A Harfi ile Başlayan Terimler
Algorithm (Algoritma)
Algoritma, belirli bir problemi çözmek veya belirli bir görevi tamamlamak için adım adım izlenecek kesin, sonlu ve net talimatlar dizisidir. Yapay zekanın temeli olan makine öğrenmesi modelleri, derin öğrenme ağları ve arama motorlarının sıralama sistemlerinin hepsi devasa algoritma koleksiyonlarıdır.
AGI (Yapay Genel Zeka)
AGI (Artificial General Intelligence), bir insanın yapabileceği her türlü zihinsel ve bilişsel görevi en az insan seviyesinde (veya daha iyi) anlayabilen, öğrenebilen ve uygulayabilen varsayımsal bir yapay zeka seviyesidir. Günümüzdeki yapay zekalar "Dar Yapay Zeka" (Narrow AI) sınıfındadır; satrançta dünya şampiyonunu yenebilirler ama araba kullanamazlar. AGI ise tıpkı bir insan gibi bağlamlar arası geçiş yapabilen, genelleme yeteneğine sahip evrensel bir zekayı ifade eder.
Automation (Otomasyon)
Otomasyon, insan müdahalesi en aza indirilerek ya da tamamen ortadan kaldırılarak görev, süreç veya sistemlerin teknoloji aracılığıyla otomatik biçimde yürütülmesidir. Yapay zeka destekli otomasyon, yalnızca tekrarlayan işleri değil; analiz, karar verme ve yaratıcılık gerektiren bilgi işlerini de otomatize ederek yeni bir çağ başlatmıştır.
API (Uygulama Programlama Arayüzü)
API (Application Programming Interface — Uygulama Programlama Arayüzü), iki farklı yazılımın birbirleriyle konuşmasını sağlayan standart kural ve protokoller bütünüdür. Bir yazılımın sunduğu özellikler ve verilere başka bir yazılımın nasıl erişeceğini tanımlar. Günümüzde yapay zeka modellerine (ChatGPT, Gemini, Claude) erişmek için API kullanılmaktadır.
AI Alignment (Yapay Zeka Hizalaması)
Yapay Zeka Hizalaması (AI Alignment), yapay zeka sistemlerinin hedeflerinin, davranışlarının ve amaçlarının insanlığın etik değerleri, niyetleri ve faydası ile uyumlu (aynı hizada) olmasını sağlamaya çalışan çok kritik bir güvenlik ve araştırma alanıdır.
Algorithmic Accountability (Algoritmik Hesap Verebilirlik)
Algoritmik Hesap Verebilirlik (Algorithmic Accountability), yapay zeka ve otomatik karar destek sistemlerinin ürettiği sonuçlardan kimin sorumlu olduğunu tanımlayan ve bu sorumluluğun nasıl denetleneceğini düzenleyen ilkeler bütünüdür. Bir algoritma kredi reddi, iş başvurusu eleme, suç risk değerlendirmesi veya sağlık kaynak tahsisi gibi bireysel yaşamı etkileyen kararlar aldığında, bu kararın arkasındaki insanlar ve kurumlar hesap verebilir olmak zorundadır. Algoritmik hesap verebilirlik kavramı teknik, hukuki ve kurumsal boyutları bir araya getirir. Teknik boyutta modelin nasıl çalıştığı, hangi verilere dayandığı ve hangi hatalara açık olduğu belgelenmeli ve denetlenebilir olmalıdır. Hukuki boyutta ise AB'nin Genel Veri Koruma Yönetmeliği (GDPR) kapsamındaki 'otomatik karar alma hakkına itiraz' maddesi ve AB AI Act'in yüksek riskli sistem gereksinimleri bu sorumluluğu yasal çerçeveye oturtur. Kurumsal boyutta şirketler, kamu kurumları ve denetleyici otoriteler için net sorumluluk zincirleri oluşturulması gerekir. Algoritmik hesap verebilirlik uygulamada çeşitli mekanizmalar aracılığıyla hayata geçirilir: algoritmik etki değerlendirmeleri (Algorithmic Impact Assessment), bağımsız üçüncü taraf denetimleri, şikayet ve itiraz mekanizmaları, açıklama yükümlülükleri ve düzenleyici sand box ortamları bunların başında gelir. Bu alan, özellikle 2010'ların ortasından itibaren ABD ve AB'de kamusal tartışmaların odağına girmiş; Pro Publica'nın COMPAS recidivism algoritması üzerine yaptığı araştırma gibi bulgular hesap verebilirlik taleplerini güçlendirmiştir.
