tag deep-learning
AI Hızlandırıcı (Yapay Zeka Hızlandırıcısı)
Bu sayfada deep-learning (AI Hızlandırıcı (Yapay Zeka Hızlandırıcısı)) etiketi ile işaretlenmiş 15 yapay zeka kavramını bulabilirsiniz.
AI Hızlandırıcı (İng. AI Accelerator), derin öğrenme ve makine öğrenimi iş yüklerini geleneksel merkezi işlem birimlerine (CPU) kıyasla çok daha verimli ve hızlı işlemek amacıyla geliştirilmiş özel amaçlı donanım birimleridir. Yapay zeka modellerinin eğitim ve çıkarım (inference) aşamalarında milyarlarca matris çarpımı, vektör toplama ve aktivasyon fonksiyonu hesabı gerçekleştirilir; bu işlemler genel amaçlı CPU mimarilerinde ciddi darboğazlar oluşturur. AI hızlandırıcılar, sinir ağı operasyonlarına doğrudan optimize edilmiş paralel işlem birimleri ve özel bellek mimarileriyle bu sorunu çözer. Bu alanda en yaygın kullanılan türler şunlardır: GPU (Grafik İşlem Birimi) — binlerce küçük çekirdeğiyle yüksek paralel işlem kapasitesi sunan ilk popüler AI hızlandırıcı; TPU (Tensör İşlem Birimi) — Google'ın TensorFlow iş yükleri için geliştirdiği özel ASIC; NPU (Sinirsel İşlem Birimi) — akıllı telefon ve IoT cihazlarına entegre, düşük güçte çıkarım yapan çip; FPGA (Sahaya Programlanabilir Kapı Dizisi) — yeniden yapılandırılabilir mimarisiyle esnek optimizasyon imkânı sunan donanım; ASIC (Uygulamaya Özel Entegre Devre) — tek bir iş yükü için tasarlanmış, en yüksek verimlilik oranına ulaşan çip. Hızlandırıcıların performansı; saniyede gerçekleştirilebilen kayan noktalı işlem sayısı (TFLOPS), yüksek bant genişlikli bellek (HBM) kapasitesi, bellek bant genişliği ve chip-to-chip iletişim hızı (NVLink, InfiniBand) gibi metriklerle ölçülür. Enerji verimliliği FLOPS/Watt biriminde ifade edilir ve veri merkezi işletme maliyetlerini doğrudan etkiler. Büyük dil modelleri (LLM) trilyonlarca parametreye ulaştıkça yüzlerce ila binlerce hızlandırıcının NVLink veya InfiniBand ile birbirine bağlandığı kümeler (accelerator clusters) ortaya çıkmıştır. NVIDIA H100/H200 Hopper ve Blackwell serileri, Google Trillium (TPU v6), AWS Trainium2 ve Groq LPU günümüz yapay zeka altyapısının bel kemiğini oluşturmaktadır. Öte yandan uç yapay zeka (edge AI) alanında NPU'lar akıllı telefon, güvenlik kamerası ve araç içi sistemlere gömülerek bulut bağlantısı gerektirmeden gerçek zamanlı çıkarım yapabilmektedir. Bu iki eğilim — bulut kümelerindeki devasa ölçek ve uçtaki düşük güçlü çıkarım — modern AI hızlandırıcı ekosisteminin iki kutbunu tanımlamaktadır.
AI Hızlandırıcı (Yapay Zeka Hızlandırıcısı)
AI Hızlandırıcı (İng. AI Accelerator), derin öğrenme ve makine öğrenimi iş yüklerini geleneksel merkezi işlem birimlerine (CPU) kıyasla çok daha verimli ve hızlı işlemek amacıyla geliştirilmiş özel amaçlı donanım birimleridir. Yapay zeka modellerinin eğitim ve çıkarım (inference) aşamalarında milyarlarca matris çarpımı, vektör toplama ve aktivasyon fonksiyonu hesabı gerçekleştirilir; bu işlemler genel amaçlı CPU mimarilerinde ciddi darboğazlar oluşturur. AI hızlandırıcılar, sinir ağı operasyonlarına doğrudan optimize edilmiş paralel işlem birimleri ve özel bellek mimarileriyle bu sorunu çözer. Bu alanda en yaygın kullanılan türler şunlardır: GPU (Grafik İşlem Birimi) — binlerce küçük çekirdeğiyle yüksek paralel işlem kapasitesi sunan ilk popüler AI hızlandırıcı; TPU (Tensör İşlem Birimi) — Google'ın TensorFlow iş yükleri için geliştirdiği özel ASIC; NPU (Sinirsel İşlem Birimi) — akıllı telefon ve IoT cihazlarına entegre, düşük güçte çıkarım yapan çip; FPGA (Sahaya Programlanabilir Kapı Dizisi) — yeniden yapılandırılabilir mimarisiyle esnek optimizasyon imkânı sunan donanım; ASIC (Uygulamaya Özel Entegre Devre) — tek bir iş yükü için tasarlanmış, en yüksek verimlilik oranına ulaşan çip. Hızlandırıcıların performansı; saniyede gerçekleştirilebilen kayan noktalı işlem sayısı (TFLOPS), yüksek bant genişlikli bellek (HBM) kapasitesi, bellek bant genişliği ve chip-to-chip iletişim hızı (NVLink, InfiniBand) gibi metriklerle ölçülür. Enerji verimliliği FLOPS/Watt biriminde ifade edilir ve veri merkezi işletme maliyetlerini doğrudan etkiler. Büyük dil modelleri (LLM) trilyonlarca parametreye ulaştıkça yüzlerce ila binlerce hızlandırıcının NVLink veya InfiniBand ile birbirine bağlandığı kümeler (accelerator clusters) ortaya çıkmıştır. NVIDIA H100/H200 Hopper ve Blackwell serileri, Google Trillium (TPU v6), AWS Trainium2 ve Groq LPU günümüz yapay zeka altyapısının bel kemiğini oluşturmaktadır. Öte yandan uç yapay zeka (edge AI) alanında NPU'lar akıllı telefon, güvenlik kamerası ve araç içi sistemlere gömülerek bulut bağlantısı gerektirmeden gerçek zamanlı çıkarım yapabilmektedir. Bu iki eğilim — bulut kümelerindeki devasa ölçek ve uçtaki düşük güçlü çıkarım — modern AI hızlandırıcı ekosisteminin iki kutbunu tanımlamaktadır.
