca seçili bir alt kümesine dikkat ettiği verimli attention yöntemi. Uzun context''i ucuza işlemenin yollarından biri.

Sezgisel Yöntem (Heuristic)

En iyi cevabı garanti etmeyen ama yeterince iyisini hızlıca bulan pratik kural. "Kesin çözüm çok pahalı, makul olanı çabuk ver" mantığı.

Sigmoid Fonksiyonu (Sigmoid Function)

Sigmoid, herhangi bir sayıyı 0 ile 1 arasına sıkıştıran S şeklinde bir aktivasyon fonksiyonu. Çıktıyı olasılık gibi okumanı sağlar.

Sinir Ağı (Neural Network)

İnsan beyninden ilham alan hesaplama modeli. Katmanlar halinde düzenlenmiş yapay nöronlardan oluşur ve veriden örüntü öğrenir.

Sistem Prompt'u (System Prompt)

Modele "sen kimsin, nasıl davranacaksın" diye veren ön talimat. Kullanıcı görmez, her mesajda arka planda çalışır.

Sıcaklık (Temperature)

Modelin ne kadar yaratıcı ya da ne kadar temkinli cevap vereceğini ayarlayan parametre. Düşükse tahmin edilebilir, yüksekse daha çılgın.

Sıfır-Örnekli Öğrenme (Zero-Shot)

Modele hiç örnek vermeden doğrudan görev yaptırma yöntemi. "Şunu sınıflandır" dersin, örnek göstermezsin — model anlar.

Sınıf Dengesizliği (Class Imbalance)

Bir sınıfın diğerinden çok daha fazla örneğe sahip olması. Model çoğunluğa yaslanır, azınlığı görmez — dolandırıcılık tespitinin baş belası.

Sınıflandırıcısız Yönlendirme (Classifier-Free Guidance)

Görüntü üreticilerdeki "guidance scale" ayarının arkasındaki teknik. Çıktının prompt''a ne kadar sadık kalacağını belirler.

Sınıflandırma (Classification)

Modelin bir girdiyi önceden tanımlı kategorilerden birine yerleştirmesi — spam mı değil mi, kedi mi köpek mi gibi. Sayı değil, etiket tahmin eder.

Softmax (Softmax Fonksiyonu)

Bir grup ham skoru, toplamı 1 olan olasılıklara çeviren fonksiyon. Modelin "sıradaki token hangisi?" kararını olasılığa döken katman.

Soğuk Başlangıç (Cold Start)

Bir AI modelinin veya servisin ilk kez çağrıldığında, belleğe yüklenmesi için geçirdiği bekleme süresi. Tekrar çağrıldığında bu gecikme yaşanmaz.

Söz Varlığı (Vocabulary)

Bir dil modelinin tanıdığı tüm token'ların listesidir. Genelde kelimelerden değil, kelime parçalarından oluşur — ve Türkçe'de maliyeti doğrudan etkiler.

Spekülatif Çözümleme (Speculative Decoding)

Büyük modelin cevabını hızlandırmak için küçük bir modelin tahminlerini önden üretip büyük modele toplu onaylatan bir hızlandırma tekniği.

Stokastik Gradyan İnişi (Stochastic Gradient Descent)

Modeli tüm veriyle değil, her adımda rastgele küçük örneklerle eğiten optimizasyon yöntemi. Bugünkü tüm büyük modellerin motoru.

Süper Zeka (Superintelligence)

İnsan zekasını her alanda — bilim, yaratıcılık, sosyal beceri — geride bırakan varsayımsal yapay zeka. Henüz yok, ama güvenlik tartışmalarının merkezinde.

Sürekli Öğrenme (Continual Learning)

Bir modelin eski öğrendiklerini unutmadan yeni veri ve görevlerle öğrenmeye devam etmesi. Asıl zorluk: unutmayı önlemek.

t-SNE (t-Distributed Stochastic Neighbor Embedding)

Yüksek boyutlu veriyi 2-3 boyuta indirip göze görünür hale getiren bir görselleştirme tekniği. Embedding'lerin nasıl kümelendiğini gözünle görmek için kullanılır.

Taklit Yoluyla Öğrenme (Imitation Learning)

Bir yapay zekanın deneme-yanılmayla değil, bir uzmanın gösterdiği örnekleri izleyerek görevi öğrenmesi. Çırağın ustayı seyredip kapması gibi.

