Yapay zeka sözlüğü

Eğitilmiş ağırlıkları, yani eğitim sırasında öğrendiği sayılar yayımlanmış bir model; böylece insanlar lisans koşulları çerçevesinde onu indirip çalıştırabilir ve uyarlayabilir.

Örnek: Bir geliştirici açık ağırlıklı bir modeli indirip kendi bilgisayarında çalıştırır; böylece belgeler o makinede kalır, ama yine de modelle birlikte gelen lisansa uyması gerekir.

Sık karıştırıldığı kavramlar: Açık ağırlıklar, açık kaynak yapay zekayla aynı şey değildir. Lisans ticari kullanımı veya belirli amaçları sınırlayabilir; eğitim verisi ve eğitim kodu hiç yayımlanmamış olabilir. Open Source Initiative'in tanımladığı şekliyle açık kaynak yapay zeka ise kullanma, inceleme, değiştirme ve paylaşma özgürlüklerinin yanı sıra veri bilgisi, kod ve ağırlıkları gerektirir.

Kaynak: Gemma 4 model overview (Google, okunma: 2026-10-10)

Herkesin her amaçla kullanmasına, incelemesine, değiştirmesine ve paylaşmasına izin veren koşullarla yayımlanan; eğitim kodu, eğitilmiş ağırlıkları ve yetkin bir kişinin benzer bir sistem kurabilmesine yetecek kadar eğitim verisi bilgisiyle birlikte sunulan yapay zeka.

Örnek: Bir araştırma grubu bir modeli ağırlıkları, eksiksiz eğitim kodu ve eğitim verisinin nereden geldiğine dair ayrıntılı bir açıklamayla, her türlü kullanıma izin veren koşullarla yayımlar; böylece diğer ekipler modeli inceleyip kendi sürümlerini yeniden eğitebilir.

Sık karıştırıldığı kavramlar: Açık kaynak yapay zeka ve açık ağırlıklar farklı etiketlerdir. Ağırlıklarını indirebildiğiniz ama eğitim kodunun veya veri bilgisinin paylaşılmadığı ya da lisansının kullanımınızı kısıtladığı bir model, Open Source Initiative tanımına göre açık ağırlıklıdır ama açık kaynak yapay zeka değildir. Etikete güvenmek yerine lisansı okuyun.

Kaynak: The Open Source AI Definition – 1.0 (Open Source Initiative, okunma: 2026-10-10)

Bir modelin son yanıtını vermeden önce sorunu parçalara ayırmak için fazladan adımlar attığı bir çalışma biçimi; genellikle matematik, mantık, planlama veya kod için kullanılır.

Örnek: İki sınav ve yarı zamanlı bir işe göre haftalık bir çalışma programı planlaması istendiğinde, akıl yürütme modundaki bir model daha uzun sürebilir ve son planı göstermeden önce kısıtları tek tek ele alabilir.

Sık karıştırıldığı kavramlar: Akıl yürütmek, haklı olmakla aynı şey değildir: adımlar mantıklı görünse de bir hata içerebilir; bu yüzden sonucu kontrol edin. Genellikle daha yavaştır ve kullanım hakkınızdan daha fazlasını harcayabilir; hızlı bir yeniden yazma veya özet için buna gerek olmayabilir.

Yazılımın bir yapay zeka modeline istek gönderip yanıt almasını sağlayan bir bağlantı; böylece geliştiriciler yapay zekayı kendi uygulamalarına ve iş akışlarına yerleştirebilir.

Örnek: Bir çevrimiçi mağazanın geliştiricisi, yeni bir ürün eklendiğinde kimse bir sohbet uygulaması açmadan her ürün açıklamasının ilk taslağı görünsün diye bir modele API üzerinden bağlanır.

Sık karıştırıldığı kavramlar: Bir modeli API üzerinden kullanmak, sağlayıcının sohbet uygulamasını kullanmaktan farklıdır: özellikler farklıdır ve bazı sağlayıcılarda API kullanımı uygulama aboneliğinden ayrı faturalandırılır. Yapay zeka araçlarını gündelik işler için kullanmak için bir API'ye ihtiyacınız yoktur.

Daha fazla bilgi: Ürünler, modeller ve planlar

Bir yapay zeka modelinin web araması, hesap makinesi veya takvim gibi dış işlevleri ya da hizmetleri çağırıp sonuçları yanıtında kullanabilmesi.

