Yapay zeka nedir, kısa tanım
Yapay zeka, insan zekası gerektirdiği düşünülen işleri (dil anlama, görüntü tanıma, tahmin, planlama) yapabilen bilgisayar sistemleridir. Bilgisayar bilimi içinde bir alanın adıdır. Tek bir program ya da ürün değildir.
Resmi tanımlar da bu çizgidedir. OECD, yapay zeka sistemini "açık ya da örtük hedefler için aldığı girdiden tahmin, içerik, öneri ya da karar gibi çıktıları nasıl üreteceğini çıkarsayan makine tabanlı sistem" diye tanımlar. AB Yapay Zeka Yasası'nın 3. maddesi neredeyse aynı tanımı kullanır ve sistemin farklı özerklik düzeylerinde çalışabileceğini ekler.
Tanımdaki kilit kelime "çıkarsamak"tır. Klasik yazılım, programcının yazdığı kuralı adım adım uygular. Yapay zeka sistemi ise kuralı örneklerden kendisi çıkarır. Spam filtresine binlerce spam ve normal e-posta gösterilir. Filtre hangi kelime ve kalıpların spam işareti olduğunu bu örneklerden öğrenir.
Yapay zeka nasıl çalışır
Yapay zeka büyük miktarda örnek veriden kalıp öğrenen bir modelle çalışır. Model, girdiyi sayılara çevirir ve bu sayılar üzerinde milyonlarca hatta milyarlarca ayarlanabilir parametreyle hesap yapar. Eğitim sırasında model tahmin üretir, tahmini doğru cevapla karşılaştırır ve hatayı azaltacak yönde parametrelerini günceller.
Süreç üç adımda özetlenebilir:
- Veri toplanır ve hazırlanır. Örneğin etiketlenmiş fotoğraflar, satış kayıtları ya da metinler.
- Model eğitilir. Parametreler hata en aza inene kadar tekrar tekrar ayarlanır.
- Model kullanılır. Daha önce görmediği yeni girdiye cevap üretir. Bu aşamaya çıkarım denir.
Eğitim ile kullanım arasındaki maliyet farkı büyüktür. Büyük bir dil modelini sıfırdan eğitmek binlerce grafik işlemcisiyle aylar süren bir iştir. Bunu yalnız birkaç büyük şirket ile araştırma kurumu yapabiliyor. İşletmeler çoğunlukla hazır bir modeli uygulama programlama arayüzü (API) üzerinden kullanır ya da kurum içi LLM kurulumu ile açık ağırlıklı bir modeli kendi sunucusunda çalıştırır. Kendi verisiyle ince ayar yapmak da mümkündür ama çoğu kurumsal işte gerekmez.
Büyük dil modelleri nasıl cevap üretir
Büyük dil modeli (LLM), metni kelime parçalarına (token) bölerek çalışır. Eğitim sırasında internet, kitap ve kod gibi kaynaklardan gelen çok büyük metin derlemlerinde bir sonraki token'ı tahmin etmeyi öğrenir. Sonra insan geri bildirimiyle ince ayar yapılır ve model soru cevaplayan bir asistana dönüşür.
Bu çalışma mantığı modelin en bilinen zayıflığını da açıklar. Model doğruyu değil, en olası devamı üretir. Bilmediği bir konuda akıcı ama yanlış bir cevap verebilir. Bu hataya halüsinasyon denir. Modeli şirket dokümanlarına bağlayarak hatayı azaltmanın yaygın yolu Retrieval Augmented Generation (RAG) yöntemidir.
Yapay zeka türleri nelerdir
Yapay zeka türleri üç farklı açıdan sınıflandırılır: yeteneğin genişliği, kullanılan teknik ve işlev. Aynı sistem her sınıflamada farklı bir kutuya girer, bu yüzden üçünü ayrı okumak gerekir.