DDPM (Gürültü Giderme Difüzyon Olasılık Modeli)
DDPM (Denoising Diffusion Probabilistic Models), Jonathan Ho ve arkadaşları tarafından 2020 yılında yayımlanan, modern difüzyon modellerinin temelini atan çığır açıcı bir üretici yapay zeka modelidir. "Denoising Diffusion Probabilistic Models" (NeurIPS 2020) makalesiyle tanıtılan DDPM, GAN ile kıyaslanabilir görüntü kalitesi sunarken çok daha kararlı bir eğitim sürecine sahip olduğunu kanıtlamıştır. DDPM iki süreçten oluşur. İleri süreçte (forward process, q) temiz veri x₀'a kademeli olarak T adım boyunca Gaussian gürültü eklenir. Her adımda gürültü miktarı, β_t olarak adlandırılan küçük sabit bir değerle kontrol edilir. T adım sonunda (genellikle T=1.000) veri tamamen bir Gaussian dağılımına (saf gürültüye) dönüşür. Ters süreçte (reverse process, p_θ) model, gürültülü bir örnekten başlayarak gerçek veri dağılımını adım adım kurtarmayı öğrenir. Her adımda bir sinir ağı (genellikle U-Net), o adımdaki gürültüyü tahmin eder. Kayıp fonksiyonu sadeleştirilerek "gürültüyü tahmin etmek"e (epsilon prediction) indirgenir. DDPM, sonraki tüm büyük gelişmelerin (DDIM, LDM, Stable Diffusion, DALL-E 2/3) çıkış noktası olmuştur.
Denoising (Gürültü Giderme (Denoising))
Gürültü giderme (Denoising), bir sinyalden, görüntüden veya veri kümesinden istenmeyen rassal bozulmaları (gürültüyü) kaldırmaya yönelik işlemler bütünüdür. Yapay zeka alanında gürültü giderme hem bağımsız bir görev hem de difüzyon modellerinin, ses işlemenin ve görüntü restorasyonunun temel yapı taşıdır. Klasik gürültü giderme yöntemleri arasında ortalama filtresi, Gaussian filtresi ve median filtresi yer alır. Modern derin öğrenme tabanlı yaklaşımlar ise çok daha üstün sonuçlar verir. Konvolüsyonel sinir ağları (CNN) ve U-Net mimarileri, gürültülü girdiyi temiz çıktıya eşleştiren fonksiyonu öğrenir; DnCNN, FFDNet ve Noise2Void gibi mimariler bu kategoridedir. Difüzyon modellerinde gürültü giderme merkezi bir rol üstlenir. Model, belirli bir gürültü seviyesindeki (x_t) örnekten gürültüyü tahmin etmeyi öğrenir. Bu "gürültü tahmini" (ε-prediction) işlemi, Denoising Score Matching teorisine dayanır. Çıkarım sırasında model saf gürültüden (x_T) başlayarak adım adım gürültüyü çıkarır ve temiz veri x₀'a ulaşır. Ses işlemede gürültü giderme, konuşma netleştirme (speech enhancement) ve ses kayıt temizleme için kullanılır. Nvidia RTX Noise Cancellation, DeepFilterNet ve RNNoise bu alandaki öne çıkan araçlardır.
