Yapay Zekâ Nedir?

Yapay zekâ (Artificial Intelligence - AI), bilgisayar sistemlerinin normal şartlarda insan zekâsı gerektiren görevleri yerine getirebilmesini sağlayan teknolojilerin bütünüdür. Öğrenme, mantık yürütme, problem çözme, dil anlama, görüntü tanıma ve karar verme gibi süreçleri dijital ortama taşıyan yapay zekâ, günümüzde hem bireysel kullanıcıların hem de işletmelerin çalışma biçimini kökten değiştirmektedir.

Son yıllarda üretken yapay zekâ (Generative AI), büyük dil modelleri (LLM), yapay zekâ ajanları (AI Agents) ve otomasyon çözümlerindeki gelişmeler sayesinde AI artık yalnızca teknoloji şirketlerinin kullandığı bir araç olmaktan çıkmış, her sektörde rekabet avantajı sağlayan temel teknolojilerden biri hâline gelmiştir.

Bugün kullandığımız sanal asistanlardan çevrim içi alışveriş önerilerine, banka dolandırıcılık tespit sistemlerinden sağlık sektöründeki tanı destek uygulamalarına kadar birçok teknoloji, arka planda farklı yapay zekâ modellerinden yararlanmaktadır. Bu nedenle yapay zekâyı anlamak, yalnızca yazılım geliştiriciler için değil; yöneticiler, girişimciler, öğrenciler ve teknolojiyle ilgilenen herkes için önemli bir gereklilik hâline gelmiştir.

Bu rehberde yapay zekânın ne olduğu, nasıl çalıştığı, hangi teknolojilerden oluştuğu, kullanım alanları, avantajları, karşılaşılabilecek riskler ve gelecekte bizi nelerin beklediği ayrıntılı olarak ele alınacaktır.

Yapay Zekâ Neden Bu Kadar Önemli?

Dijital dönüşümün hız kazanmasıyla birlikte şirketler daha hızlı karar almak, operasyonel maliyetlerini azaltmak ve müşterilerine daha iyi deneyimler sunmak için yapay zekâ teknolojilerine yönelmektedir.

Eskiden saatler süren veri analizleri artık dakikalar içinde tamamlanabilmektedir. Binlerce müşteri talebi otomatik olarak cevaplanabilmekte, üretim hatalarından finansal risklere kadar birçok konu yapay zekâ tarafından önceden tahmin edilebilmektedir.

Yapay zekânın önem kazanmasının başlıca nedenleri şunlardır:

• Büyük veri kümelerini saniyeler içinde analiz edebilmesi
• Sürekli öğrenerek performansını geliştirebilmesi
• İnsan hatalarını azaltabilmesi
• Tekrarlayan işleri otomatikleştirebilmesi
• 7/24 kesintisiz çalışabilmesi
• Daha hızlı ve doğru karar destek mekanizmaları oluşturabilmesi
• İş süreçlerinde verimliliği artırması
• Yeni nesil dijital ürünlerin geliştirilmesini mümkün kılması

Özellikle son birkaç yıl içerisinde gelişen üretken yapay zekâ modelleri sayesinde içerik üretimi, yazılım geliştirme, müşteri hizmetleri ve iş otomasyonu gibi alanlarda büyük bir dönüşüm yaşanmaktadır.

Yapay Zekânın Kısa Tarihi

Yapay zekâ kavramı çoğu kişinin düşündüğünden çok daha eskiye dayanmaktadır.

1950 yılında İngiliz matematikçi Alan Turing, bilgisayarların düşünebilme yeteneğini sorgulayan çalışmalarını yayımladı. Daha sonra geliştirilen Turing Testi, uzun yıllar boyunca yapay zekâ araştırmalarının temel referanslarından biri oldu.

1956 yılında Dartmouth Konferansı'nda ilk kez "Artificial Intelligence" terimi resmi olarak kullanılmaya başlandı. Bu konferans, modern yapay zekâ araştırmalarının başlangıcı kabul edilmektedir.

1960 ve 1970'li yıllarda uzman sistemler geliştirildi. Ancak dönemin donanım kapasitesi ve veri eksikliği nedeniyle beklenen ilerleme sağlanamadı.

1997 yılında IBM'in Deep Blue sistemi dünya satranç şampiyonu Garry Kasparov'u yenerek önemli bir dönüm noktası oluşturdu.

2012 yılında derin öğrenme (Deep Learning) alanındaki büyük ilerlemeler sayesinde görüntü tanıma sistemlerinde devrim yaşandı.