Yeteneğe göre yapay zeka türleri
Yetenek sınıflaması sistemin ne kadar geniş bir iş yelpazesinde insan düzeyine yaklaştığına bakar.
| Tür | Ne demek | Bugünkü durum |
|---|---|---|
| Dar yapay zeka (ANI) | Belirli bir görevde iyi olan sistem | Bugün kullanılan bütün sistemler bu gruptadır |
| Genel yapay zeka (AGI) | İnsanın yapabildiği her zihinsel işi yapabilen sistem | Henüz yok. Ne zaman geleceği ve tanımı tartışmalı |
| Süper yapay zeka (ASI) | Her alanda insanı aşan sistem | Kuramsal bir kavram |
Sohbet asistanları onlarca farklı işi yapabildiği için "genel" görünür. Teknik literatürde yine de dar yapay zeka sayılırlar, çünkü güvenilirlikleri göreve göre çok değişir.
Tekniğe göre yapay zeka türleri
Teknik sınıflama sistemin bilgiyi nasıl edindiğine bakar. Dört ana grup var:
- Kural tabanlı sistemler. Uzmanların yazdığı "eğer şu ise bunu yap" kurallarıyla çalışır. 1980'lerin uzman sistemleri bu türdendir.
- Makine öğrenmesi. Kuralı veriden öğrenir. Denetimli öğrenme etiketli örneklerden, denetimsiz öğrenme etiketsiz veriden, pekiştirmeli öğrenme deneme yanılma ve ödülden öğrenir.
- Derin öğrenme. Çok katmanlı yapay sinir ağlarıyla yapılan makine öğrenmesidir. Görüntü, ses ve dil işlerindeki büyük sıçrama bu teknikle geldi.
- Üretken yapay zeka. Yeni metin, görsel, ses, video ya da kod üretir. Büyük dil modelleri ve görsel üretim modelleri bu gruptadır.
İşleve göre yapay zeka türleri
Popüler bir sınıflama daha var: tepkisel makineler, sınırlı belleğe sahip sistemler, zihin kuramı ve öz farkındalık. İlk ikisi bugünkü sistemleri anlatır. Son ikisi gerçek bir sistem değil, araştırma ve tartışma konusudur.
Yapay zekanın kısa tarihi
Yapay zeka fikri 1950'lere uzanır, bugünkü hızlı yayılması ise 2010'lardan sonra gelen veri ve işlem gücü artışına dayanır. Önemli kırılma noktaları şunlardır:
- 1950. Alan Turing, makinelerin düşünüp düşünemeyeceğini tartıştığı makalesini yayımladı ve bugün Turing testi denen ölçütü önerdi.
- 1956. Dartmouth Koleji'ndeki yaz çalıştayı alanın başlangıcı kabul edilir. "Yapay zeka" adı bu çalıştayın önerisinde John McCarthy ve arkadaşları tarafından kullanıldı.
- 1970'ler ve 1980'ler. Beklentiler karşılanmayınca fon kesildi. Bu dönemlere yapay zeka kışı denir. Arada uzman sistemler ticari kullanım gördü.
- 2012. Derin öğrenme modeli AlexNet, ImageNet görüntü tanıma yarışmasında belirgin farkla kazandı ve derin öğrenme dönemi başladı.
- 2017. Google araştırmacılarının yayımladığı "Attention Is All You Need" makalesi Transformer mimarisini tanıttı. Bugünkü büyük dil modellerinin neredeyse hepsi bu mimariye dayanır.
- 2022. OpenAI'ın ChatGPT'yi Kasım 2022'de açması üretken yapay zekayı geniş kitlelere taşıdı.
Yapay zeka 2026'da nerede
Yapay zeka 2026'da sohbet penceresinden çıkıp iş sistemlerinin içine giren bir altyapıya dönüştü. Üç eğilim öne çıkıyor.
Birincisi çok modlu modellerdir. GPT, Claude, Gemini, Llama, Qwen, DeepSeek gibi model aileleri artık metinle sınırlı değil. Görsel, ses ve belge girdisini de işliyorlar. Bir faturanın fotoğrafını okuyup tutarları tabloya dökmek artık ayrı bir optik karakter tanıma (OCR) projesi gerektirmiyor. Bu ailelerden hangisinin hangi işte öne çıktığını yapay zeka model karşılaştırma yazısında ele aldık.