Dropout (Düzenlileştirme Tekniği)
Dropout, derin sinir ağı eğitimi sırasında her güncelleme adımında belirli bir olasılıkla (dropout oranı, p) gizli katman nöronlarının çıkışlarını sıfırlayan ve bu sayede modelin belirli nöronlara aşırı bağımlı kalmasını engelleyen bir düzenlileştirme (regularization) yöntemidir. Srivastava, Hinton, Krizhevsky ve arkadaşları tarafından 2014 yılında yayımlanan "Dropout: A Simple Way to Prevent Neural Networks from Overfitting" başlıklı çalışmayla tanıtılan bu teknik, derin öğrenmenin standart araç kutusuna girmiştir. Tekniğin temel mantığı şöyledir: Eğitim sırasında her mini-batch için rastgele seçilen nöronlar ve onlara bağlı ağırlık bağlantıları geçici olarak kaldırılır. Geriye kalan ağ, seyrek bir alt ağ (sub-network) olarak eğitilir. Böylece her iterasyonda farklı bir mimari öğrenmeye zorlanır. Bu süreç, binlerce farklı ağı aynı anda eğitip tahminlerin ortalamasını almak gibi bir topluluk (ensemble) etkisi yaratır. Test ve çıkarım (inference) aşamasında dropout devre dışı bırakılır; tüm nöronlar aktif kalır. Ancak beklenti tutarlılığını korumak için her nöronun çıkışı (1 − p) faktörüyle çarpılır ya da eğitimde nöron çıkışları 1/(1−p) ile ölçeklenerek test aşamasında herhangi bir ölçeklendirme yapılmaz (inverted dropout). Dropout oranı, uygulamaya göre değişmekle birlikte gizli tam bağlı (fully-connected) katmanlar için 0,2–0,5 aralığı yaygın olarak kullanılır. Evrişimsel katmanlarda oranın daha düşük tutulması ya da Spatial Dropout gibi özel varyantların tercih edilmesi önerilir; tam bağlı olmayan katmanlarda standart dropout dikkat gerektiren yanlı gradyan davranışlarına yol açabilir. Dropout'un derin öğrenme pratiğindeki yeri son derece önemlidir: AlexNet, VGG, ResNet ve transformer temelli modellerin pek çok varyantında kullanılmaktadır. Bununla birlikte Batch Normalization gibi modern düzenlileştirme yöntemlerinin yaygınlaşmasıyla bazı mimarilerde rolü azalmış; hibrit kullanım ön plana çıkmıştır.
Görüntü Segmentasyonu (Görüntü Segmentasyonu)
Görüntü segmentasyonu (Image Segmentation), bir görüntüdeki her pikseli anlamlı kategorilere veya nesne sınıflarına atayarak görüntüyü bölgelere ayıran derin öğrenme tekniğidir. Nesne tespitinin yalnızca sınırlayıcı dikdörtgen üretmesinin aksine, segmentasyon piksel düzeyinde hassasiyet sağlar ve sahnenin ayrıntılı bir haritasını çıkarır. Üç temel alt görev öne çıkar: Semantik Segmentasyon, her pikseli bir sınıfa atar — örneğin "yol", "araç", "yaya" — ancak aynı sınıftaki birden fazla nesne birbirinden ayrılmaz. FCN (Fully Convolutional Network, 2015) ve DeepLab ailesi bu yaklaşımın öncülerindendir. İnstans Segmentasyon ise aynı sınıftaki farklı nesne örneklerini ayrı maskelerle işaretler; Mask R-CNN (He et al., 2017) her nesne için sınırlayıcı kutu ve piksel maskesi üretir ve bu alanın de facto standardı olmuştur. Panoptik Segmentasyon, semantik ve instans segmentasyonunu tek bir çıktıda birleştirerek hem sayılamayan arka plan bölgelerini hem de sayılabilir nesneleri kapsar. 2023'te Meta AI'ın tanıttığı SAM (Segment Anything Model), 1 milyardan fazla maskeyle ön eğitilmiş bir temel modeldir. Kullanıcı nokta, sınırlayıcı kutu ya da metin ipuçlarıyla herhangi bir bölgeyi sıfır-atış segmentasyonla ayırabilir; bu da onu son derece çok yönlü bir araç haline getirir. Uygulama alanları geniştir: tıbbi görüntülemede tümör sınırlarının piksel hassasiyetiyle belirlenmesi, otonom araçlarda yol ve engel ayrımı, uydu fotoğraflarında arazi örtüsü sınıflandırması, endüstriyel üretimde yüzey kusuru tespiti ve artırılmış gerçeklik uygulamalarında arka plan değiştirme bunların başında gelir.