2022 sonrasında ise büyük dil modelleri ve üretken yapay zekâ uygulamalarının yaygınlaşmasıyla birlikte AI teknolojileri günlük hayatın vazgeçilmez parçalarından biri hâline geldi.

Bugün ise yapay zekâ yalnızca belirli görevleri yerine getiren sistemlerden ibaret değildir. Karmaşık problemleri analiz eden, doğal dili anlayan, kod yazabilen, görsel oluşturabilen ve çok adımlı görevleri planlayabilen gelişmiş sistemler kullanılmaktadır.

Yapay Zekâ Nasıl Çalışır?

Yapay zekâ, bilgisayarların büyük miktarda veriyi analiz ederek belirli örüntüleri (patterns) öğrenmesi prensibine dayanır.

İnsanlar deneyimlerinden öğrenirken, yapay zekâ modelleri milyonlarca hatta milyarlarca veri örneğini inceleyerek istatistiksel ilişkileri keşfeder. Bu süreç sonucunda yeni karşılaştığı veriler hakkında tahminlerde bulunabilir veya karar verebilir.

Genel olarak bir yapay zekâ sisteminin çalışma süreci şu adımlardan oluşur:

1. Veri Toplama

Yapay zekânın başarısı büyük ölçüde kullanılan verinin kalitesine bağlıdır.

Veriler;

• metinlerden,
• görüntülerden,
• videolardan,
• sensörlerden,
• kullanıcı davranışlarından,
• kurumsal veri tabanlarından

elde edilebilir.

Ne kadar kaliteli ve çeşitli veri kullanılırsa modelin doğruluğu da o kadar artar.

2. Veri Hazırlama

Toplanan ham veriler doğrudan kullanılmaz.

Eksik kayıtlar temizlenir, hatalı bilgiler düzeltilir, gereksiz veriler kaldırılır ve modelin öğrenebileceği uygun formata dönüştürülür.

Makine öğrenmesi projelerinde başarının önemli bir kısmı veri hazırlama aşamasında elde edilir.

3. Model Eğitimi

Hazırlanan veri, makine öğrenmesi veya derin öğrenme algoritmalarıyla işlenir.

Bu aşamada model, örnekler üzerinden ilişkileri öğrenmeye çalışır.

Örneğin binlerce kedi ve köpek fotoğrafı gösterilen bir model zamanla iki hayvan arasındaki farkları öğrenebilir.

Benzer şekilde milyonlarca metin üzerinde eğitilen büyük dil modelleri, kelimeler arasındaki ilişkileri öğrenerek doğal dil üretebilir.

4. Tahmin ve Karar Verme

Eğitim tamamlandıktan sonra model daha önce hiç görmediği yeni veriler üzerinde tahmin yapmaya başlar.

Örneğin;

• Bir e-postanın spam olup olmadığını belirleyebilir.
• Bir kredi başvurusunun risk seviyesini hesaplayabilir.
• Bir müşterinin hangi ürünü satın alma ihtimalinin yüksek olduğunu tahmin edebilir.
• Bir fabrikanın üretim hattındaki arızaları önceden öngörebilir.
• Bir kullanıcı sorusuna doğal dilde cevap verebilir.

Yapay Zekâ Türleri

Yapay zekâ, tek bir teknoloji değildir. Farklı problem türlerini çözmek amacıyla geliştirilen birçok alt teknoloji ve yaklaşımı kapsayan geniş bir ekosistemdir. Günümüzde kullanılan yapay zekâ sistemlerini hem yeteneklerine hem de çalışma yöntemlerine göre sınıflandırmak mümkündür.

Yeteneklerine Göre Yapay Zekâ Türleri

1. Dar Yapay Zekâ (Narrow AI)

Bugün kullandığımız neredeyse tüm yapay zekâ uygulamaları dar yapay zekâ kategorisine girer.

Dar yapay zekâ sistemleri yalnızca belirli görevleri yerine getirmek üzere tasarlanır. Başka bir deyişle, belirli bir alanda son derece başarılı olabilirler; ancak farklı bir problemi kendi başlarına çözemezler.

Örneğin;

• E-posta spam filtreleri
• Görüntü tanıma sistemleri
• Sesli asistanlar
• Çeviri uygulamaları
• Ürün öneri sistemleri
• Sohbet botları
• Kod üretme araçları

Her biri belirli bir görevi yerine getirmek için optimize edilmiştir.