Talimat Ayarlaması (Instruction Tuning)

Bir dil modelini, kullanıcı talimatlarını takip edecek şekilde ince ayarlamak. Ham pretraining'den sohbet modeline geçişin temel adımı.

Taslak Model (Draft Model)

Büyük modelin yerine hızlıca tahmin üreten küçük yardımcı model. Speculative decoding'in motoru — hızlandırır, kaliteyi bozmaz.

Tek Atışlı Öğrenme (One-Shot Learning)

Modele bir görevi tek bir örnek göstererek öğretmek. Few-shot ve zero-shot'ın kardeşi — insan öğrenmesine en yakın olanı.

Teknolojik Tekillik (Technological Singularity)

Yapay zekanın kendini üstel hızla geliştirip insan öngörüsünün ötesine geçtiği varsayımsal dönüm noktası. Gelir mi, gelirse ne zaman — hâlâ tartışmalı.

Tekrar Cezası (Repetition Penalty)

Modelin daha önce kullandığı kelimeleri tekrar seçme olasılığını düşüren ceza. Aynı cümleyi tekrarlayıp döngüye girmesini engeller.

Temel Bileşen Analizi (PCA)

Çok sütunlu veriyi, en önemli bilgiyi koruyarak birkaç boyuta sıkıştıran yöntem. Hem hızlandırır hem de veriyi gözle görülür hale getirir.

Temel Model (Foundation Model)

Devasa ve çeşitli veriyle eğitilmiş, üstüne her türlü işin inşa edildiği genel amaçlı dev model. GPT, Claude, Gemini de birer temel modeldir.

Temsil Öğrenme (Representation Learning)

Bir modelin ham veriden işe yarar özellikleri kendi kendine çıkarmayı öğrenmesi. Özellikleri elle tasarlamak yerine model kendi iç temsilini kurar.

Tensör (Tensor)

Yapay zekada verinin taşındığı çok boyutlu sayı yapısı. Bir fotoğraf da, bir cümle de aslında bir tensordur.

Terim Sıklığı–Ters Belge Sıklığı (TF-IDF)

Bir kelimenin bir metinde ne kadar önemli olduğunu sayıya döken klasik yöntem. Sık geçen ama her yerde olan kelimeleri ayıklar.

Test-Time Compute (Çıkarım Anı Hesabı)

Modeli büyütmek yerine, cevap üretirken (inference) ona daha fazla düşünme/hesap bütçesi vererek performansı artırma yaklaşımı.

Tohum (Seed)

Görsel üreten AI'da aynı sonucu tekrar elde etmeni sağlayan başlangıç sayısı. Aynı seed + aynı prompt = neredeyse aynı görsel.

Token

Modelin metni işlediği en küçük birim. Bir kelime, hece veya karakter parçası olabilir.

Tokenizasyon (Tokenization)

Metni modelin işleyebileceği küçük parçalara — token'lara — bölme işlemi. Modelin dili "nasıl gördüğünü" belirler.

Top-k Örnekleme (Top-k Sampling)

Modelin sıradaki kelimeyi seçerken sadece en olası k adaya bakmasını sağlayan örnekleme yöntemi. Top-p'nin sabit sayılı kuzeni.

Top-p Örnekleme (Nucleus Sampling)

Modelin kelime seçerken kaç adaya bakacağını belirleyen ayar. Temperature ile birlikte üretilen metnin karakterini şekillendirir.

Topluluk Öğrenmesi (Ensemble Learning)

Tek model yerine birden fazla modelin tahminini birleştirme tekniği. Mantık basit: kalabalığın ortak aklı, tek bir uzmanın tahmininden çoğu zaman daha isabetli.

Torbalama (Bagging)

Aynı türden birçok modeli farklı veri parçalarıyla eğitip tahminlerini birleştiren ensemble yöntemi. Rastgele ormanın temelinde bu var.

Transformer

2017'de tanıtılan, dikkat mekanizmasına dayalı sinir ağı mimarisi. GPT, BERT ve modern dil modellerinin temelidir.

Tümevarımsal Önyargı (Inductive Bias)

Bir modelin hiç görmediği veride nasıl genelleme yapacağını belirleyen, tasarıma gömülü varsayımlar.

Turing Testi (Turing Test)

Bir makinenin insanı, yazışmada karşısındakinin makine olduğunu anlayamayacak kadar iyi taklit edip edemediğini ölçen klasik deney.