TensorFlow (TensorFlow)
TensorFlow, Google Brain ekibinin 2015 yılında Apache 2.0 lisansıyla açık kaynak olarak yayımladığı, makine öğrenimi ve derin öğrenme modellerini geliştirmek, eğitmek ve üretime almak için kullanılan uçtan uca bir kütüphanedir. GitHub'da 190 binden fazla yıldıza ulaşan proje, hem araştırma prototiplerini hem de milyarlarca kullanıcıya hizmet veren üretim sistemlerini aynı altyapı üzerinde çalıştırır. İsim, iki kavramın birleşiminden gelir: **tensor**, çok boyutlu sayı dizilerini (skaler, vektör, matris ve daha yüksek boyutlar) temsil eden temel veri yapısıdır; **flow** ise bu tensörlerin bir hesaplama grafiği üzerindeki akışını anlatır. Grafikteki her düğüm bir matematiksel işlemdir; otomatik türev (autodiff) mekanizması bu grafik üzerinden gradyanları hesaplayarak geri yayılımı (backpropagation) otomatikleştirir. TensorFlow 1.x'in statik graf ve `session` yapısı öğrenmeyi zorlaştırıyordu. 2019'daki TensorFlow 2.0, eager execution'ı varsayılan yaptı ve Keras'ı resmi yüksek seviyeli API olarak benimsedi; böylece bir görüntü sınıflandırma modeli 10 satırın altında kodla tanımlanabilir hale geldi. `tf.function` dekoratörü ise aynı kodu XLA derleyicisiyle optimize edilmiş grafa çevirerek Python esnekliği ile graf performansını birleştirir. Donanım desteği kütüphanenin en güçlü yanlarından biridir: CPU, NVIDIA GPU (CUDA), Apple Silicon (Metal) ve Google'ın kendi tasarladığı TPU'larda aynı kod çalışır. TPU v5e ve sonrası pod'larda binlerce çipe ölçeklenen dağıtık eğitim, `tf.distribute` API'siyle birkaç satırlık değişiklikle kurulur. 2026 itibarıyla güncel kararlı sürüm TensorFlow 2.21 serisidir; NumPy 2.x uyumluluğu ve uç cihazlar için int2/int4 kuantizasyon desteği bu dönemde eklendi. Mobil tarafta TensorFlow Lite, Google AI Edge çatısı altında LiteRT adıyla bağımsız bir projeye dönüştü ve artık TensorFlow'un yanı sıra PyTorch ile JAX modellerini de çalıştırıyor. Keras 3 ise çoklu-backend mimarisiyle aynı model kodunun TensorFlow, JAX veya PyTorch üzerinde koşmasına imkân tanıyor; Google'ın araştırma tarafında JAX'e yönelmesine karşın TensorFlow üretim dağıtımı, TF Serving ve TFX boru hatlarıyla kurumsal tarafta konumunu koruyor. Kütüphaneyi tek başına bir araçtan çok bir ekosistem olarak düşünmek gerekir. Model geliştirme Keras ile, eğitim izleme TensorBoard ile, veri boru hatları `tf.data` API'siyle, üretim servisleme TF Serving ile, uçtan uca MLOps süreçleri ise TFX ile yönetilir. Tarayıcıda çalışan TensorFlow.js, sunucuya veri göndermeden gizlilik dostu çıkarım yapar; TensorFlow Hub ve Kaggle Models üzerindeki binlerce önceden eğitilmiş model, transfer öğrenmeyle özel bir görevi birkaç saatlik eğitimle çözmeye yeter. Bu bütünlük, tek bir prototipin veri hazırlığından mobil uygulamadaki çıkarıma kadar aynı araç zincirinde ilerlemesini mümkün kılar. Google Arama, YouTube öneri motoru, Google Translate, Airbnb, Uber, Twitter/X ve Spotify gibi sistemlerde üretimde kullanılan TensorFlow; bilgisayarlı görü, doğal dil işleme, öneri sistemleri, zaman serisi tahmini ve konuşma tanıma alanlarında sektör standardı araç zincirleri sunar. Python birincil dil olmakla birlikte C++, JavaScript (TensorFlow.js) ve Java/Kotlin (LiteRT) ile de model çalıştırılabilir. Yeni başlayanlar için resmi tensorflow.org eğitimleri, ücretsiz GPU sunan Google Colab not defterleri ve Coursera'daki TensorFlow Developer sertifika programları en yaygın öğrenme yollarıdır; temel Python ve lise düzeyi lineer cebir bilgisi ilk çalışan modeli eğitmek için çoğu durumda fazlasıyla yeterlidir.
Video Süper Çözünürlük (VSR) (Video Süper Çözünürlük)
Video Süper Çözünürlük (Video Super-Resolution, VSR), düşük çözünürlüklü video karelerini derin öğrenme modelleri aracılığıyla yüksek çözünürlüklü videolara dönüştüren bir yapay zeka teknolojisidir. Geleneksel yükseltme yöntemleri enterpolasyon (bilineer, çift kübik) kullanırken VSR modelleri, hem tek bir karedeki uzamsal bilgiyi hem de ardışık kareler arasındaki zamansal ilişkiyi öğrenerek gerçekçi doku ve kenar detayları sentezler. VSR sistemleri temel olarak iki kategoriye ayrılır: tekrarlayan ağlar (recurrent networks) ve kayar pencere (sliding window) yaklaşımları. Tekrarlayan ağlar, önceki ve sonraki karelerin bilgisini gizli durum vektörlerinde biriktirir; EDVR ve BasicVSR bu kategorinin öncü örnekleridir. EDVR (Enhanced Deformable convolutional Networks for Video Restoration), deformable convolution v2 ile hassas çok-ölçekli hizalama yaparak CVPR NTIRE 2019 Yarışması'nda birinci olmuştur. BasicVSR ve devamı BasicVSR++ (Wang ve ark., 2021-2022), çift yönlü yayılım ve optik akış tabanlı hizalamayı basit ama güçlü bir çerçevede birleştirerek açık kaynak referans mimari konumuna gelmiştir. Son yıllarda Transformer tabanlı ve difüzyon tabanlı yaklaşımlar hız kazanmaktadır. DiffVSR, difüzyon modellerini temporal tutarlılık kısıtlamalarıyla birleştirerek gerçek dünya bozulmalarına karşı güçlü sonuçlar üretir. VideoGigaGAN (Adobe Research, 2024) ise büyük ölçekli GAN mimarisini video domainine taşıyarak 8× büyütmede çarpıcı doku zenginliği sunar. NTIRE Super-Resolution Challenge (CVPR bünyesinde, 2017'den bu yana yıllık düzenlenmektedir) alan için kritik bir kıyaslama zemini işlevi görmektedir. VSR, OTT arşivi upscaling, dijital yayıncılık, güvenlik kameraları, tıbbi görüntüleme ve tarihi film restorasyonu gibi geniş bir yelpazede uygulanmaktadır. Kalite değerlendirmesinde PSNR ve SSIM yanı sıra LPIPS ve NIQE gibi algısal metrikler de kullanılmaktadır.
