V Harfi ile Başlayan Terimler
Veri Tekilleştirme (Data Deduplication) (Veri Tekilleştirme)
Veri tekilleştirme (data deduplication), bir veri kümesindeki yinelenen ya da tekrarlayan kayıtları tanımlayıp kaldıran veri madenciliği sürecidir. Aynı varlığı temsil eden birden fazla kayıt; farklı yazım biçimleri, eksik alanlar veya biçim tutarsızlıkları nedeniyle ortaya çıkabilir. Bu yinelemeler analiz kalitesini düşürür, makine öğrenmesi modellerini yanıltır ve depolama maliyetlerini artırır. Tam eşleşme tespiti (exact match) basit hashing yöntemleriyle yapılır; MinHash ve SimHash algoritmaları ise yakın-yineleme (near-duplicate) tespitinde büyük veri kümelerinde verimli çalışır. Kayıt bağlama (record linkage) tekniği, farklı kaynaklardaki kayıtları blok yöntemi veya sıralı komşuluk algoritması ile karşılaştırarak ikinci dereceden karmaşıklığı azaltır. Makine öğrenmesi tabanlı yaklaşımlar — SVM, Karar Ağacı, Random Forest ve derin öğrenme modelleri — klasik yöntemleri geride bırakmaktadır. Denetimli algoritmalar etiketli eğitim verisiyle yüksek hassasiyette yineleme tespiti yaparken, derin öğrenme Siamese Network mimarileri metin, görsel ve yapısal veriler üzerinde anlam düzeyinde benzerlik ölçümü yaparak karmaşık yinelemeleri de yakalayabilir. LLM eğitim verilerinin hazırlanmasında veri tekilleştirme kritik bir adım haline gelmiştir: yinelenen belgeler modeli ezberlemeye yönlendirir ve genelleme yeteneğini azaltır. C4, The Pile ve FineWeb gibi büyük veri kümelerinde MinHash tabanlı tekilleştirme standart bir ön işleme adımı olarak uygulanmaktadır. Bir tekilleştirme sisteminin kalitesi; kesinlik (precision), duyarlılık (recall) ve her ikisini dengeleyen F1-skoru ile ölçülür. Milyarlarca kayıt içeren sistemlerde aday uzayını daraltmak için önce blocking (benzer kayıtları gruplandırma), ardından ayrıntılı sınıflandırma adımı uygulanır; bu iki aşamalı yapı hesaplama maliyetini köklü biçimde düşürür. Kişisel sağlık ve finans verileriyle çalışan kurumlarda ham kayıtları açık etmeden tekilleştirme yapan gizlilik koruyucu kayıt bağlama (privacy-preserving record linkage) protokolleri tercih edilmektedir; bu protokoller GDPR ve KVKK uyumu açısından da kritik önem taşımaktadır.
Vibe Coding (Sezgisel Kodlama)
Vibe Coding (Sezgisel Kodlama), geliştirici Andrej Karpathy'nin Şubat 2025'te tanımladığı ve yapay zeka destekli kodlama araçlarıyla ortaya çıkan yeni bir yazılım geliştirme paradigmasıdır. Bu yaklaşımda programcı, geleneksel anlamda kod yazmak yerine ne yapmak istediğini doğal dille ifade eder ve büyük dil modeli (LLM) tabanlı bir kodlama asistanı bu açıklamayı işlevsel koda dönüştürür. Geliştirici, çıkan kodun teknik ayrıntılarına girmek yerine projenin genel yönüne, mantığına ve kullanıcı deneyimine odaklanır. Karpathy, konuyu sosyal medyada özetlerken 'I mostly just see things, say things, run things, and copy-paste things, and it mostly works' diyerek yeni çalışma biçimini açıklamıştır. Bu tanım, geleneksel yazılım mühendisliğinin giriş engelini ciddi ölçüde düşürmektedir; artık programlama dili sözdizimi bilmeksizin çalışan yazılım üretmek mümkündür. Vibe Coding'i mümkün kılan araçlar arasında Cursor IDE, GitHub Copilot, Windsurf, Replit AI ve Claude Code öne çıkmaktadır. Bu araçlar, kod tamamlama ötesinde tam dosya üretimi, hata ayıklama, refaktör ve test yazma yetenekleri sunar. Özellikle Cursor'un 'Composer' modu ve Claude Code'un terminal entegrasyonu, tam bir vibe coding deneyimi için güçlü altyapı oluşturur. Yaklaşım, özellikle prototip geliştirme ve küçük-orta ölçekli projeler için hız avantajı sunar. Bir hafta sonu girişimi ya da MVP (minimum uygulanabilir ürün) geliştirmek artık tam kapsamlı bir yazılım geliştirici ekibi gerektirmemektedir. Bununla birlikte vibe coding'in bazı sınırları da bulunmaktadır: güvenlik açıkları, ölçeğe göre artan teknik borç, üretilen kodun kör benimsenmesi ve karmaşık mimari kararlar konularında dikkatli olmak gerekmektedir. 2025–2026 döneminde vibe coding, girişimcilik ve prototipleme topluluklarında hızla benimsenmiştir. Yazılım mühendisliği rollerinin bu değişimle nasıl evrildiği tartışılmakta; uzman geliştiriciler ise vibe coding'i düşük riskli prototip ve yardımcı araçlar için güçlü bulurken kritik üretim sistemleri için sağlam mimari bilginin yerini tutamayacağını vurgulamaktadır.
V0 (V0 (Vercel AI Arayüz Üreteci))
V0, Vercel tarafından geliştirilen ve metin açıklamaları ya da görsel referanslardan doğrudan kullanıma hazır React bileşenleri üreten yapay zeka destekli bir kullanıcı arayüzü üreticisidir. 2023 yılının sonunda beta olarak piyasaya çıkan V0 (v0.dev), web geliştiricilerinin tasarım ile kod arasındaki geçişi önemli ölçüde hızlandırmasını sağlar. V0'ın temel çalışma prensibi çok modlu girdiye dayanır. Kullanıcılar bir metin komutu yazabilir ("kullanıcı kaydı formu oluştur"), referans görsel ya da ekran görüntüsü yükleyebilir veya her iki girdi türünü birden kullanabilir. Yapay zeka bu girdileri işleyerek React bileşenleri üretir; varsayılan çıktı Tailwind CSS ve shadcn/ui bileşen kütüphanesi üzerine inşa edilmiştir. Üretilen kod Next.js ve Remix gibi modern çerçevelerle doğrudan uyumludur. Motor olarak Anthropic'in Claude modellerini kullanan V0, güçlü kod üretme ve anlama yeteneklerinden yararlanır. Bu sayede "düğmeyi mavi yap" veya "mobil görünüm ekle" gibi doğal dil komutlarıyla üretilen bileşenler iteratif biçimde geliştirilebilir. Her sorguda birden fazla tasarım varyantı sunulur; kullanıcılar istedikleri versiyonu seçerek özelleştirmeye devam edebilir. Vercel ekosistemiyle sıkı entegrasyon V0'ın en belirgin avantajlarından biridir. Oluşturulan bileşenler, projeye kod olarak aktarılabilir veya tek tıklamayla Vercel altyapısına dağıtılabilir. V0, erişilebilirlik standartlarına (WCAG) uygun bileşenler üretir; shadcn/ui'nin Radix UI temeli bu konuda güvenilir bir altyapı sunar. Ücretsiz katman sınırlı üretim hakkı sunarken ücretli planlar yoğun kullanım için ölçeklenebilir kota sağlar. Cursor AI ve GitHub Copilot gibi genel amaçlı IDE araçlarından farklı olarak V0, özellikle UI bileşeni üretimine odaklanır. Bolt.new ve Lovable gibi rakiplere kıyasla en önemli farklılık, Next.js odaklı üretim kalitesindeki çıktı ve Vercel dağıtım altyapısıyla entegre iş akışıdır. Tasarımcı-geliştirici iş birliğini kolaylaştıran bu araç, Figma gibi tasarım araçlarından gelen görselleri doğrudan bileşene dönüştürerek prototipleme hızını dramatik biçimde artırır. Türkiye'deki frontend geliştiriciler arasında v0.dev kullanımı 2024'ten bu yana hızla yaygınlaşmakta, özellikle MVP aşamasındaki projelerde zaman ve maliyet tasarrufu aracı olarak benimsenmektedir.
Vanishing Gradient Problem (Kaybolan Gradyan Problemi)
Kaybolan Gradyan Problemi (Vanishing Gradient Problem), derin sinir ağlarında geri yayılım (backpropagation) sırasında gradyanların ağın giriş katmanlarına doğru ilerledikçe üstel biçimde küçülmesi ve pratikte sıfıra yaklaşmasıyla ortaya çıkan eğitim istikrarsızlığıdır. Bu durum, girişe yakın katmanların neredeyse hiç güncellenmemesine ve dolayısıyla ağın düzgün öğrenememesine yol açar. Sorunun matematiksel kökü, zincir kuralındaki çarpım yapısındadır. Sigmoid veya tanh aktivasyon fonksiyonlarının türevleri en fazla 0.25 değerini alır; bu nedenle L katmanlı bir ağda gradyan, geri yayılım sırasında her katmanda bu faktörle çarpılarak L. kuvvet kadar küçülür. 10 katmanlı bir ağda 0.25^10 ≈ 0.000001'lik bir küçülme, girişe yakın ağırlıkların güncellenmesini fiilen imkânsız hale getirir. Problem ilk kez Sepp Hochreiter tarafından 1991'deki diplom tezinde sistematik olarak analiz edilmiştir. Modern derin öğrenme, bu sorunu büyük ölçüde çözen birkaç teknik geliştirmiştir. **ReLU (Rectified Linear Unit)** aktivasyon fonksiyonu, pozitif değerler için türevi sabit 1 olarak tutar; bu sayede gradyan çarpımları zincirde birikmez. **Batch Normalization**, her katmanın çıkışını normalize ederek gradyan akışını düzenler ve çok daha derin ağların eğitilmesini mümkün kılar. **Skip Connection (artık bağlantı)**, He et al.'ın ResNet makalesinde (2015) önerilmiş; gradyanın katmanları atlayarak doğrudan önceki katmanlara akmasını sağlar ve 152 katmanlı ağların başarıyla eğitilmesine olanak tanımıştır. **LSTM (Long Short-Term Memory)**, kaybolan gradyan problemini aşmak amacıyla özel hücre geçiti mekanizmasıyla tasarlanmış bir RNN mimarisidir; Hochreiter & Schmidhuber tarafından 1997'de önerilmiştir. Kaybolan gradyan probleminin karşıtı olan **Patlayan Gradyan (Exploding Gradient)** sorununda ise gradyanlar kontrol edilemez biçimde büyür. Bu ikisi birlikte derin öğrenmenin iki temel eğitim istikrarsızlığını oluşturur. Patlayan gradyan için gradient clipping (gradyan kırpma) tekniği yaygın biçimde kullanılır. Günümüzde bu sorunların çözülmüş olması, yüzlerce hatta binlerce katmanlı ağların başarıyla eğitildiği modern derin öğrenme mimarilerinin zeminini hazırlamıştır.