Artificial Neural Networks (ANN) (Yapay Sinir Ağları)
Yapay Sinir Ağları (YSA), beynimizdeki milyarlarca biyolojik nöronun birbirleriyle nasıl bağlandığı ve sinyalleri nasıl ilettiğinden ilham alınarak tasarlanmış, çok katmanlı matematiksel makine öğrenimi algoritmalarıdır. Derin Öğrenmenin temel yapı taşıdır.
Attention Mechanism (Dikkat Mekanizması)
Dikkat Mekanizması (Attention), yapay sinir ağlarının uzun verileri (metin, görüntü, ses) işlerken, insanların yaptığına benzer şekilde verinin sadece önemli veya ilgili kısımlarına "odaklanmasını" sağlayan matematiksel bir tekniktir. Transformer mimarisinin ve günümüz büyük dil modellerinin (LLM) arkasındaki yegane sırdır.
Acoustic Model (Akustik Model)
Akustik Model, otomatik konuşma tanıma (ASR) sistemlerinin temel bileşenidir ve ses sinyalleri ile dilbilimsel birimler (fonemler, seslemler veya sözcükler) arasındaki istatistiksel ilişkiyi temsil eden bir modeldir. Konuşma işlemenin çekirdeğinde yer alan bu yapı, ham ses dalgalarını sayısal özelliklere (genellikle MFCC — Mel Frekansı Kepstral Katsayıları) dönüştürerek hangi sesbirime veya sözcüğe karşılık geldiğini olasılıksal olarak tahmin eder. Tarihsel olarak akustik modeller, Gizli Markov Modelleri (Hidden Markov Models — HMM) ve Gauss Karışım Modelleri (GMM) üzerine inşa edilmiştir. Bu klasik yaklaşımda her fonem, ayrı bir durum makinesiyle temsil edilir ve gözlem olasılıkları Gauss dağılımlarıyla hesaplanır. 1970'lerden 2000'lerin başına kadar konuşma tanımanın baskın paradigması olan bu yöntem, sınırlı veri ve hesaplama gücüyle bile kabul edilebilir sonuçlar vermiştir. Derin öğrenmenin yükselişiyle birlikte akustik modeller köklü bir dönüşüm geçirmiştir. Günümüz sistemlerinde Derin Sinir Ağları (DNN), Tekrarlayan Sinir Ağları (RNN), LSTM ve Transformer mimarileri, HMM ile hibrit ya da tamamen uçtan uca (end-to-end) biçimde kullanılmaktadır. OpenAI'nin Whisper modeli gibi son nesil sistemler, dil modelini ve akustik modeli tek bir Transformer mimarisi altında birleştirerek son derece yüksek doğruluk oranları elde etmektedir. Akustik modelin eğitimi için yüzlerce hatta binlerce saat etiketlenmiş ses kaydı gerekmektedir. Çevre gürültüsü, farklı aksanlar, mikrofon kalitesi ve konuşma hızı gibi faktörler tanıma doğruluğunu doğrudan etkiler. Transfer learning ve self-supervised learning yaklaşımları (wav2vec, HuBERT gibi modeller), etiketli veri ihtiyacını önemli ölçüde azaltmıştır. Akustik model çıkışı genellikle fonem olasılıkları dizisidir; bu olasılıklar dil modeli ile birleştirilerek nihai kelime transkripti üretilir.
Activation Function (Aktivasyon Fonksiyonu)
Aktivasyon Fonksiyonu, bir yapay nörona gelen elektrik sinyalini (matematiksel toplamı) bir sonraki nörona iletip iletmeyeceğine karar veren mantıksal şalterdir (kapı). Ağın doğrusal olmayan (non-linear), yani gerçek dünyadaki gibi karmaşık problemleri çözebilmesini sağlar.
