LLM, RAG, token, ajan... 53+ terim, herkesin anlayacağı açıklamalarla. Aramak için yazmaya başla.
İnsana özgü öğrenme, akıl yürütme ve karar verme yeteneklerini taklit eden bilgisayar sistemleri.
Bilgisayarların açıkça programlanmadan, verilerden örüntü öğrenip tahmin yapmasını sağlayan AI dalı.
Çok katmanlı yapay sinir ağlarıyla karmaşık örüntüleri öğrenen makine öğrenmesi alt dalı.
İnsan beynindeki nöronlardan esinlenen, katmanlar halinde bağlı düğümlerden oluşan hesaplama modeli.
Devasa metin verisiyle eğitilen, dili anlayıp üreten model (GPT, Claude, Gemini gibi).
Modern dil modellerinin temelindeki, 'dikkat' mekanizmasıyla çalışan sinir ağı mimarisi.
Modelin bir metindeki hangi kelimelerin birbirine ne kadar ilgili olduğunu tartmasını sağlayan yöntem.
Modelin metni işlediği en küçük birim (genelde bir kelime parçası). Maliyet ve limit token ile ölçülür.
Modelin tek seferde dikkate alabildiği toplam token miktarı; 'hafızasının' sınırı.
Modelin eğitim sırasında öğrendiği ağırlıklar. Sayısı (ör. 70B) modelin kapasitesini gösterir.
Modelin büyük veriyle örüntüleri öğrendiği, en maliyetli aşama.
Hazır bir modeli, kendi özel verinle yeniden eğitip bir göreve uyarlama.
İnsan geri bildirimiyle pekiştirmeli öğrenme; modeli insan tercihleriyle hizalama yöntemi.
Yapay zekaya verdiğin yönerge/komut. İyi prompt = iyi sonuç.
Modele baştan verilen, tüm konuşma boyunca geçerli rol ve kural seti.
Doğru komutlarla yapay zekadan kaliteli sonuç alma sanatı ve tekniği.
Örnek vermeden (zero) ya da birkaç örnek vererek (few) modele görev tarif etme.
Modele 'adım adım düşün' dedirterek muhakeme kalitesini artırma tekniği.
Çıktının ne kadar yaratıcı/rastgele olacağını ayarlayan parametre (düşük=kararlı, yüksek=yaratıcı).
Modelin kelime seçerken dikkate aldığı olasılık havuzunu daraltan örnekleme yöntemi.
Modelin gerçek olmayan ama emin bir dille uydurduğu bilgi. Mutlaka doğrula.
Erişim Destekli Üretim: modelin kendi belgelerinden bilgi çekerek cevap üretmesi.
Metni/görseli anlamı yansıtan sayı vektörlerine çevirme. Arama ve RAG'ın temeli.
Embedding'leri saklayıp anlam-bazlı benzerlik araması yapan veritabanı (Pinecone, Chroma).
Metin, görsel, ses ve videoyu birlikte işleyebilen model.
Yeni metin, görsel, ses veya video üreten yapay zeka türü.
Gürültüden başlayıp adım adım görsel oluşturan üretici model (DALL·E, Midjourney mantığı).
Üretici ve ayırt edici iki ağın yarıştığı, gerçekçi içerik üreten model mimarisi.
Etiketli veriyle (doğru cevaplar bilinerek) eğitim yapılan öğrenme türü.
Etiketsiz veride gizli örüntü ve kümeleri bulan öğrenme türü.
Ödül-ceza ile deneyerek öğrenen, en iyi davranışı keşfeden yaklaşım.
Modelin eğitim verisini ezberleyip yeni veride başarısız olması.
Bir modeli eğitmek/test etmek için kullanılan örneklerin toplandığı küme.
Modelin tahmin için kullandığı girdi değişkeni/sütunu.
Eğitilmiş modelin yeni girdiye cevap üretmesi aşaması (kullanım anı).
Yapay zeka eğitimi ve çıkarımı için kullanılan paralel hesaplama donanımı.
Araçları kullanıp adım adım, kendi başına görev tamamlayan otonom AI sistemi.
AI modellerinin dış araç ve veri kaynaklarına standart şekilde bağlanmasını sağlayan protokol.
Bir yazılımın yeteneklerini başka programların kullanması için sunduğu arayüz.
Ağırlıkları herkese açık, indirilip çalıştırılabilen model (Llama, Mistral, DeepSeek).
Model ağırlıklarını daha az bitle temsil ederek modeli küçültme ve hızlandırma.
Az parametre güncelleyerek modeli verimli biçimde ince ayarlama yöntemi.
Büyük bir modelin bilgisini daha küçük, hızlı bir modele aktarma.
Cevap vermeden önce daha uzun 'düşünerek' karmaşık problemleri çözen model türü.
Kötü niyetli metnin modele gizli komut verip onu kandırdığı güvenlik açığı.
Modelin zararlı/istenmeyen çıktı üretmesini engelleyen koruyucu sınırlar ve kurallar.
Modelin eğitim verisindeki dengesizlikleri yansıtarak adaletsiz sonuç üretmesi.
Genel Yapay Zeka: insan düzeyinde, her alanda öğrenip akıl yürütebilen (henüz kuramsal) yapay zeka.
Bilgisayarların insan dilini anlaması ve üretmesiyle ilgilenen alan.
Bilgisayarların görüntü ve videoyu anlamasını sağlayan yapay zeka alanı.
Modellerin performansını standart testlerle ölçüp karşılaştırma.
Gerçek veri yerine yapay olarak üretilen, eğitim için kullanılan veri.
Kişisel ve hassas verilerin korunması; AI'a paylaşırken dikkat edilmesi gereken konu.