Variational Autoencoder (VAE) (Varyasyonel Oto-Kodlayıcı)
Variasyonel Otokodlayıcı (VAE — Variational Autoencoder), gizli uzayda (latent space) olasılıksal bir dağılım öğrenerek yeni veri örnekleri üretebilen üretken derin öğrenme modelidir. 2013 yılında Kingma ve Welling tarafından önerilen VAE, otokoderın gizli uzay temsilini deterministik bir noktadan ibaret olmak yerine olasılıksal bir dağılım (çoğunlukla Gaussian) olarak modellemektedir. VAE mimarisinin iki ana bileşeni vardır: kodlayıcı (encoder) ve kod çözücü (decoder). Encoder, girdi verisini gizli uzaydaki bir ortalama (mean) ve varyans vektörü olarak kodlar; gerçek gizli vektör bu Gaussian dağılımından örneklenir. Decoder, bu gizli vektörü orijinal veri uzayına geri dönüştürmeye çalışır. Eğitim sırasında iki kayıp terimi vardır: yeniden yapım kaybı (reconstruction loss — girdinin çıktıya ne kadar benzediği) ve KL sapma kaybı (KL divergence — gizli dağılımın standart normale ne kadar yakın olduğu). Bu iki terimin toplamı ELBO (Evidence Lower BOund) adını alır ve VAE'nin maksimize etmeye çalıştığı hedeftir. Reparametrizasyon hilesi (reparameterization trick) eğitimi mümkün kılan kritik adımdır: örnekleme operasyonu türevlenebilir değildir, bu nedenle z = mu + sigma * epsilon formülüyle epsilon ~ N(0,1) sabit rastgelelikten gelir. Böylece gradyan mu ve sigma üzerinden akar ve model geri yayılım ile eğitilir. GAN'larla (Generative Adversarial Network) karşılaştırıldığında VAE'nin eğitimi daha kararlıdır; ancak üretilen örnekler çoğu zaman daha bulanık görünür. GAN'lar çok daha keskin görseller üretse de eğitim kararsızlığı ve mod çöküşü (mode collapse) sorunlarıyla mücadele eder. Diffusion modelleri ise her iki yaklaşımın dezavantajlarını büyük ölçüde aşarak görsel kalitede yeni bir standart belirlemiştir. VAE'nin gizli uzayının düzgün ve yapılandırılmış (smooth, structured latent space) olması onu yorumlanabilir temsil öğrenmesi (disentangled representation learning) için çekici kılar. beta-VAE KL ağırlığını artırarak her gizli boyutun farklı anlam taşımasını hedefler. VQ-VAE gizli uzayı süreksiz (discrete) yapar; bu özellik DALL-E 1 ve dil modeli tabanlı görsel kodlama sistemleri için önem taşır. Uygulama alanları; görüntü üretimi, anomali tespiti, eksik veri doldurma, yüz sentezi ve ilaç keşfinde molekül uzayında anlamlı interpolasyonu kapsar.
Vocoder (Vocodör)
Vocoder (Voice Coder — ses kodlayıcı), insan sesini analiz ederek parametrik bir temsile dönüştüren ve bu parametrelerden sesi yeniden sentezleyen sinyal işleme sistemidir. Bell Laboratuvarları'nda mühendis Homer Dudley tarafından 1939 yılında patent alınan kanal vokoderi, sesi birden fazla frekans bandına böler; her bant için enerji düzeyini kodlayarak dar bant iletişim kanallarında veri miktarını azaltır. 1943'te ABD ve İngiltere arasındaki en üst düzey şifreli ses iletişiminde kullanılan SIGSALY sistemi, vocoder teknolojisinin ilk operasyonel büyük ölçekli uygulamasıdır. Teorik temel olan kaynak-filtre modeli, konuşma üretimini iki bileşene ayırır: ses tellerinin belirli bir frekansta titreşimiyle oluşan glottal nabız (kaynak) ve vokal traktının bu kaynağı rezonanslarıyla biçimlendirdiği spektral zarf (filtre). Doğrusal Öngörücü Kodlama (LPC), bu ayrışımı matematiksel olarak gerçekleştirir; analiz aşamasında konuşma sinyalinden temel frekans ve spektral zarf parametreleri çıkarılır, sentez aşamasında bu parametrelerden ses yeniden oluşturulur. LPC tabanlı vocoderlar 1980-90'larda GSM gibi mobil ses sıkıştırma standartlarında yaygın biçimde kullanılmıştır. 1960-70'lerde Moog sentezleyicilerinin yaygınlaşmasıyla vocoder müzik endüstrisinde bir efekt aracına dönüşmüş; Kraftwerk ve Daft Punk gibi gruplar vocoderi ikonik bir ses rengi olarak kullanmıştır. 2016'da DeepMind'ın WaveNet modelini yayımlamasıyla nöral vocoderlar dönemi başlamıştır. WaveNet, dilated causal convolution mimarisiyle her ses örneğini önceki tüm örneklere bakarak üretir; bu otoregresif yapı yüksek doğallık sunarken gerçek zamanlı kullanımı güçleştirir. WaveGlow normalizing flow yöntemlerini kullanarak paralel örnekleme yapar ve gerçek zamanlı çıkarımı mümkün kılar. HiFi-GAN ise çoklu-periyot ayrıştırıcı ve çoklu-ölçek ayrıştırıcı mimarisiyle ses kalitesi ile hızı dengeleyen GAN tabanlı vocoder olarak üretim sistemlerinde standart haline gelmiştir. Modern metin-konuşma (TTS) sistemlerinde vocoder, akustik modelin (Tacotron 2, FastSpeech 2) ürettiği mel-spektrogramı gerçek ses dalga formuna çeviren kritik bileşendir. Ses klonlama, ses dönüştürme ve konuşma geliştirme gibi alanlarda da nöral vocoder mimarileri belirleyici rol üstlenmektedir.
Voice Conversion (Ses Dönüştürme)
Ses dönüştürme (Voice Conversion), kaynak konuşmacıya ait bir ses kaydındaki dilsel içeriği — söylenen kelimeler ve ifadeler — koruyarak ses tonu, tını, formantlar ve fonetik özellikleri hedef konuşmacının ses kimliğiyle yeniden üretme teknolojisidir. Konuşma işleme alanının önemli bir alt dalı olan bu teknoloji, son yıllarda derin öğrenme yöntemlerinin güçlenmesiyle birlikte müzik üretimi, oyun sesi ve erişilebilirlik uygulamalarında yaygın bir kullanım alanı bulmaktadır. Ses dönüştürme sistemleri üç ana aşamadan oluşur. Özellik çıkarma aşamasında kaynak ses kaydı mel-spektrogram temsiline dönüştürülür; temel frekans (F0) ve fonetik içerik HuBERT veya ContentVec gibi öz-denetimli modellerle ses kimliğinden ayrıştırılır. Bu aşama "ne söylendiğini" kimlikten bağımsız biçimde temsil etmenin temelidir. Konuşmacı dönüşümü aşamasında kaynak konuşmacıya özgü tını, formant yapısı ve ses kalitesi parametreleri, hedef konuşmacının öğrenilmiş ses vektörüne (speaker embedding) eşlenir. Ses yeniden sentezi aşamasında ise dönüştürülmüş spektral özelliklerden ham ses dalgası üretilir; HiFi-GAN ve BigVGAN gibi nöral vocoderlar bu adımda yüksek kaliteli çıktı üretir. Mimariler açısından bakıldığında VAE tabanlı yaklaşımlar ses özelliklerini latent uzayda temsil ederek konuşmacı kimliği ile içeriği ayrıştırır; eşleştirilmiş veriye ihtiyaç duymaz. CycleGAN-VC eşleştirilmemiş verilerle döngüsel tutarlılık kaybı üzerinden çalışır. Difüzyon modelleri Gaussian gürültüden başlayarak yüksek doğallıkta ses üretir; hesaplama maliyeti görece daha yüksektir. RVC (Retrieval-based Voice Conversion) ise 2023'te açık kaynak olarak yayımlandıktan sonra düşük gecikme ve yüksek ses kalitesiyle en yaygın kullanılan araç haline gelmiştir. Teknoloji erişilebilirlik alanında da anlamlı katkılar sunmaktadır: konuşma bozukluğu olan bireyler için sesleri daha anlaşılır biçime dönüştürmek, larenjektomi hastalarına yeni bir ses kazandırmak ve çok dilli içeriklerde doğal seslendirme üretmek bunların başında gelmektedir. Gerçek zamanlı sistemlerde gecikme 100 ms'nin altına indirilerek canlı yayın ve oyun uygulamalarında kullanılabilir hale getirilmiştir. Deepfake ses üretimiyle kesişen etik boyutu nedeniyle teknoloji, ses doğrulama ve sahtekarlık tespiti araştırmalarını da beraberinde getirmektedir.