Affective Computing (Duyuşsal Bilişim (Duygu YZ))
Duyuşsal Bilişim (Affective Computing), insan duygularını tanıyan, yorumlayan ve bu duygulara empatiyle veya mantıklı bir simülasyonla yanıt veren yapay zeka sistemlerinin genel adıdır (Emotion AI). Sadece metin analizi (Sentiment Analysis) değil; yüz ifadelerini, ses tonunu, nabzı ve vücut dilini aynı anda inceleyen çok modlu bir daldır.
AIOps (AI for IT Operations) (Bilişim Operasyonları için YZ)
AIOps, devasa şirketlerin IT (Bilişim) operasyonlarını, sunucularını ve bulut altyapılarını yönetmek, izlemek ve sorunları daha insanlar fark etmeden çözmek için yapay zeka, makine öğrenimi ve büyük verinin (Big Data) entegre bir şekilde kullanılması teknolojisidir.
Autonomous Agents (Otonom Ajanlar)
Otonom Ajanlar (Yapay Zeka Ajanları), bir kullanıcı tarafından verilen yüksek seviyeli bir hedefi (örn: "Rakip şirketleri analiz et ve bana bir rapor sun") gerçekleştirmek için, insan müdahalesi olmadan kendi başına alt-görevler üreten, internette araştırma yapan, karar veren ve araçlar (API, tarayıcı, kod) kullanabilen gelişmiş yapay zeka sistemleridir. AutoGPT ve Devin bu alanın öncüleridir.
Artificial Superintelligence (ASI) (Süper Yapay Zeka)
Süper Yapay Zeka (Artificial Superintelligence), sadece matematik, kodlama veya mantık alanında değil; bilimsel yaratıcılık, felsefe, sosyal zeka ve bilgelik dahil olmak üzere hayal edilebilecek her alanda, dünyadaki en zeki insan beyinlerinin toplamından bile milyarlarca kat daha zeki olan varsayımsal yapay zeka seviyesidir.
Anomaly Detection (Anomali (Aykırılık) Tespiti)
Anomali Tespiti (Outlier Detection), genellikle denetimsiz makine öğrenimi modelleri kullanılarak, devasa bir veri havuzu içindeki çoğunluğun davranış şablonuna uymayan, nadir, sapkın veya şüpheli veri noktalarını (olayları) otomatik olarak tespit etme işlemidir. Siber güvenlik, bankacılık ve tıpta hayati bir teknolojidir.
Autoencoder (Oto-Kodlayıcı)
Oto-Kodlayıcılar (Autoencoders), bir girdi verisini alıp önce çok daha küçük ve sıkıştırılmış bir boyuta kodlayan (Encoder), daha sonra bu sıkıştırılmış taslaktan verinin orijinal halini yeniden inşa etmeye çalışan (Decoder) özel bir denetimsiz yapay sinir ağı türüdür. Amacı, verinin en önemli özelliklerini (gizli uzay / latent space) keşfetmektir.
Artificial Narrow Intelligence (ANI) (Dar (Zayıf) Yapay Zeka)
Dar Yapay Zeka (Artificial Narrow Intelligence / Weak AI), şu an dünyada var olan ve sadece belirli, tek bir görevde (veya dar bir alanda) uzmanlaşmış, insan müdahalesi veya önceden tanımlanmış kurallar olmadan başka bir görevi yapamayan yapay zeka seviyesidir.
Anthropic Claude (Claude (Yapay Zeka))
Claude, OpenAI'ın eski kurucu üyelerinin kurduğu Anthropic şirketi tarafından geliştirilen ve ChatGPT'nin en büyük rakiplerinden biri olan yapay zeka büyük dil modelidir. Özelliği; "Constitutional AI" (Anayasal Yapay Zeka) prensibiyle insan güvenliğini ve etik kurallarını merkeze alarak eğitilmesi ve devasa veri dosyalarını (milyonlarca token) aynı anda okuyabilmesidir.