Aynı dönemde cevap vermeden önce ara adımlar üreten akıl yürütme modelleri de yaygınlaştı. Matematik, kod ve çok adımlı analiz gibi işlerde bu modeller daha tutarlı sonuç veriyor. Karşılığında daha yavaş, daha pahalı çalışıyorlar.
İkincisi ajanlardır. Model artık yalnız cevap yazmıyor, araç kullanıyor. Takvime bakıyor, veritabanını sorguluyor, form dolduruyor. Bunun nasıl çalıştığını yapay zeka ajanı nedir yazısında ayrıca anlattık. Asistanları şirket sistemlerine bağlayan açık standartlar da yaygınlaştı. Bunların en bilineni Model Context Protocol (MCP) oldu.
Üçüncüsü düzenlemedir. AB Yapay Zeka Yasası (Tüzük 2024/1689) adım adım uygulanıyor. Yasaklı uygulamalar Şubat 2025'te, genel amaçlı modellere ilişkin kurallar Ağustos 2025'te devreye girdi. Takvimin geri kalanını ve Türk şirketlerine etkisini AB Yapay Zeka Yasası rehberimizde anlattık.
Yapay zeka ile makine öğrenmesi ve derin öğrenme farkı
Yapay zeka en geniş kavramdır, makine öğrenmesi onun bir alt alanı, derin öğrenme de makine öğrenmesinin bir alt alanıdır. İç içe üç halka gibi düşünebilirsiniz.
| Kavram | Kapsam | Örnek |
|---|---|---|
| Yapay zeka | Zeki davranış gösteren her sistem, kural tabanlı olanlar dahil | Satranç programı, uzman sistem, sohbet asistanı |
| Makine öğrenmesi | Kuralı veriden öğrenen sistemler | Spam filtresi, talep tahmini, kredi skoru |
| Derin öğrenme | Çok katmanlı sinir ağı kullanan makine öğrenmesi | Yüz tanıma, konuşmayı metne çevirme, dil modelleri |
| Üretken yapay zeka | Yeni içerik üreten derin öğrenme modelleri | Metin, görsel, kod ve ses üretimi |
İşletmede her problem derin öğrenme istemez. Satış tahmini ya da müşteri kaybı tahmini gibi tablo verisiyle çalışan işlerde klasik makine öğrenmesi yöntemleri hala daha hızlı, daha ucuz ve daha kolay açıklanabilir sonuç verebilir.
Yapay zekanın sınırları ve riskleri
Yapay zeka hata yapar ve bu hataların türünü bilmek, onu güvenle kullanmanın ön koşuludur. Başlıca riskler şunlardır:
- Halüsinasyon. Dil modeli kaynağı olmayan bilgiyi kendinden emin bir dille yazabilir.
- Önyargı. Model eğitim verisindeki dengesizliği öğrenir. Geçmişte belli bir profili eleyen işe alım verisiyle eğitilen model aynı profili elemeye devam eder.
- Veri gizliliği. Herkese açık bir sohbet aracına yazılan müşteri bilgisi şirket dışına çıkmış olur. Türkiye'de bu konu KVKK (Kişisel Verilerin Korunması Kanunu) kapsamına girer.
- Güvenlik. Belgeye ya da web sayfasına gizlenmiş talimatlarla modeli yönlendirmeye çalışan saldırılara istem enjeksiyonu denir. İngilizce kaynaklarda prompt injection olarak geçer.
- Açıklanabilirlik. Derin öğrenme modelinin bir kararı neden verdiğini göstermek her zaman kolay değildir.
Bu risklerin çoğu yönetilebilir. Kaynak gösteren sistem tasarımı, insan onayı, erişim yetkisi ve düzenli test bunun temel araçlarıdır. Ekiplerin bu kuralları öğrenmesi için kurumsal yapay zeka eğitimi iyi bir başlangıçtır.
