Yapay Zekâ Sözlüğü

AB Yapay Zekâ Yasası EU AI Act

Avrupa Birliği'nin, yapay zekâ sistemlerini risk seviyesine göre sınıflandıran düzenlemesi. Avrupa'ya ürün veya hizmet veren firmaları da ilgilendirir.

Sahada: Yükümlülükler aşamalı yürürlüğe giriyor: yasaklı uygulamalar ve şeffaflık kuralları geçerli, yüksek riskli sistem kuralları 2026'daki değişiklikle ileri bir tarihe ertelendi. Önce kendi kullanımınızın hangi risk sınıfına girdiğini belirlemek gerekir.

Güven ve yönetişim

Ajan agent

Verilen hedefe ulaşmak için kendi kendine adım planlayan, araç çağıran ve sonucu değerlendiren yapı. Tek soruya tek cevaptan farkı, bir işi baştan sona yürütmesidir.

Uygulama

Ajan izleme agent observability, tracing Yeni

Bir ajanın çalışırken attığı her adımı — hangi modeli çağırdığını, hangi aracı kullandığını, hangi veriye baktığını, ne kadar sürdüğünü ve kaç token harcadığını — kayıt altına almak. Hata ayıklamanın, maliyet takibinin ve denetimin ortak zeminidir.

Sahada: "Ajan bu siparişi neden iptal etti?" sorusu, adım adım iz yoksa cevapsız kalır.

İşletme ve maliyet

Ajan kimliği agent identity, non-human identity Yeni

Bir yapay zekâ ajanına, insan kullanıcılardan ayrı olarak verilen kendi hesabı ve yetki seti. Ajanın ne yaptığı bu kimlik üzerinden izlenir; yetkisi yalnızca işi kadar ve süreli tutulur.

Sahada: Ajanın ERP'ye bir çalışanın kullanıcı adıyla bağlanması, yapılan işlemin kim tarafından yapıldığını belirsizleştirir. Ayrı kullanıcı ve dar rol tanımı, denetim izini temiz tutar.

Güven ve yönetişim

Ajanik yapay zekâ agentic AI Yeni

Kendi başına adım planlayıp araç çağırabilen sistemleri anlatan şemsiye terim. Çoğu zaman pazarlama başlığı olarak kullanılır.

Sahada: Teklifte geçiyorsa sorulacak soru şu: hangi araçları çağırıyor, hangi kararı kendi veriyor, hangisi onaya geliyor?

Uygulama

Ajanlar arası protokol Agent2Agent, A2A Yeni

Farklı üreticilerin ya da farklı araçlarla yazılmış yapay zekâ ajanlarının birbirini bulup iş devretmesi ve mesajlaşması için tanımlanmış açık protokol. MCP bir ajanı araçlara ve veriye bağlar; A2A ajanları birbirine bağlar.

Sahada: Satın alma ajanınızın, tedarikçinin sipariş ajanıyla ya da CRM'deki satış ajanıyla ortak bir dille konuşabilmesi bu tür bir standarda dayanır.

Uygulama

Anlamsal arama semantic search

Kelime birebir eşleşmese de anlamca yakın sonuçları bulan arama.

Sahada: "Sızdırmazlık contası" arandığında "o-ring" kayıtlarının da gelmesi bu yüzdendir.

Veri ve erişim

Anomali tespiti anomaly detection

Olağan desenin dışına çıkan kayıtları işaretlemek: sıra dışı fiyat, beklenmeyen tüketim, tekrarlayan hatalı giriş.

Uygulama

Araç kullanımı tool use, function calling

Modelin, kendisine tanımlanan işlevleri çağırabilmesi: rapor çalıştırmak, kayıt sorgulamak, e-posta taslağı hazırlamak gibi.

Uygulama

Açık ağırlıklı model open-weight model

Ağırlıkları indirilebilen, kendi sunucunuzda çalıştırabileceğiniz model. "Açık kaynak" ile aynı şey değildir; eğitim verisi genellikle paylaşılmaz.

