Kazanimlar:
- Yapay zeka, makine öğrenmesi ve büyük dil modeli kavramlarını birbirinden ayırabilir
- Bu teknolojilerin geleneksel yazılımdan farkını açıklayabilir
- Günlük iş hayatında karşılaştığı AI örneklerini tanıyabilir
Son yıllarda "yapay zeka" kelimesi her yerde: haberlerde, reklamlarda, iş toplantılarında, hatta kullandığınız telefonun kamerasında. Ama tam olarak ne demek? Bu ünite, konuyu jargona boğulmadan, en temelden ve iş hayatınızla bağ kurarak açıklıyor. Amaç sizi mühendis yapmak değil; kullandığınız araçların ne olduğunu, neyi neden yaptığını anlayan bilinçli bir kullanıcı yapmak. Çünkü bir aracı ne kadar iyi tanırsanız, onu o kadar güvenli ve verimli kullanırsınız.
Üç kavramı sık sık iç içe duyarsınız: yapay zeka, makine öğrenmesi ve büyük dil modeli. Bunlar aynı şey değildir; biri diğerinin içinde yer alan, giderek daralan halkalardır. Şimdi bunları tek tek, günlük örneklerle açalım.
Üç Kavram, İç İçe Üç Halka
Yapay zeka (Artificial Intelligence, AI): Bilgisayarların normalde insan zekası gerektiren işleri (anlama, karar verme, tanıma, dil kullanma) yapabilmesini sağlayan geniş bir alanın genel adıdır. Bir satranç programı da, bir çeviri uygulaması da, bir sesli asistan da bu şemsiyenin altındadır.
Makine öğrenmesi (Machine Learning, ML): Yapay zekanın en yaygın alt dalıdır. Burada bilgisayara kuralları tek tek yazmayız; ona bol miktarda örnek gösteririz ve o, örneklerdeki deseni kendisi çıkarır. "Makine öğrenmesi" adı da buradan gelir: makine, örneklerden öğrenir.
Büyük dil modeli (Large Language Model, LLM): Makine öğrenmesinin, metin üzerine uzmanlaşmış özel bir türüdür. Milyarlarca cümleyle eğitilir; dili anlama, üretme, özetleme, çevirme gibi işlerde kullanılır. ChatGPT, Gemini, Claude gibi araçların arkasındaki teknoloji budur. Bu modüldeki "üretken AI" (metin/görsel üreten AI) dediğimiz araçlar çoğunlukla LLM temellidir.
İpucu: Şöyle hatırlayın: Yapay zeka en büyük kutu, makine öğrenmesi onun içindeki kutu, büyük dil modeli de en içteki kutudur. "Her LLM bir makine öğrenmesi ürünüdür ve her makine öğrenmesi bir yapay zekadır; ama tersi her zaman doğru değildir."
Geleneksel Yazılımla Farkı: Kuralı Kim Yazıyor?
Bu, anlaşılması gereken en önemli farktır. Geleneksel yazılımda kuralları bir insan (programcı) tek tek yazar: "Eğer sipariş tutarı 500 TL'yi geçerse kargo bedava olsun." Bilgisayar bu kuralı harfiyen uygular, ne eksik ne fazla.
Makine öğrenmesinde ise kuralı insan yazmaz; model, kendisine gösterilen örneklerden kuralı kendisi keşfeder. Örneğin binlerce "spam" ve "spam değil" e-postası gösterirsiniz; model hangi kelimelerin, kalıpların spam'e işaret ettiğini kendisi öğrenir. Kimse "şu kelime varsa spam'dir" diye tek tek yazmaz.
Özellik
Geleneksel Yazılım
Makine Öğrenmesi / AI
Kuralı kim koyar?
İnsan, tek tek yazar
Model, örneklerden çıkarır
Çıktı hep aynı mı?
Aynı girdi → aynı çıktı
Aynı girdi → benzer ama değişebilen çıktı
Ne zaman güçlü?
Net, kesin kuralı olan işler
Deseni bol, kuralı zor yazılan işler
Güvenilirlik
Öngörülebilir, sabit
İstatistiksel, doğrulama ister
Örnek
Maaş bordrosu hesabı
E-posta tonunu iyileştirme
Bu fark, ileride öğreneceğiniz "halüsinasyon" ve "doğrulama" konularının da temelidir: Model kuralı kendisi çıkardığı için bazen yanılır, bu yüzden çıktısına körü körüne güvenilmez.
Günlük İş Hayatınızda Zaten Karşınızda
AI'yı yeni bir şey sanmayın; muhtemelen yıllardır kullanıyorsunuz:
- E-posta kutunuzun spam filtresi (hangi mailin çöp olduğunu öğrenmiş bir model).
- Telefonunuzun klavye tahmini (bir sonraki kelimeyi öneren küçük bir dil modeli).
- Bankanızın sahte işlem uyarısı (olağandışı harcamayı fark eden model).
- E-tablo programınızın otomatik doldurma ve öneri özellikleri.
- Video ve müzik uygulamalarındaki öneri sistemleri.
Yeni olan şey, bu teknolojinin artık doğal dille konuşabilir hale gelmesi. Yani bir uzmanla konuşur gibi yazıyorsunuz, o da anlıyor ve cevaplıyor. İşyerinde asıl fırsat da burada.
Üç Mini Vaka
Vaka 1 — Ayşe, ofis yöneticisi. Her hafta 40 civarı tedarikçi e-postasını elle kategorize ediyordu; ortalama 90 dakika sürüyordu. Şirketin AI asistanına e-postaları "acil / normal / bilgi" diye etiketletmeye başladı. Süre 20 dakikaya indi; kazanılan ~70 dakikayı sözleşme kontrolüne ayırdı. AI kuralı kendisi öğrendi; Ayşe tek tek filtre yazmadı.