Uç Yapay Zeka (Edge AI)

Modeli buluta göndermeden, verinin doğduğu yerde — telefonda, kamerada, sensörde — çalıştırmak. Hızlı, gizli, internetsiz.

Uzman Karması (Mixture of Experts)

Tek dev model yerine birçok küçük 'uzman' alt ağ kullanan mimari. Her girdi için sadece ilgili uzmanlar devreye girer, gerisi uyur.

Uzman Sistem (Expert System)

Bir alandaki uzmanın bilgisini "eğer-o zaman" kurallarına döküp karar veren, yapay zekanın klasik yaklaşımlarından biri.

Uzun-Kısa Vadeli Bellek (LSTM)

RNN'lerin "unutma" sorununu kapı (gate) mekanizmasıyla çözen, uzun dizilerde bilgiyi tutabilen sinir ağı mimarisi. Transformer öncesi dizisel modellemenin yıldızıydı.

Varlık Cezası (Presence Penalty)

Bir kelime metinde bir kez bile geçtiyse tekrar seçilmesini topluca cezalandıran ayar. Modeli yeni konulara açar.

Varlık İsmi Tanıma (Named Entity Recognition)

Metindeki kişi, yer, kurum ve tarih gibi özel isimleri otomatik bulup etiketleyen NLP görevi. Yapısız metni işlenebilir bilgiye çevirir.

Vektör Veritabanı (Vector Database)

Embedding vektörlerini saklayan ve anlam benzerliğine göre hızlı arama yapabilen özel veritabanı.

Veri Çoğaltma (Data Augmentation)

Eldeki veriden küçük dönüşümlerle yeni eğitim örnekleri üretme tekniği. Az veriyle çok iş çıkarmanın en pratik yollarından biri.

Veri Etiketleme (Data Annotation)

Ham veriye modelin öğrenebileceği etiketler eklemek. Supervised learning modellerinin can damarı — etiket kaliteliyse model kaliteli olur.

Veri Kümesi (Dataset)

Bir modelin öğrenmek için beslendiği örneklerin tamamı. Kalitesi doğrudan modelin kalitesini belirler — çöp girerse çöp çıkar.

Veri Madenciliği (Data Mining)

Büyük veri yığınları içinden anlamlı örüntüleri, ilişkileri ve gizli bilgiyi çıkarma disiplini. Yapay zekanın büyük ağabeyi.

Veri Ön İşleme (Data Preprocessing)

Ham veriyi modelin anlayabileceği hale getirme aşaması. Model eğitiminin en çok zaman alan ama sonucu en çok belirleyen kısmı.

Veri Sızıntısı (Data Leakage)

Modelin eğitimde görmemesi gereken bilgiyi gizlice görmesi. Testte harika, gerçek hayatta rezalet sonuç verir.

Veri Zehirlenmesi (Data Poisoning)

Bir modelin eğitim verisine kasıtlı olarak bozuk örnek sokma saldırısı. Model o veriyle öğrenince saldırganın istediği hatayı yapmaya başlar.

Verim (Throughput)

Bir AI sisteminin birim zamanda işleyebildiği token veya istek sayısı. Üretim ortamlarında ölçeklenme ve maliyet hesabı için kritik bir performans metriği.

Vibe Kodlama (Vibe Coding)

OpenAI kurucu ortağı Andrej Karpathy'nin Şubat 2025'te ortaya attığı, kod yazmak yerine AI'a doğal dil ile talimat verilen yeni nesil yazılım geliştirme yaklaşımı.

VRAM (Video RAM)

Ekran kartının kendi belleği. AI modeli çalıştırırken model ağırlıkları buraya yüklenir — ne kadar VRAM'in varsa o kadar büyük model çalıştırabilirsin.

Word2Vec

Kelimeleri anlamlarını yakalayan sayısal vektörlere çeviren klasik teknik. Ünlü "kral - erkek + kadın = kraliçe" hilesi buradan çıktı.

Yakınsama (Convergence)

Bir modelin eğitim sırasında hatasının giderek azalıp bir noktada oturması. Yani öğrenmenin "işe yaradığının" ve durabileceğin sinyali.

Yaklaşık En Yakın Komşu (Approximate Nearest Neighbor)

Milyonlarca vektör içinde "en benzerini" tam değil de yeterince yakın bulup, aramayı milisaniyeye indiren teknik. Vektör aramanın kalbi.