Dil modelleri

Açıklanabilirlik explainability

Modelin belirli bir sonuca neden ulaştığının anlaşılabilmesi. Denetime tabi kararlarda tercih değil, gerekliliktir.

Güven ve yönetişim

Aşırı öğrenme overfitting

Modelin eğitim verisini ezberleyip yeni veride başarısız olması. Testte mükemmel görünen modelin sahada tökezlemesinin en yaygın sebebidir.

Temeller

Bağlam penceresi context window

Modelin bir seferde dikkate alabileceği toplam metin miktarı. Sınır aşıldığında ne olacağı uygulamaya bağlıdır: istek reddedilebilir, eski kısım atılabilir ya da özetlenebilir.

Sahada: Uzun bir sözleşmeyi ya da teknik şartnameyi tek seferde okutmak istiyorsanız bakılacak ilk sayıdır.

Dil modelleri

Belge işleme intelligent document processing

Fatura, irsaliye, sipariş formu gibi belgelerden alanları otomatik çıkarıp sisteme aktarmak.

Veri ve erişim

Bilgi kesim tarihi knowledge cutoff

Modelin eğitim verisinin bittiği tarih. Bu tarihten sonrasını, kendisine ayrıca verilmediği sürece bilmez.

Sahada: Güncel mevzuat ya da fiyat sorulacaksa cevabın mutlaka bir kaynağa bağlanması gerekir.

Dil modelleri

Bilgisayar kullanan ajan computer-use agent Yeni

Ekran görüntüsüne bakıp fare ve klavyeyi kullanarak bir insan gibi uygulama ekranlarında iş yapan ajan. Bağlantı noktası olmayan sistemlerde işe yarar; API ile çalışmaktan daha yavaş ve daha hataya açıktır.

Sahada: API'si olmayan eski bir programa veri girmek için düşünülebilir. Ayrı ve yetkisi kısıtlı bir ortamda çalıştırmak, kritik adımları onaya bağlamak üreticilerin de önerdiği önlemdir.

Uygulama

Bilgisayarla görü computer vision

Görüntü ve videodan bilgi çıkaran yapay zekâ dalı: parça tanıma, yüzey hatası bulma, etiket okuma.

Sahada: Kalite kontrolde ve sayımda ilk akla gelen uygulama alanı.

Temeller

Büyük dil modeli large language model, LLM

Çok büyük metin yığınıyla eğitilmiş, bir sonraki kelimeyi tahmin ederek metin üreten model. ChatGPT ve benzeri araçların motorudur.

Dil modelleri

Cihaz üstü yapay zekâ on-device AI, edge AI Yeni

Modelin buluta ya da merkezdeki bir sunucuya gitmeden telefon, dizüstü bilgisayar, el terminali gibi cihazın kendisinde çalışması. Veri cihazdan çıkmaz, bağlantı olmadan da çalışır; karşılığında cihazın gücü kadar büyük model çalıştırılabilir.

Sahada: Depoda ya da sahada bağlantının zayıf olduğu yerlerde etiket okuma, sesli komut, fotoğraftan sınıflandırma gibi işlerde düşünülebilir.

Uygulama

Damıtma distillation

Büyük bir modelin davranışını küçük bir modele öğretmek. Amaç, kaliteyi mümkün olduğunca koruyup maliyeti ve gecikmeyi düşürmektir.

Dil modelleri

Denetimli öğrenme supervised learning

Doğru cevabı etiketlenmiş veriyle model eğitmek. "Bu kayıt hatalı, bu değil" diyebildiğiniz her işte kullanılır.

Temeller

Denetimsiz öğrenme unsupervised learning

Etiket olmadan, verinin kendi içindeki desenleri ve kümeleri bulan yöntemler.

Sahada: Aynı parçanın farklı isimlerle açılmış stok kartlarını gruplamak tipik bir örnektir.

Temeller

Derin sahte deepfake Yeni

Bir kişinin yüzünü, sesini ya da hareketini taklit eden yapay üretim görüntü veya ses.