Örnek: Yakınınızdaki bir müzenin açılış saatlerini sorduğunuzda, web araması olan bir araç güncel bir sayfaya bakabilir; araçları olmayan bir model ise yalnızca eğitimde öğrendiklerinden yanıt verebilir.

Sık karıştırıldığı kavramlar: Araç kullanımı tek bir yetenektir; ajan ise birçok adımda birçok aracı kullanabilen bir sistemdir. Araçları olmayan bir model, yanıtı öyle yapmış gibi görünse bile web'i veya takviminizi kontrol edemez.

Daha fazla bilgi: Yapay zeka sizin için neler yapabilir, neler yapamaz

Kaynak: Tool use with Claude (Anthropic, okunma: 2026-10-10)

Bir modelin yanıt yazarken aynı anda dikkate alabildiği metnin tamamı; mesajlarınız, eklediğiniz materyaller ve yanıtın kendisi dahil.

Örnek: Çok uzun bir sohbette, baştaki kısımlar artık bağlam penceresine sığmıyorsa araç başta verdiğiniz ayrıntıları gözden kaçırabilir.

Sık karıştırıldığı kavramlar: Bağlam penceresi uzun süreli bellek değildir: modelin o anda önünde olanı kapsar; ayrı bir bellek özelliği ise (ürünün böyle bir özelliği varsa) sohbetler arasında notlar saklar. Boyutu kelime veya sayfayla değil, token ile ölçülür.

Daha fazla bilgi: Doğru bağlamı verin

Kaynak: Context windows (Anthropic, okunma: 2026-10-10)

Bir modelin eğitim verisinin kapsadığı son tarih; model bu tarihten sonraki olayları veya değişiklikleri bilmeyebilir.

Örnek: Geçen ay değişen bir kuralı sorarsanız, web araması olmayan bir model eski kuralı hâlâ geçerliymiş gibi anlatabilir.

Sık karıştırıldığı kavramlar: Bilgi kesim tarihi, ürünün yayımlandığı veya en son güncellendiği tarih değildir; genellikle daha eskidir. Bir araç web'de arama yaptığında yanıtı bulduğu sayfalara bağlıdır; bu yüzden her iki durumda da tarihleri ve kaynakları kontrol edin.

Daha fazla bilgi: Yapay zeka sizin için neler yapabilir, neler yapamaz, Yapay zekayla araştırma yapın ve kaynakları kontrol edin

Kaynak: How up-to-date is Claude's training data? (Anthropic, okunma: 2026-10-10)

Çok büyük miktarda metin üzerinde, sırada hangi kelimenin veya kelime parçasının gelmesinin olası olduğunu tahmin etmek için eğitilmiş bir yapay zeka modeli türü; bu sayede soruları yanıtlayabilir, yazabilir ve özetleyebilir.

Örnek: “Fotosentezi 10 yaşındaki bir çocuğa anlat” yazdığınızda, sohbet uygulamasının arkasındaki büyük dil modeli yanıtı küçük parçalar halinde yazar; her parça, sırada gelmesi olası olanlar arasından seçilir.

Sık karıştırıldığı kavramlar: Büyük dil modeli uygulamanın kendisi değil, motorudur. Açtığınız sohbet uygulaması, bir veya daha fazla model çalıştıran ve bunların etrafına dosya yükleme, arama veya kayıtlı sohbetler gibi özellikler ekleyen bir yapay zeka ürünüdür.

Daha fazla bilgi: Yapay zeka sizin için neler yapabilir, neler yapamaz, Ürünler, modeller ve planlar

Metin, görsel, ses veya video gibi birden fazla türde girdi veya çıktıyla çalışabilen.

Örnek: El yazısıyla yazılmış bir alışveriş listesinin fotoğrafını çekip aracın bunu yiyecek türüne göre gruplanmış, yazılı bir listeye dönüştürmesini istersiniz.

Sık karıştırıldığı kavramlar: Çok modlu olmak, her girdi türünün her üründe veya planda çalıştığı anlamına gelmez: bir araç görselleri okuyup sesi okuyamayabilir ya da görsel oluşturup video oluşturamayabilir. Aracınızın neleri kabul ettiğini kontrol edin ve bir görseli betimlemesini de diğer tüm çıktılar kadar dikkatle kontrol edin.

Bir yapay zeka modelinin çok büyük miktarda örnek veriden kalıplar öğrendiği ve sonradan nasıl yanıt vereceğini şekillendiren süreç.