Video Üretimi (AI Video Generation) (Video Üretimi)
Video üretimi (AI Video Generation — Yapay Zeka Video Üretimi), derin öğrenme modellerinin metin açıklamaları, görüntüler veya kısa video girdilerinden gerçekçi, hareketli ve tutarlı video klipleri sentezlediği üretken yapay zeka alt alanıdır. Tıpkı metin-görüntü modellerinin metinden statik görsel üretmesi gibi, video üretim modelleri zaman boyutunu da işleyerek her karenin bir öncekiyle tutarlı olmasını sağlar. Günümüzde baskın mimari Diffusion Transformer (DiT) modelidir. Süreç üç aşamada gerçekleşir: (1) Video kareler, Variational Autoencoder (VAE) ile düşük boyutlu latent uzaya sıkıştırılır. (2) Bu latent temsil üzerinde, bir transformer ağı gürültüyü adım adım kaldırarak anlamlı içerik üretir. (3) Elde edilen latent vektör VAE dekoder ile tekrar piksel uzayına dönüştürülür. Metin koşullaması için CLIP veya T5 gibi metin enkoderleri kullanılır; classifier-free guidance (CFG) ise metin-video uyumunu dengeler. OpenAI'nın Şubat 2024'te tanıttığı Sora, 60 saniyelik tutarlı klipler üretebilen ve kamera hareketi, nesne fiziği ile ışık yansımalarını modelleme kapasitesine sahip ilk büyük ölçekli DiT tabanlı modeldir. Google Veo 2 (2024), diyalog ve ses efektleri dahil tek geçişte video üretebilmesiyle öne çıkar. Kling (Kuaishou), Runway Gen-3, Pika Labs ve Luma AI ise üretken video ekosisteminde rekabet eden başlıca açık ve kapalı kaynak araçlardır. Stability AI'nın Stable Video Diffusion'ı 2023'te yaygın açık ağırlıklı modeli temsil eder. Alanın en büyük teknik zorluğu zamansal tutarlılıktır: nesnelerin kareler arasında kimliğini, şeklini ve davranışını koruması gerekir. Uzun videoların bellekle yönetilmesi, karmaşık fizik simülasyonu ve yüksek çözünürlüklü render hesaplama maliyeti de çözüm bekleyen sorunlar arasındadır. Kullanım alanları arasında reklam ve pazarlama içeriği, film previzüalizasyonu, oyun sinematikleri, eğitim videoları ve sosyal medya içeriği öne çıkar. Türkiye'de kreatif ajanslar, bağımsız yapımcılar ve e-ticaret markaları AI video üretimini hızla benimsiyor.
Voice Biometrics (Ses Biyometrisi)
Ses biyometrisi (voice biometrics), bir kişinin sesine özgü akustik ve dilbilimsel özellikleri matematiksel olarak modelleyerek kimlik doğrulama gerçekleştiren yapay zeka teknolojisidir. İnsan sesi; ses yolu anatomisi, glottis titreşim örüntüleri, rezonans frekansları (formantlar) ve konuşma ritmi gibi bireysel farklılıklar barındırdığından her kişi için benzersiz bir 'ses parmak izi' oluşturur. Bu benzersizlik, derin öğrenme tabanlı modeller aracılığıyla yüksek doğrulukta kişi tanımlamak için kullanılabilir. Sistem iki temel aşamadan oluşur: kayıt (enrollment) aşamasında kullanıcının sesi işlenerek MFCC (Mel Frekans Kepstrum Katsayıları) ya da nöral ağ gömme vektörleri (speaker embedding, x-vector, d-vector) biçiminde şablonlar oluşturulur; doğrulama aşamasında ise yeni ses, bu şablonla kosinüs benzerliği gibi metrikler üzerinden karşılaştırılır. Metin bağımlı (text-dependent) sistemler belirli bir parola cümlesi isterken metin bağımsız (text-independent) sistemler herhangi bir konuşmadan kimliği belirleyebilir. Ses biyometrisi; bankacılık çağrı merkezlerinde müşteri doğrulama, akıllı hoparlörlerde kişiselleştirme, kurumsal VPN erişimi ve mobil cihaz güvenliği gibi geniş kullanım alanları sunar. Deepfake ses saldırıları ve kayıt kalitesi değişkenliği gibi güvenlik tehditlerine karşı ise canlılık tespiti (liveness detection) ve anti-spoofing modelleri geliştirilmektedir. Teknolojinin evrimi açısından, ilk kuşak sistemler GMM-UBM (Gaussian Mixture Model–Universal Background Model) mimarisine dayanıyordu. 2010'larda i-vector temsiliyle doğruluk önemli ölçüde arttı; derin öğrenme çağında ise 2018'de geliştirilen x-vector mimarisi ve ardından gelen ECAPA-TDNN, EER değerlerini yüzde birkaçın altına indirdi. Günümüzde Transformer tabanlı konuşmacı gömme modelleri de bu alanda yaygınlaşmaktadır. Küresel ölçekte milyarlarca ses şablonu başta bankacılık ve telekomünikasyon sektörleri olmak üzere aktif sistemlerde tutulmaktadır. Türkiye'de KVKK, ses biyometrisi verilerini özel nitelikli kişisel veri olarak sınıflandırır ve açık rıza zorunluluğu getirir; Avrupa Birliği'nde ise GDPR madde 9 kapsamında biyometrik veri koruması uygulanır.
Veri Bilimi (Veri Bilimi)
Veri bilimi; ham veri setlerinden anlamlı içgörüler, örüntüler ve tahminler çıkarmak için istatistik, matematik, makine öğrenmesi ve bilgisayar bilimini bir araya getiren disiplinlerarası bir alandır. İş dünyasından sağlık bilimine, finans sektöründen sosyal medya analizine kadar geniş bir yelpazede uygulanır. Bir veri bilimi projesi genellikle beş temel aşamadan oluşur: veri toplama ve temizleme (veri setlerinin %60-80'i bu aşamaya ayrılır), keşifsel veri analizi (EDA), model geliştirme ve eğitim, model değerlendirme ile son olarak dağıtım ve izleme. Bu süreç, CRISP-DM (Cross-Industry Standard Process for Data Mining) metodolojisiyle standart hale getirilmiştir. Python ve R, veri biliminin iki temel programlama dilidir. Python ekosistemi —Pandas, NumPy, Scikit-learn, TensorFlow ve PyTorch— endüstri standardı haline gelmiştir. SQL ise yapılandırılmış veritabanlarıyla çalışmak için vazgeçilmezdir. Veri bilimcisi olmak; istatistiksel düşünme, kodlama becerisi ve alan uzmanlığı üçgenini gerektirdiğinden bu meslektaşlar iş dünyasında oldukça değerlidir. 2024 verilerine göre ABD'de median veri bilimcisi maaşı yıllık 130.000 dolar civarındadır. Türkiye'de ise deneyimli veri bilimcilere olan talep her yıl hızla artmaktadır. Yapay zeka ve büyük dil modellerinin (LLM) yükselişiyle birlikte veri bilimi alanı derin bir dönüşüm geçirmektedir. Kod üretme, veri temizleme otomasyonu ve doğal dil tabanlı analiz gibi görevlerde yapay zeka desteği standart hale gelmektedir; bu durum veri bilimcilerin daha stratejik ve yüksek değerli işlere odaklanmasını mümkün kılmaktadır. MLOps ve LLMOps pratiklerinin olgunlaşmasıyla birlikte veri bilimciler artık yalnızca model kurmakla kalmıyor, üretim sistemlerini tasarlıyor ve izliyor. Veri kalitesi, önyargı tespiti ve yorumlanabilirlik (explainability) gibi konular modern veri bilimcinin temel sorumluluk alanına girmiş bulunmaktadır. Ayrıca büyük kuruluşlarda veri mühendisliği, veri analitiği ve makine öğrenmesi mühendisliği rolleriyle iç içe geçen veri bilimi, günümüzde çok boyutlu bir kariyer yoluna dönüşmüştür.
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.
Voice Cloning (Ses Klonlama)
Ses klonlama (İng. voice cloning), bir kişinin sesini kısa bir ses örneğinden yapay zeka modeli aracılığıyla yeniden üreten teknolojidir. Model; ses tonu, vurgu, ritim, nüans ve konuşma hızı gibi bireysel ses özelliklerini öğrenerek bu karakteristiği, istenen herhangi bir metni sentezlemek için kullanır. Teknik olarak ses klonlama iki temel aşamadan oluşur. Ses Kodlama aşamasında referans sesten benzersiz bir "ses gömücü" (voice encoder) vektörü çıkarılır; bu vektör konuşmacıya özgü akustik özellikleri temsil eder. TTS Sentezi aşamasında ise bu gömücü, seçilen bir metni sentezlemek için metin-to-speech modeline koşul olarak enjekte edilir. Vocoderlar (HiFi-GAN, WaveNet gibi) oluşturulan özellikleri gerçekçi ses dalga biçimlerine dönüştürür. Modern sistemler, sıfır-shot veya az-shot öğrenme sayesinde yalnızca birkaç saniyelik ses örneğinden yüksek kaliteli ses üretebilmektedir. ElevenLabs 30 saniyeden kısa bir kayıtla klonlama yaparken, XTTS v2 (Coqui) yalnızca 6 saniyelik referans sesle 17 dilde klonlamayı destekler; Türkçe de bu diller arasındadır. F5-TTS ve OpenVoice v2 açık kaynaklı seçenekler sunarken Microsoft VALL-E ve OpenAI Voice Engine tek cümlelik örnekten bile yüksek kaliteli klonlama gerçekleştirebilir. Meşru kullanım alanları arasında seslendirme (dubbing), sesli kitap üretimi, kişiselleştirilmiş yapay zeka asistanları, oyun karakterleri ve sesini kaybeden bireyler için erişilebilirlik çözümleri yer alır. Bununla birlikte deepfake ses üretimi, kimlik taklidi ve dolandırıcılık gibi ciddi etik riskler de söz konusudur. Bu nedenle ses kimlik doğrulaması (voice authentication) ve deepfake ses tespiti aktif araştırma alanları haline gelmiş; çoğu platform, onaysız kişi seslerinin klonlanmasını kullanım koşullarıyla yasaklamıştır. Ses dönüştürme (voice conversion) ile temel fark şudur: klonlama sıfırdan sentez yapar, ses dönüştürme ise mevcut bir ses akışını başka bir kişinin sesine aktarır.