Voice Activity Detection (VAD) (Ses Aktivite Tespiti)
Ses Aktivite Tespiti (Voice Activity Detection — VAD), bir ses sinyalinde herhangi bir anda konuşma bulunup bulunmadığını otomatik olarak belirleyen bir sinyal işleme ve yapay zeka tekniğidir. VAD, ses akışını anlık olarak analiz ederek konuşma içeren bölümleri (aktif segmentler) arka plan gürültüsünden, sessizlikten veya müzikten ayırt eder. VAD'ın temel görevi, konuşmanın başladığı ve bittiği anları hassas biçimde saptamaktır. Bu bilgi; otomatik konuşma tanıma (ASR), konuşmacı ayrıştırma (speaker diarization), metinden sese (TTS) sistemleri ve VoIP iletişimi gibi uygulamalarda kritik bir ön işleme adımı olarak kullanılır. Geleneksel yaklaşımlarda VAD, enerji eşikleri veya sıfır geçiş hızı (zero-crossing rate) gibi el ile tasarlanmış sinyal özelliklerine dayanırdı. Ancak modern VAD sistemleri derin öğrenme modellerinden — özellikle LSTM ve evrişimsel sinir ağlarından (CNN) — yararlanarak gürültülü ortamlarda bile yüksek doğruluk sağlar. Silero VAD ve WebRTC VAD gibi açık kaynaklı kütüphaneler, gerçek zamanlı uygulamalarda yaygın biçimde tercih edilmektedir. VAD'ın pratik önemi birçok boyutta kendini gösterir. İlk olarak, yalnızca aktif konuşma segmentlerini işleyerek hesaplama maliyetini önemli ölçüde düşürür — bir ASR motoru sessiz dilimleri işlemek yerine kaynakları yalnızca anlamlı bölümlere tahsis eder. İkinci olarak, iletişim uygulamalarında bant genişliği tasarrufu sağlar: VoIP sistemleri sessiz dönemlerde veri paketi göndermeyerek ağ trafiğini azaltır. Üçüncü olarak, konuşmacı ayrıştırma ve toplantı transkripsiyonu gibi ileri aşamalı görevlerin doğruluğunu artırır. Son yıllarda büyük çaplı ses-metin modellerinin (OpenAI Whisper gibi) yaygınlaşmasıyla VAD, uçtan uca ses işleme boru hatlarında (end-to-end pipelines) giderek daha merkezi bir rol üstlenmektedir. Bilhassa uzun ses kayıtlarını yönetilebilir parçalara bölme ve her segmenti bağımsız olarak işleme sürecinde VAD zorunlu bir ara katman işlevi görür. Model boyutu ve gecikme (latency) arasındaki denge, VAD seçimini doğrudan etkileyen temel tasarım parametresidir.
VRAM (GPU Belleği)
VRAM (Video RAM), GPU'nun (grafik işlemci birimi) üzerinde bulunan ve model ağırlıkları, aktivasyonlar ile ara hesaplama verilerini tutan yüksek bant genişlikli bellektir. Sistem RAM'i CPU'ya hizmet ederken VRAM doğrudan GPU çekirdeklerine bağlıdır ve GDDR7 ile 1 TB/s'nin üzerinde, HBM3e ile 8 TB/s'ye varan veri aktarım hızına ulaşır. Bu hız farkı, binlerce çekirdeğin aynı anda veri beklediği paralel hesaplamada belirleyicidir. Yapay zeka tarafında VRAM, çalıştırılabilecek modelin üst sınırını çizen ana donanım kısıtıdır. Bir büyük dil modelinin (LLM) tüm ağırlıkları çıkarım sırasında VRAM'e yüklenir: 7B parametreli bir model FP16 hassasiyetle yaklaşık 14 GB, 4-bit kuantizasyonla 4-5 GB yer kaplar; 70B sınıfı bir model ise FP16'da 140 GB isteyip INT4 ile 35-40 GB'a iner. Ağırlıkların üzerine, bağlam uzunluğuyla büyüyen KV cache ve batch verisi eklenir; 128K token bağlam tek başına gigabaytlarca ek VRAM tüketebilir. Kapasite aşıldığında model ya hiç yüklenmez ya da sistem RAM'ine taşarak (CPU offload) on kata varan yavaşlamayla çalışır. 2026 itibarıyla kapasite yelpazesi geniştir: tüketici tarafında RTX 5090 32 GB GDDR7, RTX 4090 24 GB sunar; veri merkezinde H100 80 GB, H200 141 GB, Blackwell B200 ise 192 GB HBM3e taşır. Apple Silicon farklı bir yol izler: M3 Ultra'da 512 GB'a çıkan birleşik bellek (unified memory), CPU ve GPU tarafından ortak kullanılır ve ayrı VRAM kavramını ortadan kaldırır. Yerel LLM çalıştırma, Stable Diffusion/Flux ile görüntü üretme veya LoRA ince ayarı planlayan herkes için ilk sorulacak soru işlemci hızı değil, kaç GB VRAM olduğudur.