Örnek: Bir dil modeli devasa metin koleksiyonları üzerinde eğitilir; böylece cümlelerin genellikle nasıl kurulduğunu ve hangi kelimelerin ve bilgilerin bir arada görünme eğiliminde olduğunu öğrenir.

Sık karıştırıldığı kavramlar: Eğitim, siz modeli kullanmadan önce gerçekleşir; sohbet ettiğinizde model zaten öğrendiklerinden ve sohbette bulunanlardan yararlanır. Sohbetleriniz ancak sağlayıcı onları bu şekilde kullanırsa eğitim verisi olur; gizlilik ayarları bunu kontrol etmenize izin verebilir.

Daha fazla bilgi: Yapay zeka sizin için neler yapabilir, neler yapamaz

Bir sistemin önce seçilmiş bir belge kümesinde ilgili bölümleri bulup modele ilettiği, böylece yanıtın bu içeriğe dayandığı bir yöntem.

Örnek: Bir şirketin yardım botu, personel el kitabında yıllık izinle ilgili bölümü arar, ardından yanıtını bu bölümden yazar ve hangi bölümü kullandığını gösterebilir.

Sık karıştırıldığı kavramlar: Erişimle artırılmış üretim modeli yeniden eğitmez; her seferinde isteğe bulunan metni ekler. İnce ayardan farkı budur. Yanlış bölüm bulunursa veya yanlış okunursa yanıt yine de yanlış olabilir; bu yüzden dayandığı bölümü açın.

Kaynak: Retrieval-augmented generation (RAG) in Azure AI Search (Microsoft, okunma: 2026-10-10)

Bir yapay zeka ürününde verilerinize ne olacağını kontrol eden seçenekler; örneğin sohbetlerinizin sağlayıcının modellerini geliştirmek için kullanılıp kullanılamayacağı ve sohbet geçmişinizin saklanıp saklanmayacağı.

Örnek: Bir sohbet aracını iş için kullanmadan önce ayarlarını açar, sohbetlerinizin modelleri geliştirmek için kullanılmasıyla ilgili seçeneği bulur ve durumunuza ve kurumunuzun kurallarına uyanı seçersiniz.

Sık karıştırıldığı kavramlar: Gizlilik ayarları ürüne, plana ve hesap türüne göre farklılık gösterir ve değişebilir; bu yüzden varsayılan bir ayar olduğunu varsaymak yerine güncel ayarları kendiniz kontrol edin. Model geliştirmeyi kapatmak hiçbir şeyin saklanmadığı anlamına gelmeyebilir; bu yüzden hassas kişisel verileri, şirket verilerini veya başkalarına ait verileri yapıştırmaktan yine de kaçının.

Daha fazla bilgi: Bir araç seçin ve nasıl gittiğini değerlendirin, Bir ofis işini parçalara ayırın

Kaynak: Data controls in ChatGPT (OpenAI, okunma: 2026-10-10)

Bir metin parçasını temsil eden bir sayı listesi; yazılım, iki metin parçasının ne kadar ilişkili olduğunu sayılarının ne kadar yakın olduğuna bakarak ölçebilir.

Örnek: Bir not uygulaması, “aracı tamir ettirmek ne kadar tuttu” diye aradığınızda, kelimeler farklı olsa bile “araba tamir masrafları” başlıklı bir notu bulmak için gömmeleri kullanabilir.

Sık karıştırıldığı kavramlar: Gömme, okuduğunuz bir özet veya yanıt değildir; arama, gruplama ve erişimle artırılmış üretim için arka planda kullanılan dahili bir temsildir.

Kaynak: Vector embeddings (OpenAI, okunma: 2026-10-10)

Bir yapay zeka modelinin gerçeklere aykırı veya kendisine verilen materyalle uyuşmayan metin üretmesi.

Örnek: Bir konu hakkında üç kitap istersiniz; başlıklardan biri ve yazarı gerçek gibi görünür, ama bir kütüphane kataloğunda aradığınızda böyle bir kitap yoktur.

Sık karıştırıldığı kavramlar: Bir halüsinasyonu üsluptan anlayamazsınız: yanlış bir yanıt da doğru bir yanıt kadar emin görünebilir. Bilgi kesim tarihinden kaynaklanan güncel olmayan bilgiden de farklıdır, ama ikisinin de birincil bir kaynakla kontrol edilmesi gerekir.