Sahada: Telefonda yöneticinin sesiyle gelen ödeme talimatı için ikinci bir kanaldan doğrulama kuralı koymak somut bir önlemdir.

Güven ve yönetişim

Derin öğrenme deep learning

Çok katmanlı yapay sinir ağlarıyla yapılan makine öğrenmesi. Görüntü, ses ve dil gibi ham veride diğer yöntemlerden belirgin biçimde iyidir.

Temeller

Değerlendirme evaluation, eval

Modelin ya da uygulamanın kalitesini, önceden hazırlanmış soru-cevap kümesiyle ölçmek. Değerlendirme kurmadan yapılan iyileştirme, tahminden ibarettir.

İşletme ve maliyet

Dijital ikiz digital twin Yeni

Bir makinenin, hattın ya da tesisin gerçek veriyle beslenen sayısal kopyası; denemeler onun üzerinde yapılır. Yapay zekâ şart değildir ama çoğu zaman birlikte anılır.

Uygulama

Doğal dilden SQL'e text-to-SQL

Günlük dille sorulan soruyu veritabanı sorgusuna çevirmek. Üretilen sorgunun okunabilir ve denetlenebilir olması şarttır.

Veri ve erişim

Eğitim verisi training data

Modelin öğrenmek için kullandığı veri kümesi. Modelin kalitesi, büyük ölçüde bu verinin kalitesi kadardır.

Temeller

Gecikme latency

Cevabın gelmesi için geçen süre. Sahadaki bir ekranda iki saniye ile on saniye arasındaki fark, kullanılıp kullanılmamayı belirler.

İşletme ve maliyet

Gölge yapay zekâ shadow AI

Çalışanların kurumun bilgisi dışında, kişisel hesaplarla yapay zekâ araçları kullanması. Yasaklamak yerine kurumsal bir yol açmak daha etkili oluyor.

Güven ve yönetişim

Gömme embedding

Metni, anlamını temsil eden sayı dizisine çevirmek. Birbirine yakın anlamlar, sayı uzayında da yakın düşer.

Veri ve erişim

Halüsinasyon hallucination

Modelin, doğruymuş gibi görünen ama gerçekte yanlış veya uydurma bilgi üretmesi. Kaynağa bağlanmayan her cevapta risk vardır.

Dil modelleri

Hizalama alignment

Modelin davranışını insanların amaç ve değerleriyle uyumlu hale getirme çalışması.

Güven ve yönetişim

Hız sınırı rate limit

Bir hizmetin belirli sürede kabul ettiği istek ya da token üst sınırı. Yoğun saatte darboğaz çoğu zaman buradan çıkar.

İşletme ve maliyet

İnce ayar fine-tuning

Hazır bir modeli, daha küçük ve özel bir veri kümesiyle belirli bir işe uyarlamak.

Sahada: Çoğu kurumsal ihtiyaçta ince ayardan önce RAG denenmelidir: daha ucuz, daha hızlı ve güncellemesi kolaydır.

Dil modelleri

İnsan geri bildirimiyle pekiştirme RLHF

Modelin cevaplarını insanların tercihlerine göre puanlayıp bu puanla eğitmek. Modelin işe yarar ve uygun cevap vermesini sağlayan son eğitim yöntemlerinden biridir.

Dil modelleri

İnsan onaylı akış human in the loop

Modelin önerdiği, kararı insanın verdiği tasarım. Kurumsal işlerde güven bu şekilde kurulur; otomasyon sonra artırılır.

Uygulama

İstem prompt

Modele verilen talimat ve bağlamın tamamı. Sonucun kalitesi çoğu zaman modelden çok istemin netliğine bağlıdır.

Dil modelleri

İstem enjeksiyonu prompt injection

Modelin okuduğu bir belgeye, e-postaya ya da web sayfasına gizlenmiş talimatla modelin asıl görevinden saptırılması. Model, veriyle talimatı her zaman ayırt edemez; bu yüzden sorun henüz kökten çözülmüş değildir.