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. Eğitim senaryolarında VRAM ihtiyacı çıkarımın çok üzerine çıkar; geri yayılım aktivasyonları ve Adam optimizer durum tensörleri parametrelerin 3-4 katı ek bellek tüketir. LoRA ve QLoRA gibi parametre verimli ince ayar yöntemleri bu kısıtlamayı önemli ölçüde hafifletir. Gradyan kontrol noktası alma (gradient checkpointing) tekniği ise bellek-hesaplama takasıyla daha büyük batch boyutlarına izin verir. 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. Model seçiminden donanım alımına kadar her kararda VRAM kapasitesi belirleyici etkendir.
Video Diffüzyon (Video Diffüzyon)
Video diffüzyon modelleri, görüntü difüzyon tekniklerini zaman boyutuna genişleterek ardışık ve tutarlı video kareleri üreten derin öğrenme yöntemidir. Temel prensip, eğitim aşamasında gerçek video verilerine kademeli olarak Gaussian gürültüsü eklemek, ardından bu gürültüyü adım adım gidererek anlamlı video dizileri yeniden oluşturmak üzerine kuruludur. Görüntü difüzyonundan temel farkı, modelin hem uzamsal hem de zamansal tutarlılığı aynı anda öğrenmek zorunda olmasıdır. Her kare diğer karelerle tutarlı olmalı; nesneler, ışık koşulları ve hareket vektörleri kesintisiz bir görsel akış oluşturmalıdır. Bu zorunluluk nedeniyle video diffüzyon mimarileri 3D dikkat mekanizmaları veya zamansal konvolüsyon katmanları içerir. Önemli modeller arasında OpenAI'ın Sora'sı öne çıkmaktadır. Sora, Diffusion Transformer mimarisini kullanarak yüksek çözünürlüklü, bir dakikaya kadar uzanan gerçekçi videolar üretebilmektedir. Meta'nın Make-A-Video modeli metin yönlendirmeli video üretimini daha erişilebilir kılarken Stability AI'ın Stable Video Diffusion modeli açık kaynak topluluğuna kapı aralamıştır. Google'ın Lumiere modeli uzay-zaman U-Net mimarisini benimseyerek hareket tutarlılığında çıta yükseltmiştir. Koşullandırma yöntemleri video diffüzyonun pratik kullanımını şekillendirir. Metin-video koşullandırması en yaygın biçimdir. Görüntü-video koşullandırması mevcut bir kareyi başlangıç noktası alarak animasyon üretirken video-video koşullandırması stil transferi ve düzenleme uygulamalarında tercih edilir. Uygulama alanları sinema ve reklam üretiminden tıbbi görselleştirmeye, eğitim içeriklerine ve oyun varlığı üretimine kadar uzanmaktadır. İçerik üreticileri ve reklam ajansları bu modelleri stok görüntü alternatifi olarak benimsemektedir. Zorluklar hâlâ büyüktür: uzun videoların zaman tutarlılığını korumak, fizik yasalarına uygunluğu garantilemek ve hesaplama maliyetini makul düzeyde tutmak başlıca araştırma gündemleridir. Bellek ve işlem gücü gereksinimleri görüntü modellerine kıyasla katbekat yüksektir. Etik açıdan deepfake üretiminin kolaylaşması ve telif hakkı sorunları toplumsal bir tartışma zemini oluşturmaktadır. Latent sıkıştırma ve verimli örnekleme yöntemleri bu engellerin aşılmasına katkı sunmaya devam etmektedir.
vLLM (vLLM)
vLLM, UC Berkeley'de geliştirilen ve büyük dil modellerinin (LLM) üretim ortamında hızlı ve verimli biçimde sunulmasını sağlayan açık kaynaklı bir çıkarım (inference) kütüphanesidir. Temel yeniliği olan PagedAttention mekanizması, KV önbelleğini işletim sistemlerindeki sanal bellek yönetiminden ilham alarak sayfalara böler ve dinamik olarak tahsis eder. Bu yaklaşım bellek parçalanmasını minimuma indirerek GPU belleğinin çok daha verimli kullanılmasına olanak tanır. Continuous batching özelliğiyle birleşince vLLM, standart HuggingFace Transformers pipeline'larına kıyasla 24 kata kadar daha yüksek throughput elde edebilir. vLLM, 2023 yılında SOSP konferansında yayımlanan akademik makaleyle tanıtıldı ve kısa sürede yapay zeka topluluğunun en çok kullandığı LLM servis altyapısı haline geldi. Proje GitHub'da 40K'ı aşan yıldızla aktif bir geliştirici kitlesine sahip olmaya devam etmektedir. OpenAI uyumlu REST API sunan vLLM, mevcut sistemlere minimal değişiklikle entegre edilebilmektedir. Teknik açıdan vLLM; Llama, Mistral, Qwen, Gemma ve diğer popüler modelleri destekler. Tensor parallelism ve pipeline parallelism ile modeli birden fazla GPU'ya dağıtabilir, quantization (AWQ, GPTQ, bitsandbytes) ile bellek gereksinimini düşürür. LoRA adaptörlerini çalışma zamanında dinamik olarak yükleyip kaldırabilmesi birden fazla görev için tek bir model örneğini paylaşmaya imkân tanır. Türkiye'de yapay zeka tabanlı ürün geliştiren şirketler ve araştırma kurumları, vLLM'i özellikle maliyet optimizasyonu amacıyla tercih etmektedir. Aynı GPU kümesinde standart kütüphanelere kıyasla çok daha yüksek istek kapasitesi sunulabilmesi, bulut maliyetlerini önemli ölçüde düşürür. Yerli yapay zeka altyapılarında veri egemenliğini korurken yüksek performans elde etmek isteyen kurumlar için kritik bir araçtır. vLLM, OpenAI uyumlu API sunduğundan mevcut entegrasyonlar minimum değişiklikle kendi altyapısına taşınabilir; bu da geçiş sürecini hızlandıran önemli bir avantajdır. Akademik temelli olmasına karşın hızla olgunlaşan proje, kurumsal destek almak isteyen ekipler için de güvenilir bir tercih olmayı sürdürmektedir.
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. Model mimarileri açısından konuşursak: uzamsal özellik çıkarımı için derin CNN veya Swin Transformer katmanları kullanılırken zamansal bilgi gizli durum veya kayar pencere mekanizmalarıyla aktarılır. Son aşamada pixel shuffle (alt piksel konvolüsyon) katmanı, özellik haritasını yüksek çözünürlüklü piksel ızgarasına çevirir. Optik akış tahmini veya deformable convolution ile karelar arası piksel ötelenmeleri hizalanır; bu hizalama adımı birden fazla kareden gelen doku bilgisinin birleştirilmesini mümkün kılar. Son yıllarda difüzyon tabanlı ve GAN 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. 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.
Version Control (Sürüm Kontrolü)
Version control (sürüm kontrolü), bir yazılım projesindeki dosyaların zaman içindeki değişikliklerini kaydeden, yöneten ve takip eden bir sistem türüdür. Geliştiriciler bu sistem aracılığıyla koda yapılan her değişikliği adım adım kaydederek belirli bir sürüme geri dönebilir, farklı özellikler üzerinde paralel olarak çalışabilir ve takım arkadaşlarıyla çakışma olmadan iş birliği yapabilir. Version control sistemleri iki temel kategoriye ayrılır: merkezi (centralized) ve dağıtık (distributed). Merkezi sistemlerde—örneğin SVN (Subversion) veya CVS—tüm proje geçmişi tek bir merkezi sunucuda tutulur; sunucu erişilemez olduğunda çalışma durur. Dağıtık sistemlerde—özellikle Git—her geliştirici tam proje geçmişine sahip yerel bir kopya barındırır; bu tasarım çevrimdışı commit, hızlı dal (branch) oluşturma ve güvenli depolama açısından belirgin avantajlar sunar. Git, 2005 yılında Linux çekirdeği geliştirmesi için Linus Torvalds tarafından yaratılmış ve bugün endüstrinin fiili standardı hâline gelmiştir. Dal tabanlı iş akışı Git'in temel güçlerinden biridir: her özellik veya hata düzeltmesi ayrı bir branch üzerinde geliştirilip ana dala (main) pull request aracılığıyla birleştirilir. GitHub, GitLab ve Bitbucket; CI/CD entegrasyonu, kod incelemesi ve proje yönetimini tek çatı altında sunan platform katmanlarıdır. Makine öğrenmesi projelerinde version control özellikle kritik bir boyut kazanır: yalnızca kod değil, veri setleri, model ağırlıkları ve eğitim yapılandırmaları da versiyonlanmalıdır. DVC (Data Version Control) büyük dosyaları Git iş akışına entegre eder; model ağırlıkları ve veri setleri bulut depolamaya yönlendirilirken referansları Git'te tutulur. MLflow ve Weights & Biases deney izleme ile model versiyonlamayı birleştirir; böylece hangi hiperparametre setiyle hangi modelin üretildiği tam olarak izlenebilir. GitFlow, GitHub Flow ve Trunk-Based Development en yaygın dal yönetim stratejileridir; küçük ekipler için GitHub Flow genellikle yeterli olmakla birlikte büyük ve çok ekipli projelerde GitFlow daha ayrıntılı bir yayın yönetimi sunar.