Daha fazla bilgi: Yapay zekanın söylediklerini nasıl kontrol edersiniz, Yapay zekayla araştırma yapın ve kaynakları kontrol edin

Kaynak: Reduce hallucinations (Anthropic, okunma: 2026-10-10)

Var olan bir modelin, belirli bir şekilde davranması için (örneğin bir kurum üslubuna uyması için) daha küçük bir etiketli örnek kümesiyle ek olarak eğitilmesi.

Örnek: Bir destek ekibi, geçmiş müşteri sorularını onaylanmış yanıtlarla eşleştirerek bir modele ince ayar yapar; böylece yeni yanıtlar aynı ton ve biçimi izler.

Sık karıştırıldığı kavramlar: İnce ayar modelin kendisini değiştirir ve hazırlanmış veri ile teknik kurulum gerektirir. Talimatları veya örnekleri isteminize koymak ya da belgeleri erişimle artırılmış üretim yoluyla bağlamak modeli değiştirmez ve gündelik işler için genellikle daha basit seçenektir.

Kaynak: About supervised fine-tuning for Gemini models (Google Cloud, okunma: 2026-10-10)

Ne istediğinizi anlatmak için bir yapay zeka aracına verdiğiniz talimat, soru veya materyal.

Örnek: “Bu paragrafı 12 yaşındaki bir okuyucu için 80 kelimeyi geçmeyecek şekilde yeniden yaz” bir istemdir; yapıştırılmış bir e-postanın ardından gelen “Yapmam gereken üç şeyi listele” de öyle.

Sık karıştırıldığı kavramlar: Bir istem için özel anahtar kelimelere veya hilelere gerek yoktur. Sade bir dil yeterlidir: işi söyleyin, biraz bağlam verin ve yanıtı hangi biçimde istediğinizi belirtin.

Daha fazla bilgi: İlk sorunuzu sormak, Net bir hedefle başlayın

Yapay zeka modellerini ölçmek ve karşılaştırmak için kullanılan sabit bir test görevleri kümesi; bir puan, modelin belirli koşullar altında o belirli testte nasıl sonuç aldığını gösterir, işiniz için ne kadar faydalı olacağını değil.

Örnek: Bir model, belirli ayarlarla çalıştırılan bir dizi matematik yarışması probleminde yüksek puan alıp yine de toplantı notlarınızın zayıf bir özetini yazabilir.

Sık karıştırıldığı kavramlar: Bir kıyaslama puanı, genel bir faydalılık sıralaması değildir. Sonuçlar kullanılan teste, istemlere ve ayarlara bağlıdır; bu yüzden farklı kaynaklardan gelen puanlar uyuşmayabilir. Kendi işinizi iki üç araçta denemek, ihtiyaçlarınız için daha doğrudan bir kontroldür.

Daha fazla bilgi: Yanıtı adım adım iyileştirin, Bir araç seçin ve nasıl gittiğini değerlendirin

Kaynak: Artificial Analysis Intelligence Benchmarking Methodology (Artificial Analysis, okunma: 2026-10-10)

Bir ürünün içinde yanıtları üreten, bir adla ve genellikle bir sürüm numarasıyla tanımlanan belirli yapay zeka modeli.

Örnek: Bir sohbet uygulaması, numaralı model adlarından oluşan kısa bir listeden seçim yapmanıza izin verebilir; her birine aynı soruyu sormak uzunluk, üslup ve doğruluk bakımından farklı yanıtlar verebilir.

Sık karıştırıldığı kavramlar: Model sürümü motordur; ürün onun etrafındaki uygulamadır, plan ise hangi sürümleri seçebileceğinizi belirler. Daha yeni bir numara işiniz için daha iyi sonuç garantisi vermez; bu yüzden geçiş yapmadan önce kendi işinizle deneyin.

Daha fazla bilgi: Ürünler, modeller ve planlar

Bir yapay zeka ürününe erişim düzeyiniz; örneğin ücretsiz katman veya ücretli abonelik. Hangi özellikleri alacağınızı etkiler.

Örnek: İki sınıf arkadaşı aynı sohbet uygulamasını kullanıyor, ama biri ücretsiz katmanda, diğeri aylık ödeme yapıyor; bu yüzden farklı özellikler, kullanım sınırları veya model seçenekleri görebilirler.

Sık karıştırıldığı kavramlar: Plan bir model veya ürün değildir; kaydolduğunuz hesap düzeyidir. Bazı sağlayıcılarda uygulama aboneliği ve geliştirici API kullanımı ayrı faturalandırılır.