Yanlılık-Varyans Dengesi (Bias-Variance Tradeoff)

Bir model ya fazla basit kalır (yanlılık) ya da ezbere kaçar (varyans). İkisini aynı anda sıfırlayamazsın — iş bu dengeyi tutturmakta.

Yapay Genel Zeka (AGI)

İnsan gibi her alanda öğrenip problem çözebilen, henüz var olmayan yapay zeka seviyesi. Bugünküler dar; AGI hâlâ bir hedef.

Yapay Nöron (Neuron)

Sinir ağının en küçük hesap birimi. Gelen sinyalleri toplar, bir eşikten geçirir, sonucu bir sonrakine yollar.

Yapay Zeka Ağ Geçidi (AI Gateway)

Uygulamanla tüm AI servisleri arasına oturan tek kapı. Her isteği buradan geçirir; loglar, önbellekler, sınırlar, maliyeti sayar.

Yapay Zeka Ajanı (AI Agent)

Hedef verildiğinde planlama yapan, araç kullanan ve adım adım ilerleyen otonom yapay zeka sistemi.

Yapay Zeka Etiği (AI Ethics)

Yapay zekanın adil, şeffaf ve zarar vermeyecek şekilde geliştirilmesini konu alan ilkeler bütünü. Kimin sorumlu olduğu, kime zarar verdiği burada tartışılır.

Yapay Zeka Güvenliği (AI Safety)

AI sistemlerinin insanlara zarar vermemesi için yürütülen araştırma ve mühendislik alanı. Hizalamadan kötüye kullanım tespitine kadar geniş bir spektrum.

Yapay Zeka Hizalaması (AI Alignment)

Yapay zeka sistemlerinin insan değerleri, niyeti ve hedefleriyle uyumlu davranması için yapılan araştırma alanı.

Yapay Zeka Kışı (AI Winter)

Yapay zekaya olan ilginin, fonların ve beklentilerin sertçe düştüğü durgunluk dönemleri. Abartılı vaatler tutmayınca gelen soğuk duş.

Yapılandırılmış Çıktı (Structured Output)

Modelin serbest metin yerine belirli bir şemaya uyan (genelde JSON) çıktı üretmesi. Cevabı doğrudan koda besleyebilmenin yolu.

Yarı Denetimli Öğrenme (Semi-Supervised Learning)

Az miktarda etiketli, çok miktarda etiketsiz veriyi birlikte kullanan öğrenme yöntemi. Etiketlemek pahalı olduğunda hayat kurtarır.

Yeniden Sıralama (Reranking)

Aramayla bulunan sonuçları, modele vermeden önce alaka düzeyine göre yeniden sıralayan ikinci aşama. RAG kalitesini ciddi artırır.

Yinelemeli Sinir Ağı (RNN)

Sıralı veriyi (metin, ses, zaman serisi) adım adım işleyen, her adımda bir öncekini "hatırlayan" sinir ağı mimarisi. Transformer öncesi dönemin standardıydı.

Yığın Boyutu (Batch Size)

Modelin aynı anda kaç token'ı toplu işlediğini belirleyen ayar. Prompt'u işleme hızını ve bellek kullanımını etkiler.

Yığın Normalizasyonu (Batch Normalization)

Sinir ağının ara katmanlarındaki değerleri her mini-yığında dengeleyen teknik. Eğitimi hızlandırır ve daha kararlı hale getirir.

Yıkıcı Unutma (Catastrophic Forgetting)

Bir sinir ağının yeni bir görev öğrenirken önceki görevlere ait bilgileri ani ve kalıcı biçimde yitirmesi.

Zamanlanmış Görev (Cron Job)

Belirlenen zaman aralıklarında otomatik çalışan görev. Sunucularda tekrarlayan işleri elle başlatmak zorunda kalmadan çalıştırır.

Çapraz Dikkat (Cross-Attention)

Bir modelin ürettiği metni, girdideki bilgiye bakarak şekillendirmesini sağlayan dikkat türü. Çeviri ve özetlemenin kalbinde bu var.

Çapraz Doğrulama (Cross-Validation)

Bir modelin gerçekten işe yarayıp yaramadığını, veriyi döndüre döndüre birden çok kez sınayarak ölçen dürüst değerlendirme yöntemi.