Vaka 2 — Mehmet, saha teknisyeni. Müşteri arıza kayıtlarını serbest metin yazıyordu ("cihaz ısınıyor, ara sıra kapanıyor"). Yöneticisi bu 500 kaydı elle okuyup sınıflandıramıyordu. Bir dil modeli, kayıtları "donanım / yazılım / kullanıcı hatası" diye özetledi ve en sık şikayeti çıkardı. İnsan için 2 güne yakın sürecek işi model dakikalar içinde taslakladı; ekip yalnızca doğruladı.
Vaka 3 — Elif, muhasebe. Yeni bir mevzuat metnini AI'ya özetletti ve 12 sayfalık metinden 1 sayfalık madde listesi aldı. Ama kritik bir yüzdeyi resmi kaynaktan kendisi teyit etti; çünkü sayısal kesinlik gerektiren bir konuydu. Böylece hem hızlı hem güvenli çalıştı.
Zayıf Prompt / Güçlü Prompt
Aracı tanımak, ona nasıl sorduğunuzu da değiştirir. Aynı asistandan iki farklı soru:
Zayıf prompt:Yapay zeka nedir?
Sonuç: Ansiklopedik, size özel olmayan uzun bir tanım.
Güçlü prompt:Teknik olmayan bir ofis çalışanıyım. Yapay zeka, makine öğrenmesive büyük dil modeli arasındaki farkı 3 kısa madde ve her biri içingünlük hayattan bir örnekle açıkla. Sade Türkçe kullan.
Sonuç: Rolünüze, seviyenize ve amacınıza uygun, kullanılabilir bir cevap. Fark: bağlam, kitle ve format verdiniz.
Kopyalanabilir Şablonlar
Bir teknolojiyi öğrenmeme yardım et.Konu: [ör. makine öğrenmesi]Ben: [rolüm / bilgi seviyem]İstediğim: 5 maddede sade açıklama + her madde için iş hayatındanbir örnek + sonunda 1 cümlelik "aklında kalsın" özeti.
Şu kavramın günlük hayatta nerede karşıma çıktığını göster:Kavram: [ör. öneri sistemi]Bana 5 gerçekçi örnek ver ve her birinde AI'nın tam olarakne yaptığını tek cümlede açıkla.
Bu iki kavramı kıyasla ve bir tabloya dök:Kavram A: [geleneksel yazılım]Kavram B: [makine öğrenmesi]Sütunlar: kuralı kim koyar, çıktı sabit mi, ne zaman güçlü, bir örnek.
Aşağıdaki cümleyi teknik olmayan bir meslektaşıma anlatır gibisadeleştir. Jargon varsa parantez içinde kısa açıklama ekle.Cümle: [buraya yapıştır]
Sık Yapılan Hatalar
Sık yapılan hatalar
- "AI = robot / bilinç" sanmak. Bugünkü araçlar düşünmez, hissetmez; desen tanır ve olası devamı üretir. Bunu unutmak abartılı beklentiye ve hayal kırıklığına yol açar.
- Her AI çıktısını kesin gerçek saymak. Model istatistiksel çalışır; kesinlik gerektiren sayı, tarih ve kaynakları doğrulamadan kullanmak risklidir.
- "Bu iş bana uzak" deyip hiç denememek. AI en çok, teknik olmayan çalışanların sıkıcı ve tekrarlı işlerinde zaman kazandırır. Denemeyen fırsatı kaçırır.
- Tek kelimelik, bağlamsız sorular sormak. Araca kim olduğunuzu ve ne istediğinizi söylemezseniz genel, işe yaramaz cevaplar alırsınız.
Dikkat: AI'nın "öğrenmesi" insan öğrenmesi gibi değildir. Model, dünyayı anlayarak değil, verideki istatistiksel örüntüleri yakalayarak "öğrenir". Bu yüzden çok akıcı konuşabilir ama yine de temel bir gerçeği yanlış bilebilir. Akıcılık, doğruluk garantisi değildir.
Özetle
- Yapay zeka en geniş şemsiye; makine öğrenmesi onun örneklerden öğrenen alt dalı; büyük dil modeli (LLM) ise dile uzmanlaşmış bir makine öğrenmesi türüdür.
- Temel fark: Geleneksel yazılımda kuralı insan yazar; makine öğrenmesinde kuralı model, örneklerden çıkarır.
- AI zaten hayatınızda: spam filtresi, klavye tahmini, sahte işlem uyarısı, öneri sistemleri. Yeni olan, doğal dille konuşabilmesi.
- Model istatistiksel çalıştığı için akıcıdır ama her zaman doğru değildir; bu, sonraki ünitelerin (halüsinasyon, doğrulama) temelidir.
Uygulama Görevi
Kullandığınız bir AI aracını açın ve yukarıdaki "Güçlü prompt" şablonuyla makine öğrenmesi ile büyük dil modeli farkını kendinize açıklatın. Ardından kendi işinizde AI'nın zaten kullanıldığı (veya kullanılabileceği) 3 yeri bir kağıda yazın. Her biri için "AI burada tam olarak ne yapıyor/yapabilir?" sorusuna tek cümleyle cevap verin.
Kontrol Listesi
- [ ] Yapay zeka, makine öğrenmesi ve LLM'i birbirinden ayırabiliyorum.
- [ ] Geleneksel yazılım ile makine öğrenmesi arasındaki "kuralı kim yazar" farkını açıklayabiliyorum.
- [ ] Günlük hayatımdaki en az 3 AI örneğini tanıyorum.
- [ ] Bağlam, kitle ve format vererek daha güçlü bir soru sorabiliyorum.
- [ ] AI'nın akıcı olmasının doğru olması anlamına gelmediğini biliyorum.