Daha fazla bilgi: Ürünler, modeller ve planlar, Bir araç seçin ve nasıl gittiğini değerlendirin

Kaynak: I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? (Anthropic, okunma: 2026-10-10)

Bir modelin okuduğu ve yazdığı küçük metin birimi; tek bir karakter, bir kelimenin parçası, bütün bir kelime veya bir noktalama işareti olabilir.

Örnek: Kısa ve yaygın bir kelime çoğu zaman tek bir token'dır; uzun veya alışılmadık bir kelime ise birkaç token'a bölünebilir.

Sık karıştırıldığı kavramlar: Token bir kelimeyle aynı şey değildir; bu yüzden token cinsinden belirtilen sınırlar ve fiyatlar kelimeye veya sayfaya tam olarak çevrilemez. Farklı modeller metni farklı şekillerde böler; bu yüzden aynı metin farklı sayıda token edebilir.

Daha fazla bilgi: Doğru bağlamı verin

Kaynak: Understanding and counting tokens (OpenAI, okunma: 2026-10-10)

Çok sayıda örnekten öğrendiği kalıplara dayanarak metin, görsel, ses veya kod gibi yeni içerikler oluşturan yapay zeka.

Örnek: Geri dönüşümle ilgili bir okul afişi için beş olası başlık istersiniz, araç da sizin için beş yeni başlık yazar.

Sık karıştırıldığı kavramlar: Arama motoru sizi zaten var olan sayfalara yönlendirir; üretken yapay zeka ise kulağa doğru gelen ama yine de yanlış olabilen yeni metinler yazar. Araç web'de de arama yapmıyorsa hiçbir şeye bakmıyordur.

Daha fazla bilgi: Yapay zeka sizin için neler yapabilir, neler yapamaz

Dili anlamak, görüntüleri tanımak veya tahminde bulunmak gibi, insanların genellikle insan düşüncesiyle ilişkilendirdiği işleri yapan bilgisayar sistemleri.

Örnek: Fotoğrafları içlerindeki yüzlere göre gruplayan bir fotoğraf uygulaması yapay zeka kullanır; notlarınızdan e-posta taslağı hazırlayan bir sohbet aracı da öyle.

Sık karıştırıldığı kavramlar: Yapay zeka tek bir ürün değil, alanın tamamıdır. Üretken yapay zeka, yeni metin, görsel veya ses oluşturan kısmıdır; spam filtresi gibi birçok başka yapay zeka sistemi yalnızca sınıflandırır, sıralar veya tahmin eder.

Daha fazla bilgi: Yapay zeka sizin için neler yapabilir, neler yapamaz

Bir hedefe doğru birkaç adımda, belli bir bağımsızlıkla çalışan; sırada ne yapacağına karar veren ve bu sırada arama, dosyalar veya başka uygulamalar gibi araçları kullanan bir yapay zeka sistemi.

Örnek: Bir ajandan cuma günü başka bir şehre giden tren saatlerini bulmasını ve ekibinize iki seçenek içeren bir mesaj taslağı hazırlamasını istersiniz; ajan arar, karşılaştırır ve incelemeniz için taslağı yazar.

Sık karıştırıldığı kavramlar: Bir sohbet asistanı siz yönlendirirken her seferinde tek bir mesajı yanıtlar; bir ajan ise sizden daha az girdiyle bir dizi işlem gerçekleştirir. İşlem yapabildiği için neye erişmesine izin verildiğini kontrol edin ve bir şey gönderilmeden, satın alınmadan veya silinmeden önce yaptığı işi gözden geçirin.

Gerçekte kullandığınız uygulama, web sitesi veya özellik; örneğin bir sohbet asistanı veya yazma yardımcısı. Arka planda bir veya daha fazla yapay zeka modeli çalıştırır.

Örnek: Bir not alma uygulaması “Bu sayfayı özetle” düğmesi ekler: düğme ve uygulama üründür, özeti ise arkalarındaki bir model yazar.

Sık karıştırıldığı kavramlar: Ürün, model de plan da değildir. Tek bir ürün birden fazla model veya model sürümü sunabilir; içinde neler yapabileceğiniz yalnızca içindeki modele değil, ürüne, planınıza ve bazen bölgenize bağlıdır.

Daha fazla bilgi: Ürünler, modeller ve planlar, Bir araç seçin ve nasıl gittiğini değerlendirin