Veri Anonimizasyonu (Veri Anonimizasyonu)
Veri anonimizasyonu (data anonymization), kişisel verilerdeki tanımlayıcı bilgilerin geri dönüşü olmayacak şekilde kaldırılması veya dönüştürülmesidir; bu işlem sonunda veri öznesinin kimliği, makul çaba gösterilse dahi tespit edilemez hale gelir. Veri anonimizasyonu, sözde anonimleştirme (pseudonymization) ile karıştırılmamalıdır: sözde anonimleştirmede tanımlayıcılar şifrelenir ya da takma adla değiştirilir, ancak ayrı tutulan bir anahtar kullanılarak kimlik yeniden oluşturulabilir. GDPR'da bu iki kavram açıkça ayrılmış; yalnızca gerçek anonimizasyon veri işleme kısıtlamalarından muaf tutulmuştur. Temel anonimizasyon teknikleri arasında k-anonimlik, l-çeşitlilik ve t-yakınlık öne çıkar. K-anonimlikte her kayıt, en az k−1 başka kayıtla tüm yarı tanımlayıcılar (yaş, posta kodu, cinsiyet gibi) bakımından özdeştir; bu yöntem bağlantı saldırılarını engeller. L-çeşitlilik her eşdeğer sınıfta hassas değerin en az l farklı biçimde görünmesini zorunlu kılar; tekdüze özellikteki grupların saldırılara karşı açıkta kalmasını önler. T-yakınlık, hassas değerlerin dağılımının genel veri dağılımından fazla sapmamasını denetler. Diferansiyel gizlilik (differential privacy), matematiksel olarak ispatlanmış bir mahremiyet garantisi sunar: istatistiksel sorgu sonuçlarına dikkatle kalibre edilmiş gürültü eklenerek tek bir bireyin verisinin modelin çıktısını anlamlı ölçüde etkileyemeyeceği garanti edilir. Apple ve Google bu yöntemi kullanıcı davranış istatistiklerini toplamak için üretim ortamlarında uygulamaktadır. Yapay zeka eğitiminde anonimizasyon kritik bir rol oynar: hassas tıbbi, finansal veya hukuki verilerle modeller eğitmek için bu veriler anonimleştirilmeli ya da sentetik verilerle desteklenmelidir. Federe öğrenme (federated learning) ve diferansiyel gizlilik bu ikisi için tamamlayıcı araçlar olarak birlikte kullanılır. Yeniden tanımlama (re-identification) saldırıları, anonimleştirilmiş görünen veri kümelerinin arka plan bilgisiyle nasıl çapraz eşleştirilebildiğini göstermiş; bu durum anonimizasyonun tek başına yeterli olmadığını ortaya koymuştur. Bu nedenle günümüzde veri minimizasyonu, erişim kontrolü ve şifreleme ile birlikte katmanlı bir mahremiyet stratejisi benimsenmektedir.
Vector Space (Vektör Uzayı)
Vektör uzayı (vector space), matematiksel olarak vektörlerin tanımlandığı ve bu vektörler üzerinde toplama ile skaler çarpma işlemlerinin belirli aksiyomları karşılayacak şekilde gerçekleştirilebildiği soyut bir yapıdır. Makine öğrenmesi ve yapay zeka bağlamında ise vektör uzayı, veri noktalarının (metin, görüntü, ses, kullanıcı davranışı gibi) sayısal temsillere dönüştürüldüğü ve bu temsiller arasındaki anlamsal ilişkilerin geometrik mesafe ve yön kavramlarıyla ifade edildiği çok boyutlu bir uzaydır. Doğal dil işleme alanında kelime gömmeleri (word embeddings) bu kavramın en çarpıcı uygulamasını sunar. Word2Vec, GloVe ve fastText gibi modeller, her kelimeyi vektör uzayında bir noktayla temsil eder; anlamca yakın kelimeler geometrik olarak da birbirine yakın konumlanır. Bu sayede "kral - adam + kadın = kraliçe" gibi vektör aritmetiği işlemleri anlam taşıyan sonuçlar verir. Benzer ilişkiler ülke-başkent çiftlerinde, fiil zamanlarında ve cinsiyet analoglarında da gözlemlenir. Transformatör tabanlı dil modellerinde (BERT, GPT, LLaMA) ise gizli katmanların ürettiği gömme vektörleri latent space (gizil uzay) olarak adlandırılır. Bu yüksek boyutlu uzay, modelin öğrendiği soyut özellikleri barındırır; benzer semantik yapıdaki girdiler bu uzayda yakın kümelerde bulunur. Retrieval-Augmented Generation (RAG) sistemlerinde belgeler ve sorgular bu uzayda temsil edilerek kosinüs benzerliğiyle eşleştirilir. Görüntü işlemede CNN ve Vision Transformer modelleri, pikselleri vektör uzayındaki noktalara dönüştürür ve nesne tanıma, yüz tanıma ile stil aktarımı gibi işlemleri bu uzay üzerinde gerçekleştirir. Öneri sistemlerinde kullanıcı ve ürün vektörleri aynı uzaya gömülerek etkileşim olasılığı hesaplanır. Vektör veritabanları (Pinecone, Weaviate, Milvus) bu vektörleri indeksleyerek milyonlarca boyut arasında milisaniyeler içinde benzerlik araması yapar. Boyutsallık laneti (curse of dimensionality) yüksek boyutlu uzaylarda mesafe metriklerinin anlamsızlaşmasına yol açabilir; bu nedenle boyut indirgeme teknikleri (PCA, UMAP, t-SNE) ve Yaklaşık En Yakın Komşu (ANN) algoritmaları modern yapay zeka sistemlerinin vazgeçilmez araçlarıdır.
Visual Question Answering (Görsel Soru Yanıtlama)
Visual Question Answering (VQA), bir yapay zeka sisteminin bir görüntü ve doğal dilde yazılmış bir soru alarak metin tabanlı yanıt ürettiği çok modaliteli (multimodal) yapay zeka görevidir. Bilgisayarlı görü (Computer Vision) ile doğal dil işlemenin (NLP) kesişiminde yer alan VQA, makinelerin görsel dünyayı anlamasını ve bu anlayışı dil aracılığıyla ifade etmesini gerektirir. Bir VQA sistemi üç temel bileşenden oluşur: görsel özellik çıkarıcı (vision encoder), dil modeli (text encoder) ve füzyon mekanizması. Görsel encoder — başlangıçta konvolüsyonel sinir ağları (CNN), günümüzde ise Vision Transformer (ViT) mimarileri — giriş görüntüsünü yüksek boyutlu özellik vektörlerine dönüştürür. Metin encoder ise soruyu token dizisine çevirir. Füzyon katmanı, çapraz dikkat (cross-attention) mekanizmasıyla iki modalite arasında bağlantı kurar; böylece model soruyla ilgili görüntü bölgelerine odaklanarak yanıt üretir. VQA'nın pratik uygulamaları geniş bir yelpazeye yayılır. Tıbbi görüntülemede radyoloji raporlarının otomasyonunda kullanılır; 'Bu BT görüntüsünde tümör var mı?' gibi sorulara yanıt üretebilir. Görsel engelli kullanıcılar için erişilebilirlik araçlarında, müze ve kültürel miras sitelerinde interaktif rehberlik sistemlerinde, otonom araçların çevre anlama modüllerinde ve endüstriyel görsel denetimde (kalite kontrol) da yaygın biçimde yer almaktadır. Öne çıkan VQA modelleri şunlardır: Salesforce'un BLIP ve BLIP-2 modelleri (129 milyon görüntü-metin çiftiyle önceden eğitildi), Meta'nın açık ağırlıklı LLaVA serisi, OpenAI'nin GPT-4o/GPT-4V modelleri ve Google'ın Gemini Vision ailesi. 2023-2026 yılları arasında bu modeller VQA2.0, GQA ve OK-VQA kıyaslama veri setlerinde insana yakın doğruluk oranlarına ulaşmış; bilgi tabanlı VQA (knowledge-based VQA), matematiksel akıl yürütme (MathVQA) ve tıbbi VQA gibi özelleşmiş alt alanlarda yeni değerlendirme serileri geliştirilmiştir. VQA'nın en kritik zorluğu dil önkestirimidir (language priors): modeller görüntüyü gerçekten analiz etmek yerine dil istatistiklerinden yanıt üretebilir; 'Gökyüzü hangi renk?' sorusuna görüntüye bakmaksızın 'mavi' yanıtı verebilir. Modern çözümler arasında Chain-of-Thought akıl yürütme, veri artırma teknikleri ve çoklu adım dikkat (multi-hop attention) mekanizmaları öne çıkar. Türkiye'deki kullanım senaryolarında VQA, sağlık, turizm ve e-ticaret sektörlerinde görüntü tabanlı arama ve erişilebilirlik çözümlerine entegre edilmektedir.
Vision Transformer (ViT) (Görüntü Transformer)
Vision Transformer (ViT), 2020 yılında Google Brain ekibi tarafından yayımlanan "An Image is Worth 16x16 Words" makalesiyle tanıtılan ve görüntü işleme alanında Transformer mimarisini merkeze alan çığır açıcı bir derin öğrenme modelidir. CNN'lerin (Evrişimli Sinir Ağları) onlarca yıl boyunca hâkim olduğu bilgisayarlı görü alanında ViT, bu paradigmayı kökten değiştirmiştir. ViT'in temel çalışma ilkesi görüntüyü sabit boyutlu yamalar (patch) dizisine bölmektir. Örneğin 224×224 piksellik bir görüntü, 16×16 boyutunda 196 yamaya ayrılır; her yama düzleştirilerek (flatten) doğrusal bir projeksiyon katmanından geçirilir ve D-boyutlu bir gömme vektörüne dönüştürülür. Sınıflandırma için öğrenilebilir bir [CLS] tokeni eklenir; tüm yamalara pozisyonel kodlama uygulanarak sıralamanın kaybolması önlenir. Bu vektör dizisi standart Transformer encoder bloklarına — çok başlı öz-dikkat ve ileri beslemeli ağ katmanlarına — beslenir. Çıkışta [CLS] tokeninin gömme vektörü bir MLP kafasına verilerek görüntü sınıfı tahmin edilir. CNN'lerden temel farkı, uzamsal tümevarımsal önyargı (inductive bias) taşımamasıdır. CNN yerel evrişimler ve paylaşımlı ağırlıklarla bu önyargıyı yapıya kodlarken ViT tüm bu örüntüleri veriden öğrenir; bu yüzden JFT-300M gibi çok büyük veri kümelerinde ön eğitim gerektirir. DeiT mimarisi öğretmen-öğrenci damıtma ile bu gereksinimi ImageNet ölçeğine indirmiştir. Başlıca varyantlar arasında Swin Transformer (kayan pencereli dikkat ile hiyerarşik özellik haritaları), BEiT ve MAE (maskeli ön eğitim), DINOv2 (öz-süpervizyon) ve SAM/SAM2 (evrensel segmentasyon) sayılabilir. Nesne tespitinde DETR, semantik segmentasyonda SegFormer, görsel-dilsel temel modellerde CLIP ve Flamingo ViT'i omurga olarak kullanmaktadır. ViT'in dikkat ısı haritaları yorumlanabilirliği artırır: hangi yamaların sınıflandırma kararını etkilediği görselleştirilebilir. Tıbbi görüntülemede, uydu görüntüsü analizinde, otonom araç algı sistemlerinde ve çok-kipli (multimodal) büyük modellerde ViT vazgeçilmez bir bileşen haline gelmiştir. 36.000'i aşkın atıf sayısıyla bu makale, bilgisayarlı görünün en etkili çalışmaları arasına girmiştir.