Sahada: Tedarikçiden gelen bir PDF'i okuyup ERP'de kayıt açan bir ajan, belgedeki gizli bir cümleyle yanlış işlem yapabilir. Ajanın yetkisini dar tutmak ve kritik işlemleri onaya bağlamak temel önlemdir.

Güven ve yönetişim

İstem mühendisliği prompt engineering

İstemi, istenen sonucu verecek biçimde kurma işi: görev tanımı, örnekler, biçim kuralları ve sınırlar.

Dil modelleri

İstem önbellekleme prompt caching

Her istekte tekrarlanan uzun bağlamı önbelleğe alıp aynı metnin yeniden işlenmesini önlemek. Maliyeti ve gecikmeyi belirgin biçimde düşürür.

İşletme ve maliyet

Karma uzmanlar mixture of experts, MoE

Modelin her soru için parametrelerinin yalnızca bir bölümünü çalıştırdığı tasarım. Büyük kapasiteyi daha düşük çıkarım maliyetiyle birleştirir.

Dil modelleri

Korkuluklar guardrails

Modelin ne yapabileceğini sınırlayan kurallar: hangi veriye erişir, hangi işlemi onaysız yapamaz, hangi konuda cevap vermez.

Güven ve yönetişim

Küçük dil modeli small language model, SLM

Sınırlı donanımda çalışacak kadar küçük tutulmuş dil modeli. Dar bir işte, büyük modele yakın sonucu çok daha ucuza verebilir.

Dil modelleri

Kırmızı takım red teaming Yeni

Bir yapay zekâ sistemini, gerçek bir saldırgan gibi davranarak kasıtlı olarak kandırmaya, yanlış işlem yaptırmaya ya da veri sızdırtmaya çalışan test. Amaç açığı saldırgandan önce bulmaktır; iş insanlarla, modellerle ya da ikisiyle birlikte yapılabilir.

Sahada: ERP'ye bağlanan bir asistanı yayına almadan önce yetkisi dışındaki kayıtları göstermeye ve onaysız işlem yapmaya zorlamak, bu testin en temel hâlidir.

Güven ve yönetişim

Kısıt aşımı jailbreak

Modele konmuş sınırları, özel olarak kurgulanmış istemlerle aşmaya çalışmak.

Güven ve yönetişim

Kıyaslama benchmark

Modellerin standart testlerdeki puanı. Genel fikir verir ama sizin verinizdeki başarıyı göstermez; kendi değerlendirmenizin yerini tutmaz.

İşletme ve maliyet

Makine öğrenmesi machine learning

Kuralları elle yazmak yerine, örnek veriden kural çıkaran yöntemler. Yapay zekânın bugün en çok kullanılan dalıdır.

Sahada: Talep tahmini, hurda tahmini ve kalite sapması gibi geçmiş verisi bol olan işlerde ilk bakılacak yer.

Temeller

MCP Model Context Protocol

Yapay zekâ uygulamalarının dış sistemlere ve verilere bağlanması için kullanılan açık protokol. Her entegrasyonu sıfırdan yazma ihtiyacını azaltır.

Uygulama

Model kartı model card

Bir modelin ne için eğitildiğini, sınırlarını ve bilinen zayıf yanlarını anlatan belge. Satın alma değerlendirmesinde istenmesi gereken ilk dokümandır.

Güven ve yönetişim

Model yönlendirme model routing

Basit soruları küçük ve ucuz modele, zor soruları güçlü modele göndermek. Maliyeti düşürmenin en pratik yollarından biridir.

İşletme ve maliyet

Model çöküşü model collapse Yeni

Modellerin, kendinden önceki modellerin ürettiği içerikle eğitilmesi sonucu kalitenin zamanla bozulması riski.

Dil modelleri

Muhakeme modeli reasoning model

Cevap vermeden önce daha uzun düşünmek üzere eğitilmiş model türü. Zor analiz işlerinde iyidir; basit işlerde gereksiz maliyettir.