Çapraz Entropi (Cross-Entropy)

Bir modelin tahminlerinin gerçek cevaplara ne kadar uzak olduğunu ölçen kayıp fonksiyonu. Düştükçe model daha doğru tahmin ediyor demektir.

Çapraz Kodlayıcı (Cross-Encoder)

Arama ve RAG sistemlerinde iki metnin ne kadar ilgili olduğunu ölçen model. Soru ile belgeyi birlikte okur, tek bir isabet skoru verir — yavaş ama isabetli.

Çin Odası Argümanı (Chinese Room)

John Searle'ün ünlü düşünce deneyi: bir makine dili kusursuz işleyebilir ama gerçekten "anlıyor" mu? Kuralı uygulamak anlamak mıdır?

Çıkarım (Inference)

Eğitimi bitmiş bir modelin yeni bir girdiye cevap üretmesi. Yani modeli kullandığın o an — soruyu sorup yanıtı aldığın kısım.

Çok Ajanlı Sistemler (Multi-Agent)

Birden fazla AI ajanının birbirleriyle iletişim kurarak ortak bir hedef doğrultusunda çalıştığı mimari. Karmaşık görevleri paralel olarak çözmeyi mümkün kılar.

Çok Başlı Dikkat (Multi-Head Attention)

Transformer'ın kalbi: model aynı metne birden fazla "bakış açısıyla" aynı anda dikkat eder, her kafa farklı bir ilişkiyi yakalar.

Çok Görevli Öğrenme (Multi-Task Learning)

Tek bir modeli birden fazla görevi aynı anda öğrenmesi için eğitme yöntemi; görevler birbirinden öğrenir, model daha az veriyle daha iyi genelleşir.

Çok Modlu Yapay Zeka (Multimodal AI)

Metin, görüntü, ses ve video gibi birden fazla veri türünü anlayıp işleyebilen yapay zeka sistemi.

Çoklu Sorgu Dikkati (Multi-Query Attention)

Attention'da her başlığın ayrı key/value tutması yerine hepsinin tek bir key/value setini paylaştığı yöntem. Belleği ve gecikmeyi ciddi düşürür.

Ödül İstismarı (Reward Hacking)

Modelin ödül fonksiyonundaki açıkları sömürüp, asıl amacı ıskalarken yüksek puan toplaması.

Ödül Modeli (Reward Model)

İnsan tercihlerini öğrenerek model çıktılarını puanlayan yardımcı model. RLHF sürecinin kritik bileşeni.

Öğrenme Aktarımı (Transfer Learning)

Bir işte öğrenilen bilgiyi başka bir işe taşıma. Sıfırdan başlamak yerine, hazır eğitilmiş bir modeli yeni görevine uyarlarsın.

Öğrenme Eğrisi (Learning Curve)

Modelin performansının eğitim ilerledikçe ya da veri arttıkça nasıl değiştiğini gösteren grafik; overfitting ve underfitting'i çıplak gözle yakalatır.

Öğrenme Oranı (Learning Rate)

Modelin her eğitim adımında ne kadar büyük adım atacağını belirleyen ayar. Çok büyükse sapıtır, çok küçükse öğrenmesi sonsuza kadar sürer.

Öğrenme Oranı Isınması (Warmup)

eğitimin başında learning rate'i sıfırdan hedefe kademeli çıkarma tekniği. model ısınmadan tam gaz gitmesin diye; transformer eğitiminin standardı.

Öğretmen Zorlaması (Teacher Forcing)

Dizi üreten modelleri eğitirken modelin kendi tahminini değil, gerçek doğru cevabı bir sonraki adıma girdi olarak vermek. Eğitimi hızlandırır.

Ölçekleme Yasaları (Scaling Laws)

Model boyutu, veri miktarı ve hesaplama gücü arttıkça performansın nasıl iyileşeceğini öngören matematiksel ilişkiler.

Ön Doldurma (Prefill)

Bir LLM'e prompt verdiğinde, cevabın ilk token'ı çıkmadan önce girdinin tamamının bir kerede işlendiği aşama. Hızlı ama hesap yoğun.

Ön Eğitim (Pretraining)

Modelin büyük miktarda genel veriyle temel bilgi ve dil yeteneklerini kazandığı ilk eğitim aşaması. Fine-tuning'in temelini oluşturur.