Vector (Vektör)
Vektör, matematiksel bir nesne olarak hem büyüklük hem de yön bilgisi taşır; n boyutlu uzayda sayı dizisiyle temsil edilir. Yapay zeka ve makine öğrenimi bağlamında vektörler, metinleri, görüntüleri, sesleri veya diğer verileri sayısal temsillere dönüştürmek için kullanılır. Bir cümle ya da belge, embedding modeli tarafından yüzlerce veya binlerce boyutlu bir vektöre dönüştürüldüğünde, benzer anlamlı içerikler geometrik olarak birbirine yakın konumlanır. Makine öğreniminde vektörler iki temel biçimde karşımıza çıkar: seyrek vektörler (sparse vectors) ve yoğun vektörler (dense vectors). TF-IDF veya one-hot kodlama gibi geleneksel yöntemler çoğu boyutu sıfır olan seyrek vektörler üretir. Embedding modelleri ise anlamı sıkıştırılmış, boyut sayısı sınırlı (genellikle 128-4096 arası) yoğun vektörler üretir. Word2Vec, GloVe ve modern Sentence-BERT gibi modeller bu yoğun vektörlerin örnekleridir. Vektörler arasındaki mesafe ve benzerlik, anlamsal yakınlığı ölçmek için kullanılır. Kosinüs benzerliği (cosine similarity) yön benzerliğini ölçerek uzunluktan bağımsız karşılaştırma yapar; iki vektör aynı yöne işaret ediyorsa (kosinüs ≈ 1) semantik olarak benzer kabul edilir. Öklid mesafesi (L2) ise iki nokta arasındaki doğrudan uzaklığı ölçer; görüntü ve ses embeddinglerde yaygın kullanılır. Vektör veritabanları (Pinecone, Qdrant, Weaviate, pgvector) bu yoğun vektörleri büyük ölçekte depolayarak milisaniyede en yakın komşu araması yapar. HNSW ve IVF gibi yaklaşık en yakın komşu (ANN) algoritmaları milyarlarca vektör üzerinde hızlı arama imkânı sunar. Bu altyapı semantik arama, RAG sistemleri ve öneri motorlarının temelini oluşturur. Pratik boyutlandırma rehberi: text-embedding-3-small (1536 boyut) çoğu RAG ve semantik arama uygulaması için maliyet-performans dengesi açısından iyi bir başlangıç noktasıdır. Kuantizasyon (int8, binary) vektörleri sıkıştırarak 4-32× bellek tasarrufu elde edilebilir; buna karşılık doğrulukta küçük bir kayıp kabul edilmelidir. Türkçe metinler için multilingual-e5-large (1024 boyut) veya multilingual-MiniLM (384 boyut) çok dilli görevlerde etkili seçeneklerdir.
Veri Etiği (Veri Etiği)
Veri etiği, dijital veri toplama, depolama, işleme ve paylaşma süreçlerinde etik ilkelerin uygulanmasını inceleyen disiplinlerarası bir alandır. Yapay zeka sistemlerinin ve büyük veri analizinin hızla yaygınlaşmasıyla birlikte, veri etiği; bireysel gizlilik hakları, veri sahipliği, algoritmik adalet ve şeffaflık gibi temel soruları ele almaktadır. Temel ilkeler arasında rıza (informed consent), veri minimizasyonu, amaç sınırlaması ve hesap verebilirlik yer alır. Rıza ilkesi, bireylerin verilerinin nasıl kullanılacağını anlaşılır biçimde öğrenip onay verme hakkını korur. Veri minimizasyonu, yalnızca belirtilen amaca yetecek kadar verinin toplanmasını zorunlu kılar. Amaç sınırlaması ise toplanan verinin yalnızca bildirilen amaç için kullanılmasını gerektirir. Avrupa Birliği'nin GDPR düzenlemesi ve AB Yapay Zeka Yasası (EU AI Act) gibi mevzuatlar, veri etiği ilkelerini yasal çerçeveye oturtmaktadır. Veri etiği ihlalleri ciddi toplumsal sonuçlar doğurabilir: algoritmik önyargı işe alım süreçlerinde ayrımcılığa yol açabilir, yüz tanıma sistemleri masum bireyleri yanlış tanımlayabilir, tavsiye algoritmaları ise filter bubble oluşturarak dezenformasyona zemin hazırlayabilir. Cambridge Analytica skandalı, veri etiği ihlallerinin demokrasi üzerindeki yıkıcı etkisini gözler önüne sermiştir. Uygulamada veri etiği; Privacy by Design yaklaşımı, etik yapay zeka komiteleri, veri etki değerlendirmeleri (DPIA) ve açıklanabilir yapay zeka (XAI) teknikleriyle hayata geçirilmektedir. Bireyler için Kişisel Veri Koruma Kanunu (KVKK) kapsamında veriye erişim, düzeltme ve silinme hakları güvence altındadır. Kurumlar için etik veri kullanımı artık yalnızca yasal uyumluluk sorunu değil, rekabet avantajı ve kurumsal itibar açısından da kritik bir unsura dönüşmüştür. Bilgisayar etiği, sosyoloji ve hukuku bir araya getiren veri etiği, günümüz dijital ekonomisinde teknik ile sosyal boyutları birleştiren vazgeçilmez bir disiplin hâline gelmiştir. Veri etiğinin kapsamı, ilerleyen yıllarda yapay zeka sistemlerinin karar alma süreçlerindeki rolü büyüdükçe daha da genişleyecektir.
Veri Görselleştirme (Data Visualization) (Veri Görselleştirme)
Veri gorsellestirme (data visualization), ham veya islenmis veriyi grafik, harita, panel, animasyon veya infografik gibi gorsel bicimlere donusturme disiplin ve pratikleri butunudur. Insanin gorsel isleme kapasitesi, tablolarla sunulan binlerce veri noktasinin anlasilmasindan cok daha hizli sekilde gorsel kaliplari tanir; bu temel bilissel gercek, veri gorsellestirmeyi analitik sureclerin vazgecilmez bir parcasi yapar. Dogru gorsel secimi mesajin netligini belirler. Kategoriler arasinda karsilastirma yapiliyorsa cubuk grafik anlasilirdir; zaman serisi verisi icin cizgi grafik egilimi daha iyi aktarir; iki degisken arasindaki iliskiyi gostermek icin scatter plot kullanilir; heatmap coklu degisken bilesenlerinin matris biciminde sunumunda idealdir. Pasta grafik kategorilerin toplama oranini gosterir; ancak bes ustu kategoride gormek zor oldugundan dikkatli kullanilmalidir. Edward Tufte, veri gorsellestirme disiplininin en etkili teorisyenlerinden biridir. "Data-ink ratio" (veri-murekkep orani) ilkesi, bir graftaki her grafisel unsurun anlam tasimasi gerektigini ve gorseli karmasiklastiran chartjunk unsurlarin azaltilmasini savunur. Bu ilke minimalist ve aciklamali gorsel tasarim anlayisinin temelini olusturur. Araç ekosistemi genis ve farklilasiktir. Tableau ve Microsoft Power BI is zekasi panolarinda surukle-birak arayuzleriyle hazirlanmis; yonetici raporlari ve KPI panolari icin yaygin tercihtir. D3.js, JavaScript ile guclu ve tamamen ozellestirilebilir interaktif web gorsellestirmeler olusturmak icin referans kutuphanedir. Python ekosisteminde Matplotlib temel gorsel katmanini olusturmakta, Seaborn istatistiksel gorseller icin daha yuksek seviye bir API sunmakta, Plotly ve Vega-Altair ise interaktif gorseller icin tercih edilmektedir. Yaniltici gorsel kurulmasi konusu onemlidir. Kesilmis y ekseni kucuk degisiklikleri buyuk gosterebildigi icin yaniltici olabilir; alan veya kabarcik grafiklerinde yanlis olcekleme algiyi bozar; belirli renk secimi belirli gruplari stigmatize edebilir. Veri okuryazarligi, bu yanlimlari tanima ve elemek etrafında da seklinde insa edilir. **Sik Sorulan Sorular** **Hangisi once gelir: veri analizi mi yoksa gorsellestirme mi?** Ikisi dongusel bir surecte yer alir. Kesfedici veri analizinde gorsellestirme, analizden once kullanilir (kalip arama); aciklayici gorsellestirme ise analiz sonuclarini aktarmak icin kullanilir. Her iki amac farkli gorsel tasarim secimlerine yonlendirir. **Tableau mu Power BI mi secmeliyim?** Tableau gorsel analitik derinligi ve esnekligiyle one cikar; Power BI Microsoft 365 ekosistemiyle entegrasyonu ve ucret avantajiyla tercih edilir. Bircok organizasyon hali hazirda Microsoft ekosistemine sahipse Power BI daha pratik baslangic noktasidir. **Python ile interaktif gorsel nasil yapilir?** Plotly Express veya Vega-Altair hizli ve etkilesimli gorseller icin onerilen seceneklerdir. Daha karmasik interaktif panolar icin Dash (Plotly) veya Streamlit kullanilabilir. **Renk secimi neden bu kadar onemli?** Renk koru bireylerin en yaygin bozuklugu mavi-yesil karisikligidur; kirmizi-yesil kombinasyonu ozellikle sorunludur. ColorBrewer ve Viridis gibi renk paletleri bu kisitlama dikkate alinarak tasarlanmistir.