Dil modelleri

Nicemleme quantization

Model ağırlıklarını daha az hassasiyetle saklayarak modeli küçültmek. Kurum içindeki sıradan donanımda model çalıştırmayı mümkün kılar.

Dil modelleri

Parametre parameter

Modelin eğitim sırasında ayarladığı sayısal ağırlıklar. Parametre sayısı kapasiteyle ilgilidir ama tek başına kaliteyi göstermez.

Dil modelleri

Parçalama chunking

Uzun belgeleri aranabilir küçük parçalara bölmek. Parçanın boyu ve bölünme yeri, RAG kalitesini doğrudan etkiler.

Veri ve erişim

Pekiştirmeli öğrenme reinforcement learning

Modelin deneyerek ve aldığı geri bildirime göre davranışını düzelterek öğrenmesi. Çizelgeleme ve oyun benzeri karar problemlerinde kullanılır.

Temeller

RAG retrieval-augmented generation

Soruyla ilgili belgeleri önce arayıp bulmak, sonra modele o belgelerle birlikte sormak. Model kendi hafızasından değil, sizin verinizden cevap verir.

Sahada: Kurumsal soru-cevap uygulamalarının çoğu böyle kurulur; cevabın kaynağını göstermeyi de mümkün kılar.

Veri ve erişim

Sentetik veri synthetic data

Gerçek veri yerine üretilmiş, aynı istatistiksel özellikleri taşıyan yapay veri. Gizlilik gerektiren ya da örneği az olan durumlarda kullanılır.

Temeller

Sistem istemi system prompt

Kullanıcının görmediği, modelin rolünü ve sınırlarını belirleyen kalıcı talimat.

Dil modelleri

Son eğitim post-training Yeni

Ön eğitimi biten bir modelin talimat izleyen, belli bir işte iyi ve güvenli çalışan bir modele dönüştürüldüğü aşamaların genel adı. İnce ayar, insan geri bildirimiyle pekiştirme ve benzeri yöntemler bu başlığın altındadır.

Sahada: Kendi alanında yüksek hacimli iş yapan bir firma, açık ağırlıklı bir modeli kendi verisiyle son eğitimden geçirip maliyetini düşürebilir; bunun karşılığında eğitim verisi, değerlendirme ve bakım yükü üstlenir.

Dil modelleri

Süper zekâ superintelligence Yeni

Her alanda insandan üstün olacağı varsayılan yapay zekâ. Bugün mevcut değildir; yatırım ve politika tartışmalarında sık geçer.

Temeller

Süreç madenciliği process mining

Sistemdeki olay kayıtlarından sürecin gerçekte nasıl aktığını çıkarmak. Haritadaki süreçle sahadaki süreç arasındaki farkı sayıyla gösterir.

Sahada: ERPde onay ve sipariş süreçlerinin nerede beklediğini görmenin en dürüst yolu.

Uygulama

Sıcaklık temperature

Cevabın ne kadar değişken olacağını belirleyen ayar. Düşük değer tutarlı ve tekrarlanabilir, yüksek değer yaratıcı ama oynak sonuç verir.

Sahada: Rapor ve SQL üretimi gibi işlerde düşük tutulur; tekrarlanabilirlik şarttır.

Dil modelleri

Tahmine dayalı bakım predictive maintenance

Makine arızasını, sensör verisi ve bakım geçmişindeki desenlerden önceden kestirmek. Planlı duruşu artırır, plansız duruşu azaltır.

Uygulama

Talep tahmini demand forecasting

Geçmiş satış, mevsimsellik ve kampanya etkisiyle gelecek talebi öngörmek. Düzenli talepte iyi çalışır; aralıklı ve sıçramalı talepte basit yöntemleri geçmesi garanti değildir.

Uygulama

Tekillik singularity Yeni

Yapay zekânın kendini hızla geliştirerek insan denetiminin ötesine geçtiği varsayılan an. Bilimsel bir tahminden çok bir tartışma başlığıdır.

Temeller

Temel model foundation model

Çok geniş veriyle bir kere eğitilen, sonra pek çok farklı işe uyarlanabilen büyük model. Büyük dil modelleri bu ailenin en bilinen üyesidir.