Graph Attention Network (GAT) Nedir? (Dikkat Mekanizmalı Çizge Sinir Ağı)
Graph Attention Network (GAT), çizge (graf) yapılı verilere dikkat mekanizması uygulayan bir yapay sinir ağı mimarisidir. Velickovic ve ekibi tarafından 2018'de ICLR konferansında önerilen GAT, bir düğümün temsilini güncellerken komşu düğümlere sabit ağırlık atamak yerine, her komşu için ayrı dikkat puanları hesaplayarak hangi komşuların daha önemli olduğunu veri odaklı biçimde öğrenir. GAT, bir düğüm ile her komşusu arasında dikkat katsayısı (attention coefficient) hesaplar. Bu katsayılar Leaky ReLU aktivasyonlu küçük bir sinir ağıyla üretilir ve softmax ile normalize edilir. Son düğüm temsili, komşu özelliklerinin bu ağırlıklı toplamından oluşur. Kararlılık ve farklı ilişki örüntülerini yakalamak için çok başlıklı dikkat (multi-head attention) kullanılır; ara katmanlarda başlık çıktıları birleştirilir, çıkış katmanında ortalaması alınır. Çizge Evrişimsel Ağ (GCN), tüm komşulara eşit ağırlık atarken GAT her komşunun önem derecesini veri odaklı biçimde öğrenir. Bu esneklik, değişken büyüklükteki komşuluk yapılarında ve karmaşık ilişkilerde GAT'a belirgin üstünlük sağlar. GNN (Graph Neural Network) ise bu tür tüm çizge sinir ağlarını kapsayan üst terimdir; GCN ve GAT, GNN'nin özel türleridir. GAT başlıca düğüm sınıflandırma, bağlantı tahmini ve çizge sınıflandırma görevlerinde kullanılır. Pratik uygulamalar arasında sosyal ağ analizi, ilaç-protein etkileşim tahmini, moleküler biyoloji, bilgi grafiği tamamlama ve içerik tabanlı öneri sistemleri yer alır. Dikkat katsayıları komşular arasında paralel hesaplandığı için GAT verimlidir ve farklı büyüklükteki komşuluklara doğal uyum sağlar. Üretilen dikkat ağırlıkları yorumlanabilir olduğundan hangi komşuların belirleyici olduğu analiz edilebilir. Türkiye'de ilaç keşfi ve biyoinformatik alanında çalışan araştırma grupları GAT mimarisini aktif olarak kullanmaktadır. GAT'ın 2021'de önerilen GATv2 varyantı, orijinal mimarideki statik dikkat hesabı sorununu gidererek her adımda tam dinamik dikkat üretir. PyTorch Geometric'in GATConv ve GATv2Conv katmanları, araştırmacılara hazır ve optimize edilmiş implementasyonlar sunar. Büyük çizgelerde ölçeklenebilirlik sorunu için mini-batch örnekleme ve Sparse GAT yaklaşımları yaygınlaşmaktadır; bu varyantlar yalnızca seyrek kenar kümeleriyle çalışarak bellek tüketimini önemli ölçüde azaltır.
Konuşmacı Tanıma (Konuşmacı Tanıma)
Konuşmacı Tanıma (Speaker Recognition), ses sinyalinden bir kişinin kimliğini belirlemeye yarayan biyometrik yapay zeka teknolojisidir. İki temel göreve ayrılır: konuşmacı doğrulama (speaker verification) — iddia edilen kimliğin doğruluğunu sınar ("Bu ses gerçekten Ali mi?") ve konuşmacı tanımlama (speaker identification) — ses örneğini kapalı ya da açık bir kümede eşleştirir. Sistem genel olarak üç aşamadan oluşur. Ön işleme aşamasında ham ses MFCC (Mel-Frequency Cepstral Coefficients), filterbanklar veya log-mel spektrogram özelliklerine dönüştürülür. Gömme (embedding) aşamasında x-vector, d-vector veya ECAPA-TDNN gibi derin sinir ağları ses özelliklerini sabit boyutlu bir vektöre sıkıştırır. Puanlama aşamasında bu vektör, kayıtlı kişi profiliyle kosinüs benzerliği veya PLDA (Probabilistic Linear Discriminant Analysis) ile karşılaştırılır; eşik değeri aşıldığında kimlik onaylanır. Modern konuşmacı tanıma sistemleri Transformer tabanlı mimarilerle güçlüdür: WavLM ve HuBERT gibi büyük öz-denetimli (self-supervised) ses modelleri sınırlı etiketli veriyle dahi yüksek doğruluk oranı elde etmektedir. End-to-end yaklaşımlar özellik mühendisliğini ortadan kaldırarak ham dalga formu (waveform) üzerinde doğrudan çalışır. Güvenlik açısından konuşmacı tanıma, sesli banka işlemleri, çağrı merkezi kimlik doğrulama ve akıllı cihaz erişim kontrolünde kullanılmaktadır. Adli bilimlerde ses kaydı analizi ile suç soruşturmalarında kimlik tespitine katkı sağlar. Teknik zorluklar arasında kanal uyumsuzluğu (mikrofondan telefona geçiş), arka plan gürültüsü, konuşmacı yaşlanması ve deepfake ses sahtekarlığı yer alır. Anti-spoofing (sahtecilik engelleme) araştırmaları, yapay seslerle gerçek insan sesini ayırt eden sistemler geliştirmeye odaklanmaktadır. Türkiye'de fintech ve e-devlet alanında biyometrik ses doğrulaması giderek yaygınlaşmaktadır.