Vektör Veritabanı (Vektör Veritabanı)
Vektör Veritabanı, metin, görüntü ve ses gibi içeriklerin sayısal gömme vektörü (embedding) temsillerini depolayan ve bu vektörler arasında en yakın komşu araması (Approximate Nearest Neighbor, ANN) gerçekleştiren özelleşmiş veritabanı sistemidir. Geleneksel ilişkisel veritabanları tam eşleşme sorgularında güçlüyken vektör veritabanları anlamsal benzerlik sorgularında üstünlük sağlar. Temel işleyiş şu şekildedir: bir embedding modeli (BERT, OpenAI Embeddings, E5 gibi) metni yüksek boyutlu gerçek sayı vektörüne dönüştürür; bu vektör veritabanına kaydedilir. Sorgu zamanında sorgu cümlesi de aynı modelle vektöre dönüştürülür ve veritabanı, kosinüs benzerliği veya Öklid mesafesi ölçütüyle en yakın K vektörü geri döndürür. ANN algoritmaları (HNSW, IVF, FAISS) bu aramayı milyonlarca vektörde milisaniyeler içinde gerçekleştirir. Popüler vektör veritabanı çözümleri farklı kullanım senaryolarına hitap eder. Pinecone tam yönetilen bulut hizmetidir; Chroma ve Qdrant yerel veya kendi altyapısında barındırılabilir; Weaviate çok modlu destek ve GraphQL arayüzüyle öne çıkar; pgvector ise mevcut PostgreSQL veritabanına vektör yeteneği ekler. Büyük ölçeklerde Milvus ve Vespa tercih edilir. Vektör veritabanlarının birincil kullanım alanı RAG (Retrieval-Augmented Generation) sistemleridir: LLM'in bağlamına ilgili belgeler enjekte edilir; böylece model kendi eğitim verisinin ötesinde güncel bilgiyle yanıt üretir. Anlamsal arama motorları, öneri sistemleri, resim benzerliği arama ve kopya içerik tespiti diğer uygulama alanlarıdır. Vektör veritabanlarının performansı indeks yapısına bağlıdır. HNSW (Hierarchical Navigable Small World) yüksek sorgu hızı ve çok sayıda vektör için optimize edilmiş grafik yapısı kullanırken IVF (Inverted File Index) küme tabanlı bölümlemeyle arama uzayını daraltır. FAISS ise Facebook AI tarafından geliştirilen açık kaynak bir kütüphane olup milyarlarca vektörü GPU üzerinde indeksler. Vektör veritabanları, geleneksel tam metin aramasıyla birleştirildiğinde — hibrit arama olarak adlandırılan bu yöntem — hem anahtar kelime kesinliği hem anlamsal zenginlik sunar; kurumsal ölçekli belge arama ve chatbot sistemlerinde giderek standart mimari unsur haline gelmektedir.
Veri Seti (Veri Seti)
Veri seti (İngilizce: dataset), makine öğrenimi ve yapay zeka modellerinin eğitilmesinde, doğrulanmasında ve test edilmesinde kullanılan yapılandırılmış veri koleksiyonudur. Her yapay zeka sisteminin temeli kaliteli veri setlerine dayanır; en sofistike algoritmalar bile yetersiz ya da önyargılı verilerle başarısız olur. Bir veri seti genellikle üç alt kümeye ayrılır. Eğitim seti (training set), modelin örüntüleri ve ilişkileri öğrendiği ana veri kümesidir; toplam verinin yaklaşık yüzde yetmiş ila seksenini oluşturur. Doğrulama seti (validation set), geliştirme sürecinde hiperparametrelerin ayarlanması ve aşırı uyumun (overfitting) önlenmesi için kullanılan ara değerlendirme kümesidir. Test seti ise yalnızca nihai değerlendirmede kullanılır; modelin hiç görmediği bu veriler, gerçek dünya genelleme kapasitesinin tarafsız ölçütünü sağlar. Yaygın bölünme oranı 80/10/10 olmakla birlikte, veri kümesinin büyüklüğüne göre bu oranlar ayarlanabilir. Yapay zeka tarihinde kritik rol oynayan çeşitli kıyaslama (benchmark) veri setleri mevcuttur. MNIST, 70.000 el yazısı rakam görüntüsünden oluşur ve derin öğrenme için standart giriş veri setidir. ImageNet, 14 milyondan fazla etiketlenmiş görüntü içerir; AlexNet modelinin 2012 deki çığır açan başarısı bu veriyle elde edilmiştir. COCO (Common Objects in Context), 330.000 i aşkın görüntüyle nesne algılama ve segmentasyon görevlerinin altın standardıdır. Common Crawl ise petabaytlarca web sayfasını barındıran dev bir açık kaynak olup GPT-4, Llama ve hemen tüm büyük dil modellerinin ön eğitim sürecinde kullanılmaktadır. Bir veri setinin kalitesini belirleyen dört ana faktör vardır: boyut, etiket doğruluğu, çeşitlilik ve sınıf dengesi. Düşük etiket kalitesi model doğruluğunu yüzde otuza kadar düşürebilirken, dengesiz sınıf dağılımı modeli azınlık sınıflarını tanımakta yetersiz kılar. Veri seti önyargısı (dataset bias) özellikle dikkat gerektiren bir sorundur: tarihsel ayrımcılık barındıran eğitim verileri bu önyargıyı model çıktısına taşır. Örneğin yalnızca açık tenli yüzlerle eğitilen yüz tanıma sistemleri koyu tenli bireylerde anlamlı biçimde daha yüksek hata oranı üretmektedir. Veri zehirlenmesi (data poisoning) önemli bir güvenlik tehdididir: saldırganlar eğitim setine kasıtlı olarak bozuk örnekler ekleyerek modelin davranışını manipüle eder. Araştırmalar, sağlık alanındaki AI sistemlerinin yalnızca 100-500 zehirli örnekle yüzde altmışın üzerinde olasılıkla tehlikeye atılabildiğini ortaya koymaktadır. Türkçe doğal dil işleme açısından önemli bir not: Türkçe veri setleri İngilizce emsallerine kıyasla çok daha sınırlı ölçekte kalmaktadır. Bu durum, Türkçe NLP modellerini düşük kaynaklı dil (low-resource language) kategorisinde bırakmakta ve İngilizce modellerine kıyasla daha düşük performans sergilemelerine yol açmaktadır.
Viterbi Algorithm (Viterbi Algoritması)
Viterbi Algoritması, 1967 yılında iletişim mühendisi Andrew Viterbi tarafından geliştirilen ve verilen bir gözlem dizisine karşılık gelen en olası gizli durum dizisini bulan dinamik programlama tabanlı bir algoritmadır. Başlangıçta dijital haberleşmede evrişimli kodların etkin biçimde çözülmesi için tasarlanan algoritma, kısa sürede Gizli Markov Modellerinin (HMM) çözümleme problemi için standart çözüm hâline gelmiştir. Algoritmanın temel fikri, olası durum yollarını tek tek değerlendirmek yerine dinamik programlama ilkesiyle her zaman adımında en yüksek olasılıklı kısmi yolu izlemektir. Her zaman adımında, önceki adımların en iyi yolunu hatırlamak için bir iz tablosu (traceback table) tutulur. Çözümleme tamamlandıktan sonra bu tablo geriye doğru taranarak en olası durum dizisi elde edilir. Zaman karmaşıklığı O(T × N²) olup T gözlem uzunluğunu, N ise durum sayısını gösterir; bu değer olası tüm yolları denemekle ortaya çıkan O(Nᵀ) üstel karmaşıklığın yerine geçer ve büyük ölçekte işlem yapmayı mümkün kılar. Konuşma tanımada Viterbi algoritması, akustik model olarak kullanılan HMM'lerin çözümleme adımında fonem sıralamasını belirler. Her ses çerçevesi için olasılıksal akustik özellikler hesaplanır; algoritma bu özelliklerden en olası fonem dizisini türetir. Doğal dil işlemede sözcük türü etiketleme (POS tagging) ve adlandırılmış varlık tanıma (NER) görevlerinde Koşullu Rastsal Alan (CRF) modelleri Viterbi ile çözümlenir. Biyoinformatikte DNA dizi hizalaması, gen segmentasyonu ve protein yapısı tahmini için yaygın biçimde kullanılır. Derin öğrenme çağında Viterbi algoritması, CTC (Connectionist Temporal Classification) ve CRF katmanlarıyla birleştirilerek modern konuşma tanıma ve dizi etiketleme sistemlerinde yer almaya devam etmektedir. Algoritmanın değişmez popülerliği; garantili optimal çözüm üretmesi, deterministik ve öngörülebilir çalışma süresi ile sınırlı bellek gereksinimiyle açıklanabilir. Günümüzde ESPnet ve Kaldi gibi konuşma teknolojisi araç setleri Viterbi tabanlı çözümleme modüllerini üretim sistemlerinde etkin biçimde kullanmaktadır.