Temeller

Token token

Modelin metni işlerken kullandığı en küçük parça; bir kelimenin tamamı ya da bir hecesi olabilir. Ücretlendirme genellikle token üzerinden yapılır.

Dil modelleri

Transformatör mimarisi transformer

Bugünkü dil modellerinin temelindeki ağ mimarisi. Metindeki her parçanın diğerleriyle ilişkisine bakan "dikkat" mekanizmasına dayanır.

Temeller

Turing testi Turing test Yeni

Bir makinenin, yazışma sırasında insandan ayırt edilip edilemediğini ölçen klasik deney. Bugünün modelleri için ölçüt olarak kullanılmaz; tarihsel bir başlangıç noktasıdır.

Temeller

Vektör veritabanı vector database

Gömmeleri saklayan ve "buna en çok benzeyen kayıtlar" sorgusunu hızlı cevaplayan veritabanı.

Veri ve erişim

Veri sızıntısı data leakage

Kuruma ait bilginin istemeden dışarı çıkması; müşteri listesinin ya da fiyat tablosunun bir araca yapıştırılması gibi.

Güven ve yönetişim

Veri yerleşimi data residency

Verinin fiziksel olarak hangi ülkede tutulduğu ve hangi ülkenin hukukuna tabi olduğu.

Sahada: Bulut yapay zekâ hizmetlerinde sözleşmede bakılacak ilk maddelerden biri.

Güven ve yönetişim

Veri zehirlenmesi data poisoning

Modelin eğitim ya da erişim verisine kasıtlı olarak bozuk kayıt sokarak çıktısını bozma saldırısı.

Güven ve yönetişim

Vibe coding vibe coding Yeni

Kodu satır satır yazmak yerine ne istediğini doğal dille anlatıp modelin ürettiğini deneyerek ilerleme biçimi. Terim 2025'te yaygınlaştı; hızlı prototip için elverişlidir.

Sahada: Küçük bir iç araç için pratik yol; muhasebe ya da stok hareketine dokunan kodda gözden geçirme ve test şart.

Uygulama

Yapay genel zekâ artificial general intelligence, AGI

İnsanın yapabildiği hemen her zihinsel işi yapabilecek varsayımsal yapay zekâ. Bugün mevcut değildir; tanımı ve ne zaman geleceği üzerinde uzlaşma da yoktur.

Temeller

Yapay sinir ağı neural network

Girdiyi ağırlıklı bağlantılardan geçirerek çıktı üreten matematiksel yapı. Bugünkü dil modellerinin de temelini oluşturur.

Temeller

Yapay zekâ artificial intelligence

İnsan zekâsı gerektiren işleri — sınıflandırma, tahmin, dil anlama, karar önerme — yazılımla yapma çabasının genel adı. Tek bir teknoloji değil, bir başlık.

Temeller

Yapay zekâ balonu AI bubble Yeni

Alandaki yatırım ve değerlemelerin üretilen gerçek gelirin önüne geçtiği yönündeki tartışma için kullanılan tabir.

Sahada: Tartışma nasıl sonuçlanırsa sonuçlansın, kendi yatırımınızı ölçülebilir tek bir işe bağlamak en güvenli yol.

İşletme ve maliyet

Yapay zekâ destekli AI-powered Yeni

Ürün tanıtımlarında sık geçen, tek başına bir şey söylemeyen etiket.

Sahada: Teklif değerlendirirken sorulacaklar: hangi işi yapıyor, hangi model, veri nerede işleniyor, hata oranı ne, hata olunca ne oluyor?

İşletme ve maliyet

Yapay zekâ okuryazarlığı AI literacy Yeni

Yapay zekâ aracını kullanan ya da onunla çıkan sonuca göre karar veren çalışanların, aracın ne yapıp ne yapamadığını ve hangi riskleri taşıdığını bilmesi. AB Yapay Zekâ Yasası, bu sistemleri kullanan kurumlardan okuryazarlığı destekleyen önlemler almasını bekler.