Öneri Sistemi (Recommendation System)

Sana en uygun film, ürün ya da şarkıyı milyonlarca seçenek arasından öne çıkaran sistem. Netflix, Spotify ve e-ticaretin arkasındaki motor.

Örnekleme (Sampling)

Dil modellerinin bir sonraki kelimeyi seçme yöntemi. Temperature ve top-p gibi parametreler bu süreci doğrudan etkiler.

Öz-Denetimli Öğrenme (Self-Supervised Learning)

Etiketsiz veriden, verinin kendi parçalarını tahmin ettirerek öğrenme. LLM'lerin internet metninden bedava "etiket" çıkarmasının sırrı.

Öz-Dikkat (Self-Attention)

Bir cümledeki her kelimenin, diğer tüm kelimelerle ne kadar ilgili olduğunu hesaplayan mekanizma. Transformer'ın kalbi burada atar.

Öz-Tutarlılık (Self-Consistency)

Modele aynı soruyu birkaç kez çözdürüp en çok tekrar eden cevabı seçme yöntemi. Tek seferlik tahmine göre daha isabetli sonuç verir.

Öznitelik (Feature)

Bir modelin girdi olarak kullandığı ölçülebilir bilgi parçası. Model dünyayı ham veriyle değil, bu özniteliklerle görür.

Öznitelik Haritası (Feature Map)

Bir evrişimli ağın (CNN) bir katmanının görüntüde ne gördüğünü gösteren çıktı. Kenarlar, dokular, sonra da tüm nesneler burada belirir.

Öznitelik Mühendisliği (Feature Engineering)

Ham veriyi modelin daha iyi öğrenebileceği anlamlı girdilere dönüştürme işi. Çoğu zaman modeli değiştirmekten daha çok fark yaratır.

Öznitelik Seçimi (Feature Selection)

Modeli eğitmeden önce onlarca değişken arasından gerçekten işe yarayanları ayıklama işi. Gürültüyü at, sinyali tut.

Üretici Çekişmeli Ağ (GAN)

İki sinir ağının birbiriyle yarıştığı mimari: biri sahte üretir, biri yakalamaya çalışır — sonuçta inanılmaz gerçekçi görüntüler çıkar.

Üretken Yapay Zeka (Generative AI)

Metin, görsel, ses, kod — yani sıfırdan yeni içerik üreten yapay zeka türü. Sınıflandırmaz, tahmin etmez; üretir.

İçeri Boyama (Inpainting)

Bir görselin sadece seçtiğin bölgesini AI ile yeniden çizdirme. Fazlalığı sil, eksiği tamamla ya da bir nesneyi değiştir.

İleri Beslemeli Ağ (Feed-Forward Network)

Transformer'da her attention katmanının ardından gelen küçük sinir ağı; token'ları tek tek işleyip modele asıl "işleme" kapasitesini veren katman.

İnce Ayar (Fine-tuning)

Genel amaçlı bir modeli belirli bir görev veya alan için ek verilerle özelleştirme süreci.

İnsan Döngüde (Human-in-the-Loop)

Bir AI sisteminin kritik adımlarında insan onayı veya düzeltmesi isteyen tasarım yaklaşımı. Model önerir, insan karar verir.

İnsan Geri Bildirimiyle Pekiştirmeli Öğrenme (RLHF)

İnsan değerlendirmelerini kullanarak modeli daha yardımcı, dürüst ve güvenli hale getiren eğitim tekniği.

İş Akışı (Workflow)

Yapay zeka çağrılarının ve araçların önceden yazılmış sabit bir sırayla çalıştığı düzen. Ajanın aksine adımları model değil, sen belirliyorsun.

İşbirlikçi Filtreleme (Collaborative Filtering)

Sana öneri sunarken "senin gibi insanlar neyi sevdi?" sorusundan yola çıkan yöntem. Netflix, Spotify ve e-ticaretin öneri motorunun temeli.

İstek Sınırı (Rate Limit)

Bir API'nin belirli sürede kabul ettiği maksimum istek sayısı. Aşarsanız "Too many requests" hatası alırsınız ve beklemeniz gerekir.

İzole Sistem (Air-Gapped)

İnternetten ve dış ağlardan tamamen fiziksel olarak kesilmiş bilgisayar veya sistem. Veri sızıntısının kabul edilemez olduğu ortamlarda kullanılır.