Video Inpainting (Video Tamamlama)
Video inpainting (Türkçe: video tamamlama), bir video sekansındaki hasarlı, eksik veya istenmeyen bölgelerin — nesne kaldırma maskeleri, çizikler, altyazılar, gizlilik amaçlı anonimleştirilecek alanlar — çevre pikseller ve zamansal bağlamdan üretilen içerikle kusursuz doldurulması işlemidir. Görüntü inpainting'den temel farkı, uzamsal tutarlılığın yanı sıra kareler arası zamansal tutarlılığı (temporal coherence) da zorunlu kılmasıdır: arka plan dokusu, nesne hareketi ve aydınlatma birbirini izleyen tüm karelerde tutarlı kalmalıdır. Geleneksel yaklaşımlar yamak tabanlı algoritmalar ve optik akış (optical flow) yöntemlerine dayanıyordu; bu teknikler statik sahnelerde işe yarasa da karmaşık kamera hareketlerinde ve örtüşen nesnelerde bozulmalar üretiyordu. 2020'lerin başından itibaren transformer ve derin evrişimli mimariler alanı köklü biçimde değiştirdi. STTN (Spatial-Temporal Transformer Network), sekanslar arasında dikkat mekanizması kurarak uzun menzilli bağımlılıkları yakalar. E2FGVI (End-to-End Flow-Guided Video Inpainting), optik akış tahminini, içerik üretimini ve yayma adımlarını tek bir hesaplama grafiğine entegre eder. ProPainter (ICCV 2023), yayılmış optik akış mimarisiyle hem hesaplama verimliliğini hem de zamansal tutarlılığı iyileştirerek alanda önemli bir kıyaslama noktası haline gelmiştir. 2024-2025'te ise VideoPainter ve DiTPainter gibi diffusion transformer tabanlı modeller metin güdümlü, daha yüksek kaliteli doldurma kapasitesi sunmaktadır. Başlıca kullanım alanları şunlardır: istenmeyen nesne ya da marka logosunu video kliplerden otomatik kaldırma, yüz ve plaka anonimleştirme, eski film restorasyon, sinema efektleri (tel giderme, sahne temizleme) ve kullanıcı yönlendirmeli içerik düzenleme. Yüksek çözünürlüklü videolarda hesaplama maliyeti hâlâ önemli bir engel oluşturmaktadır; ancak GPU işlem gücündeki artış, donanım hızlandırma teknikleri ve diffusion modellerinin bu alana girmesiyle gerçek zamanlı uygulamalar giderek yaklaşmaktadır. Açık kaynak araçlar (ProPainter, E2FGVI) ve ticari API'ler bu teknolojiyi geniş bir geliştirici kitlesine erişilebilir kılmaktadır.
Video Synthesis (Video Sentezi)
Video sentezi, derin öğrenme modellerinin metin açıklamalarından, statik görüntülerden veya mevcut video kliplerinden gerçekçi ve tutarlı video içeriği oluşturduğu yapay zeka disiplinidir. Görüntü üretiminin video boyutuna taşınması ek bir zorluk katmanı getirir: modelin hem her kare içindeki görsel kaliteyi hem de kareler arasındaki hareket tutarlılığını, fizik yasalarına uyumu ve nesne sürekliliğini öğrenmesi gerekir. Video sentezinin teknik temeli genellikle difüzyon modelleri veya otoregresif transformer'lara dayanır. Difüzyon tabanlı yaklaşımlar, gürültülü bir video latent uzayından adım adım geriye doğru gürültü gidererek (denoising) nihai videoyu üretir; bu süreçte hem uzamsal (spatial) hem de zamansal (temporal) dikkat mekanizmaları kullanılır. OpenAI'nin Sora modeli (2024), geniş bağlam penceresi ve video token'larını "spacetime patch" olarak modellemesiyle 60 saniyeye kadar tutarlı video üretebilmektedir. Google DeepMind'ın Veo 2 modeli ise fiziksel hareket, kamera açısı ve ışık yansımalarını gerçekçi biçimde simüle ederek filmlerde çekim üretiminde kullanılan karmaşık sahneleri modelleyebilmektedir. Ticari arenada Runway Gen-3 Alpha, Kling (Kuaishou), Pika ve Hailuo gibi platformlar metin-video ve görüntü-video görevlerde güçlü performans sergilemektedir. Bu modeller tipik olarak 5-10 saniyelik klipleri saniyeler içinde üretebilmekte; 2025 itibarıyla bazıları 4K çözünürlük desteği sunmaktadır. Kullanım alanları arasında reklam filmleri, eğitim videoları, oyun varlıkları, film previzualizasyonu ve sosyal medya içeriği yer almaktadır. Teknoloji, film prodüksiyon maliyetlerini dramatik biçimde düşürme potansiyeli taşıdığından sinema ve reklam sektörlerinde yakından izlenmektedir. Teknolojinin hızlı gelişimi beraberinde önemli etik soruları da getirmiştir. Deepfake içeriklerinin giderek gerçekten ayırt edilemez hale gelmesi, seçim süreçlerinde dezenformasyon ve kişilik hakları ihlalleri açısından ciddi riskler taşımaktadır. Bu bağlamda C2PA (Coalition for Content Provenance and Authenticity) standartları gibi içerik köken izleme mekanizmaları ve yapay zekayla oluşturulan içerikleri damgalamaya (watermarking) yönelik düzenleyici girişimler giderek önem kazanmaktadır. AB Yapay Zeka Yasası ve ABD'deki çeşitli eyalet düzenlemeleri, sentetik video içeriklerinin açıkça etiketlenmesini zorunlu kılmaya yönelik adımlar atmaktadır.
Veri Güvenliği (AI Bağlamında)
Veri güvenliği, yapay zeka sistemlerinin eğitim, çıkarım ve dağıtım süreçlerinde kullanılan verilerin yetkisiz erişim, sızıntı, bozulma veya kötüye kullanıma karşı korunmasına yönelik teknik ve organizasyonel önlemlerin bütünüdür. Geleneksel siber güvenlik kapsamından farklı olarak AI veri güvenliği, modele özgü saldırı yüzeyleri, eğitim verisi zehirleme ve model çıkarım saldırıları gibi ek tehdit vektörlerini de kapsamaktadır. AI sistemlerinde veri güvenliği üç temel katmanda incelenir. Birinci katman veri toplama ve depolamadır: hassas kişisel veriler, ticari sırlar veya kritik altyapı bilgileri içeren eğitim veri setleri şifreleme, erişim kontrolleri ve anonimleştirme teknikleriyle korunmalıdır. GDPR, KVKK ve CCPA gibi veri koruma düzenlemeleri bu katmanda uygulanır. İkinci katman model eğitimi sürecidir: eğitim verisi zehirleme (data poisoning) saldırılarında kötü niyetli aktörler eğitim setine zararlı örnekler ekleyerek modelin davranışını manipüle edebilir. Federe öğrenme (federated learning), diferansiyel gizlilik (differential privacy) ve güvenli çok taraflı hesaplama (secure multi-party computation) bu tehdide karşı geliştirilmiş teknik çözümlerdir. Üçüncü katman model çıkarımıdır: üye çıkarım saldırıları (membership inference attacks), bir veri noktasının eğitim setinde yer alıp almadığını tahmin etmeye çalışırken model kopyalama (model extraction) saldırıları modelin ağırlıklarını reverse-engineer etmeyi hedefler. Özellikle tıbbi ve finansal veri içeren modellerde bu saldırılar ciddi gizlilik ihlallerine yol açabilir. Homomorfik şifreleme (homomorphic encryption), verilerin şifreli halde işlenmesine olanak tanıyan ileri düzey bir tekniktir; bu sayede model sağlayıcı ham veriyi hiçbir zaman görmez. Federe öğrenme ise ham verinin merkezi bir sunucuya gönderilmesini engelleyerek yerel cihazlarda model güncelleme hesaplamalarının yapılmasına izin verir. AB Yapay Zeka Yasası (EU AI Act), yüksek riskli AI sistemleri için sıkı veri yönetişimi gereklilikleri öngörmektedir. Bu düzenleme, 2026 itibarıyla eğitim verisi kalitesi, belgeleme ve denetim izlerine yönelik zorunluluklar getirmektedir.
Value Alignment (Değer Hizalaması)
Değer hizalaması (Value Alignment), yapay zeka sistemlerinin insan değerleri, tercihleri ve niyetleriyle tutarlı biçimde davranmasını hedefleyen araştırma ve mühendislik alanıdır. Bu alan, özellikle güçlü ve genel amaçlı yapay zeka sistemlerinin hızla gelişmesiyle birlikte yapay zeka güvenliğinin (AI safety) merkezi bileşeni haline gelmiştir. Sorun ilk bakışta basit görünebilir; oysa değerlerin ifade edilmesi, öğrenilmesi ve farklı bağlamlarda tutarlı biçimde uygulanması derinden karmaşık felsefi ve teknik güçlükler barındırmaktadır. Hizalama araştırmacıları birkaç kritik alt problemi tanımlar. Değer yükleme (value loading) problemi, insan tercihlerinin bir sisteme nasıl doğru ve eksiksiz aktarılacağını sorgular. Değer kararlılığı (value stability) problemi, sistemin öğrenme ve öz-iyileştirme sürecinde bu değerleri nasıl koruduğunu ele alır. Ödül hackleme (reward hacking) sorunu, sistemlerin ödül fonksiyonunu tasarımcının niyetiyle örtüşmeyen yollarla maksimize etme eğilimini tanımlar. Dağıtım kayması (distributional shift) problemi ise eğitimde görülmeyen durumlarda bile değerlere uygun davranışın nasıl sürdürüleceğini inceler. Stuart Russell bu durumu şöyle özetlemiştir: insanın değerleri tam olarak belirlenmeden inşa edilen bir sistemin, bu değerleri yanlış anlamasının yıkıcı sonuçları olabilir. Pratik hizalama teknikleri arasında İnsan Geri Bildiriminden Pekiştirmeli Öğrenme (RLHF), Anayasal Yapay Zeka (Constitutional AI) ve Doğrudan Tercih Optimizasyonu (DPO) ön plana çıkmaktadır. Anthropic tarafından geliştirilen Constitutional AI yönteminde model, bir ilkeler kümesine göre kendi çıktılarını eleştirir ve yeniden yazar; bu yaklaşım insan değerlendirme emek yükünü önemli ölçüde azaltır. DPO ise ayrı bir ödül modeli eğitme adımını atlayarak tercih verilerinden doğrudan politikayı optimize eder. Değer hizalaması aynı zamanda tek bir doğru değer kümesinin var olup olmadığı, kimin değerlerinin esas alınacağı ve kültürlerarası değer farklılıklarının nasıl yönetileceği gibi derin etik sorularla iç içe geçmekte; bu yönüyle siyaset bilimi ve uygulamalı etikle ortak bir araştırma alanı oluşturmaktadır.