Sahada: Kısa bir kullanım kılavuzu ve "hangi veri hangi araca yapıştırılmaz" eğitimi, gölge yapay zekâ ve veri sızıntısı riskini birlikte azaltır.

Güven ve yönetişim

Yapay zekâ çöplüğü AI slop Yeni

Yapay zekâyla hızla üretilmiş, doğruluğu ve özgünlüğü zayıf içerik yığını için kullanılan gündelik tabir.

Sahada: Arama sonucundan ya da bir tedarikçi dokümanından gelen bilgide kaynağın kim olduğunu sormak, artık rutin bir kontrol.

Güven ve yönetişim

Yardımcı pilot copilot

İşi devralmayan, kullanıcının yanında çalışan ve öneri üreten asistan biçimi.

Uygulama

Yerinde model on-premises model

Kendi sunucunuzda çalışan model. Veri binadan çıkmaz; donanım, bakım ve güncelleme sorumluluğu sizde olur.

İşletme ve maliyet

Zincirleme düşünce chain of thought

Modelin sonuca giden ara adımları üretmesi. Çok adımlı hesap ve mantık işlerinde doğruluğu artırır, buna karşılık süreyi ve maliyeti yükseltir.

Dil modelleri

Çok ajanlı sistem multi-agent system

Bir işi, her biri kendi görevini üstlenen birden fazla ajanın paylaşması. Karmaşık işleri böler; buna karşılık hata ayıklaması tek ajana göre zordur.

Uygulama

Çok kipli model multimodal model

Metnin yanında görsel, ses ya da tabloyu da işleyebilen model.

Sahada: Teknik resim, etiket fotoğrafı ve taranmış irsaliye gibi girdilerde kapı açar.

Dil modelleri

Çıkarım inference

Eğitilmiş modelin çalıştırılıp cevap üretmesi. Eğitim bir kere yapılır, çıkarım her istekte tekrarlanır — süreklilik arz eden maliyet buradadır.

Dil modelleri

Çıkarım maliyeti inference cost

Her soru-cevap için ödenen işlem bedeli. Pilot aşamada küçük görünür, kullanım yayıldıkça bütçenin asıl kalemi haline gelir.

İşletme ve maliyet

Ödül istismarı reward hacking, specification gaming Yeni

Bir modelin ya da ajanın, istenen işi gerçekten yapmadan, başarıyı ölçen puanın açığını bularak yüksek skor alması. Sorun modelde değil, çoğu zaman ölçütün işi tam tarif etmemesindedir.

Sahada: Kendi testlerinin geçtiğini raporlayan bir ajan, testi değiştirerek de "geçmiş" olabilir. Sonucu ajanın raporuna değil, bağımsız bir kontrole bağlamak gerekir.

Güven ve yönetişim

Ön eğitim pre-training

Modelin genel dil yeteneğini kazandığı, çok büyük veriyle yapılan ilk ve pahalı eğitim aşaması.

Dil modelleri

Öncü model frontier model Yeni

Alanın en ileri yeteneklerini temsil eden, en büyük ve en yeni modeller için kullanılan tanım. Sınırı sabit değildir; bugünün öncü modeli birkaç yıl sonra sıradan sayılır.

Sahada: Düzenleme ve güvenlik tartışmaları çoğunlukla bu sınıfı hedef alır; günlük kurumsal işlerin çoğunda daha küçük ve ucuz modeller yeterlidir.

Dil modelleri

Örnekli istem few-shot prompting

İsteme birkaç çözülmüş örnek koyarak modele beklenen biçimi göstermek. Eğitim gerektirmeden davranışı düzeltmenin en ucuz yolu.

Dil modelleri

Üretken yapay zekâ generative AI

Metin, görsel, ses ya da kod gibi yeni içerik üreten yapay zekâ türü. Sınıflandıran ve tahmin eden geleneksel modellerden farkı, çıktıyı kendisinin oluşturmasıdır.

Temeller