Mixed Precision Training Nedir? FP16/BF16 ile Hızlı AI Eğitimi (Karışık Kesinlikli Eğitim)
Karışık Kesinlikli Eğitim (Mixed-Precision Training), derin öğrenme modellerinin eğitim sürecini hızlandırmak ve bellek kullanımını optimize etmek amacıyla farklı kayan nokta kesinliklerini bir arada kullanan bir tekniktir. Yöntem, ileri ve geri yayılım hesaplamaları ile matris çarpımları için düşük kesinlikli sayı formatları (FP16 veya BF16) kullanırken, model ağırlıklarının ana kopyasını ve kayıp biriktirmesini tam kesinlikte (FP32) tutar. Bu hibrit yaklaşım, sayısal kararlılığı ve model doğruluğunu korurken bellek tüketimini yaklaşık %50 azaltır ve eğitim hızını 2-3 kat artırır. Teknik, NVIDIA'nın Volta ve Turing GPU mimarilerinde Tensor Core'ların tanıtılmasıyla pratik hale gelmiştir. PyTorch ve TensorFlow gibi popüler çerçeveler, Otomatik Karışık Kesinlik (AMP) araçlarıyla geliştiricilerin bu tekniği minimal kod değişikliğiyle uygulamasını sağlar. Karışık kesinlikli eğitim, özellikle büyük dil modelleri ve transformer mimarileri için endüstri standardı haline gelmiştir. Micikevicius ve ekibi tarafından BAIDU Research ve NVIDIA işbirliğiyle geliştirilen bu yaklaşım, ICLR 2018'de sunulmuştur.
Natural Language Processing (Doğal Dil İşleme)
Doğal Dil İşleme (NLP — Natural Language Processing), bilgisayarların insan dilini anlama, yorumlama, üretme ve anlamlı biçimde yanıt verme yeteneğini geliştiren yapay zeka dalıdır. Dilbilim, bilgisayar bilimi ve makine öğreniminin kesişim noktasında yer alan NLP, günümüzde ChatGPT gibi sohbet robotlarından Google Arama'ya, otomatik çeviriden sesli asistanlara kadar geniş bir kullanım alanına ulaşmıştır. NLP'nin temel işlem hattı birkaç katmandan oluşur: tokenizasyon (metni sözcük veya alt-sözcük parçalarına ayırma), morfolojik analiz (kelime köklerini ve eklerini çözümleme), sözdizimi çözümlemesi (cümle yapısını ağaçla modelleme) ve anlambilimsel analiz (bağlamı ve niyeti kavrama). Modern derin öğrenme yaklaşımları bu aşamaları büyük ölçüde bütünleşik sinir ağlarıyla uçtan uca öğrenir; BERT ve GPT serisi bu dönüşümün simgesi haline gelmiştir. Türkçe, sondan eklemeli (agglutinative) morfolojisi nedeniyle NLP için özellikle zorlu bir dildir. "Gidebileceklerinden" gibi tek bir sözcük onlarca anlam katmanı barındırabilir. BERTurk, Turkish GPT ve Zemberek gibi projeler Türkçe özelinde çözümler geliştirirken, Byte Pair Encoding (BPE) ve SentencePiece alt-sözcük tokenizasyonu dil modellerinin Türkçeyi verimli işlemesini mümkün kılmaktadır. 2017'de yayımlanan Transformer mimarisi NLP'yi köklü biçimde dönüştürdü: öz-dikkat mekanizması ile modeller uzun menzilli bağımlılıkları yakalayabildi. BERT (2018), GPT-3 (2020) ve ChatGPT (2022) bu dönüşümün kilometre taşlarıdır. Günümüzde büyük dil modelleri (LLM) NLP görevlerinin büyük çoğunluğunda insan düzeyine yaklaşmış ya da aşmıştır. NLP; metin sınıflandırma, adlandırılmış varlık tanıma, makine çevirisi, duygu analizi, soru-cevap sistemleri ve özetleme başta olmak üzere onlarca kritik uygulamaya güç vermektedir. Endüstride NLP bileşenleri yaygın biçimde kullanılmaktadır: müşteri hizmetlerinde chatbot ve otomasyon, hukuk teknolojisinde belge tarama, sağlık alanında klinik not çözümleme ve ilaç literatürü analizi. Retrieval-Augmented Generation (RAG) mimarisinde NLP katmanları, kullanıcı sorgusunu vektör uzayında temsil edip ilgili belgeleri alır; böylece LLM'in güncel ve doğru yanıtlar üretmesi desteklenir. Türkiye'de e-devlet platformları, fintech uygulamaları ve yerli yapay zeka girişimleri Türkçe NLP altyapısına giderek artan yatırım yapmaktadır.