İşletmeler yapay zekayı nerede kullanıyor
İşletmeler yapay zekayı en çok müşteri hizmetleri, satış, finans, operasyon ve içerik işlerinde kullanıyor. Tipik işler şöyle sıralanabilir:
- Müşteri sorularına web sitesi ya da WhatsApp üzerinden cevap veren asistanlar.
- Fatura, sözleşme ve form gibi belgelerden veri çıkarma.
- Talep tahmini ve stok planlama.
- Dolandırıcılık ve anomali tespiti.
- Toplantı özeti, e-posta taslağı ve rapor hazırlama.
- Şirket içi dokümanlardan cevap veren bilgi asistanları.
Departman ve sektör bazında daha ayrıntılı senaryoları işletmelerde yapay zeka kullanım örnekleri yazısında topladık.
Yapay zekaya nereden başlamalı
Yapay zekaya teknolojiden değil, tekrar eden ve ölçülebilen bir iş probleminden başlamak en sağlam yoldur. Şu sırayı öneriyoruz:
- Ekibin en çok zaman harcadığı, kuralı az çok belli üç işi listeleyin.
- Her iş için verinin nerede durduğunu ve kimde olduğunu yazın.
- Birini seçip küçük bir pilotla deneyin. Başarıyı önceden tanımlayın, örneğin cevap süresi ya da elle girilen kayıt sayısı.
- Pilot sonucuna göre büyütün ya da bırakın.
Hangi işin yapay zekaya uygun olduğuna karar vermekte zorlanıyorsanız yapay zeka danışmanlığı kapsamında kullanım senaryolarını birlikte önceliklendirebiliriz.
Sık sorulan sorular
Yapay zeka ile ChatGPT aynı şey mi?
Hayır. Yapay zeka ile ChatGPT aynı şey değildir, ChatGPT yapay zekanın bir uygulamasıdır. Yapay zeka spam filtresinden kredi skoruna, yüz tanımadan talep tahminine kadar birçok sistemi kapsayan genel bir alandır. ChatGPT ise OpenAI'ın büyük dil modellerine dayanan bir sohbet asistanıdır. Claude ve Gemini de aynı türden farklı ürünlerdir.
Yapay zeka nasıl öğrenir?
Yapay zeka örnek veride tahmin yapıp bu tahmini doğru cevapla karşılaştırarak ve hatayı azaltacak şekilde parametrelerini güncelleyerek öğrenir. Bu döngü milyonlarca örnek üzerinde tekrarlanır. Etiketli örneklerle yapılan öğrenmeye denetimli, etiketsiz veriyle yapılana denetimsiz, deneme yanılma ve ödülle yapılana pekiştirmeli öğrenme denir.
Genel yapay zeka (AGI) var mı?
Hayır. Genel yapay zeka, yani insanın yapabildiği her zihinsel işi aynı güvenilirlikle yapabilen bir sistem Ekim 2026 itibarıyla yok. Bugünkü büyük dil modelleri birçok farklı işi yapabiliyor, ancak güvenilirlikleri göreve göre çok değişiyor. AGI'nin tanımı ve ne zaman ortaya çıkacağı araştırmacılar arasında tartışmalı bir konudur.
Yapay zeka işleri elimizden alacak mı?
Yapay zeka bazı görevleri otomatikleştiriyor, ama bir işin tamamını değil, çoğu zaman o işin içindeki tekrar eden parçaları üstleniyor. Veri girişi, ilk taslak ve sınıflandırma gibi görevler hızla değişiyor. Kontrol, karar ve müşteriyle ilişki gibi parçalarda insan rolü sürüyor. Etkisi sektöre ve göreve göre farklıdır.
Yapay zeka kullanmak KVKK'ya aykırı mı?
Hayır. Yapay zeka kullanmak tek başına KVKK'ya aykırı değildir, kişisel verinin nasıl işlendiği belirleyicidir. Kişisel veri içeren işlemlerde hukuki sebep, aydınlatma, veri güvenliği ve yurt dışına aktarım kuralları uygulanır. Herkese açık sohbet araçlarına müşteri ya da çalışan verisi girmemek ve kurumsal kullanım politikası yazmak iyi bir başlangıçtır.