Quantum Machine Learning (Kuantum Makine Öğrenimi)
Kuantum makine öğrenimi (QML), kuantum bilgisayarların süperpozisyon, dolanıklık (entanglement) ve kuantum girişimi (interference) gibi temel mekanik özelliklerini klasik makine öğrenmesi algoritmalarıyla birleştiren disiplinlerarası bir araştırma alanıdır. Temel hedef; büyük veri kümelerini analiz etmek, karmaşık optimizasyon problemlerini çözmek ve yeni kuantum özgün modeller geliştirmek için kuantum bilgisayarların potansiyel hesaplama hızı avantajından yararlanmaktır. QML yaklaşımları üç ana kategoride incelenir: Birincisi, kuantumdan ilham alan algoritmalar (quantum-inspired) klasik donanımda kuantum prensiplerini taklit eder. İkincisi, hibrit kuantum-klasik algoritmalar hesaplamayı kuantum ve klasik işlemciler arasında bölerek bugünün gürültülü ara ölçekli kuantum (NISQ) cihazlarında çalışabilir. Üçüncüsü ise tamamen kuantum algoritmalar teorik olarak tam ölçekli evrensel kuantum bilgisayarı gerektirir. En yaygın QML algoritmaları arasında Kuantum Destek Vektör Makinesi (QSVM), Kuantum Sinir Ağları (QNN), Değişimsel Kuantum Özdeğer Çözücü (VQE) ve Kuantum Yaklaşık Optimizasyon Algoritması (QAOA) sayılabilir. VQE, parametre ayarını klasik optimizatöre bırakırken kuantum durumlarını donanım üzerinde ölçen hibrit bir yapı sunar; bu sayede NISQ cihazlarında da uygulanabilir hale gelir. Uygulama alanları arasında ilaç keşfi ve moleküler simülasyon, finansal portföy optimizasyonu, malzeme bilimi, kriptografi ve lojistik planlaması öne çıkar. IBM Qiskit, Google Cirq, Xanadu PennyLane ve TensorFlow Quantum gibi çerçeveler araştırmacılara kuantum devrelerini simüle etme ve gerçek kuantum donanımına erişim imkânı sunar. Klasik makine öğrenmesine kıyasla "kuantum üstünlüğü" henüz pratikte genel olarak ortaya konulamamıştır; ancak HHL algoritması gibi belirli problem sınıflarında teorik üstel hız kazanımı kanıtlanmıştır. QML, günümüzde ağırlıklı olarak teorik ve deneysel aşamada olmakla birlikte, gelecekte hesaplama yoğun yapay zeka modellerinin eğitimini kökten dönüştürebilecek potansiyele sahiptir.
Word Embedding (Kelime Gömme)
Kelime gömme (word embedding), kelimeleri yüksek boyutlu gerçek sayı vektörlerine dönüştüren temsil öğrenme tekniğidir. Bu yaklaşım, kelimelerin anlamsal ve sözdizimsel ilişkilerini matematiksel uzayda yansıtır: anlamca yakın sözcükler uzayda birbirine yakın konumlanırken farklı anlamlılar uzakta kalır. Klasik bag-of-words yaklaşımı kelimeleri birbirinden bağımsız bir-sıcak (one-hot) vektörlerle temsil ederdi; bu yöntem "kral" ile "hükümdar" arasındaki anlamsal bağı yakalayamıyordu. Word2Vec (2013, Google) ve GloVe (2014, Stanford) mimarileriyle birlikte dense vektör temsilleri yaygınlaştı. Word2Vec'in ünlü örneğinde "kral − erkek + kadın ≈ kraliçe" vektör aritmetiği, modelin anlam ilişkilerini öğrendiğini kanıtladı. Statik kelime gömmelerinin (Word2Vec, GloVe, FastText) temel sınırlaması bağlam körlüğüdür: "banka" kelimesi finans veya nehir kenarı anlamına geldiğinde aynı vektörü alır. Bu sorunu BERT ve GPT gibi bağlamsal dil modelleri çözdü: aynı kelime farklı cümlelerde farklı temsiller üretir. Türkçe için özelleştirilmiş gömmeler mevcuttur: BERTurk, TURK-BERT ve çeşitli FastText modelleri geniş Türkçe corpus'larla eğitilmiştir. Türkçe'nin yapışkan morfolojisi nedeniyle alt-kelime gömmeleri (subword embeddings) ve karakter tabanlı modeller özellikle önem kazanmaktadır. Modern büyük dil modellerinde kelime gömmeleri artık modele özgü ve bağlamsal olup BERT-tarzı tokenizasyon ile çalışır; bu gömmeler arama sistemleri, öneri motorları ve sınıflandırma görevlerinde temel bileşen olmayı sürdürmektedir.