Bugün ChatGPT, Claude, Gemini veya benzeri gelişmiş sistemler oldukça etkileyici görünse de teknik olarak hâlâ dar yapay zekâ sınıfında değerlendirilmektedir.

2. Genel Yapay Zekâ (Artificial General Intelligence - AGI)

Genel yapay zekâ, insanın öğrenebildiği hemen her bilişsel görevi yerine getirebilen teorik bir yapay zekâ modelidir.

Bir AGI sistemi;

• yeni konuları öğrenebilir,
• mantık yürütebilir,
• farklı disiplinlerde bilgi üretebilir,
• planlama yapabilir,
• yaratıcılık gösterebilir,
• öğrendiği bilgileri farklı problemlere aktarabilir.

Bugün dünyada gerçek anlamda çalışan bir AGI bulunmamaktadır.

Teknoloji şirketleri ve araştırma laboratuvarları bu hedef doğrultusunda çalışmalar yürütmektedir; ancak mevcut yapay zekâ sistemleri henüz bu seviyeye ulaşmış değildir.

3. Süper Yapay Zekâ (Artificial Super Intelligence)

Süper yapay zekâ, insan zekâsını her alanda aşabilecek varsayımsal bir teknoloji olarak tanımlanır.

Böyle bir sistem;

• bilimsel araştırmalar yapabilir,
• yeni teknolojiler geliştirebilir,
• karmaşık ekonomik modeller oluşturabilir,
• insanlardan daha iyi stratejik kararlar verebilir.

Şu anda bu yalnızca teorik bir kavramdır.

Bilim insanları bu konuda hem büyük fırsatlar hem de etik ve güvenlik açısından önemli riskler bulunduğunu belirtmektedir.

Çalışma Yöntemine Göre Yapay Zekâ Teknolojileri

Modern yapay zekâ sistemleri birçok farklı teknolojinin birlikte çalışmasıyla oluşur.

En yaygın kullanılan teknolojiler şunlardır:

• Makine Öğrenmesi (Machine Learning)
• Derin Öğrenme (Deep Learning)
• Doğal Dil İşleme (Natural Language Processing)
• Bilgisayarlı Görü (Computer Vision)
• Üretken Yapay Zekâ (Generative AI)
• Büyük Dil Modelleri (LLM)
• AI Agent Sistemleri
• Retrieval-Augmented Generation (RAG)

Şimdi bunları ayrıntılı olarak inceleyelim.

Makine Öğrenmesi (Machine Learning) Nedir?

Makine öğrenmesi, yapay zekânın en önemli alt dallarından biridir.

Bir bilgisayarın açıkça programlanmadan verilerden öğrenmesini sağlar.

Klasik yazılım geliştirmede kurallar yazılımcı tarafından belirlenir.

Örneğin;

Eğer sıcaklık 30 derecenin üzerindeyse klima açılsın.

Makine öğrenmesinde ise sistem bu kuralları verilerden kendisi öğrenir.

Örneğin;

• binlerce müşteri verisini analiz ederek,
• hangi müşterilerin aboneliğini iptal edeceğini tahmin edebilir.

Makine öğrenmesi özellikle şu alanlarda kullanılmaktadır:

• kredi risk analizi
• dolandırıcılık tespiti
• satış tahmini
• müşteri segmentasyonu
• öneri sistemleri
• fiyat tahmini
• stok optimizasyonu

Makine Öğrenmesi Türleri

Denetimli Öğrenme (Supervised Learning)

Model, doğru cevapları bilinen örneklerle eğitilir.

Örneğin;

100.000 e-posta

Spam

Spam değil

şeklinde etiketlenmiş veri kullanılarak model spam tespiti öğrenebilir.

Denetimsiz Öğrenme (Unsupervised Learning)

Veriler etiketlenmemiştir.

Model kendi benzerlik analizlerini yaparak gruplandırma gerçekleştirir.

Örneğin;

• müşteri segmentasyonu
• davranış analizi
• anomali tespiti

Pekiştirmeli Öğrenme (Reinforcement Learning)

Model ödül-ceza mantığıyla öğrenir.

Örneğin;

Bir robot doğru hareket ettiğinde puan kazanır.

Yanlış yaptığında puan kaybeder.

Bu yöntem;

• robotik
• oyun geliştirme
• otonom araçlar

gibi alanlarda yaygın olarak kullanılmaktadır.

Derin Öğrenme (Deep Learning)

Derin öğrenme, makine öğrenmesinin daha gelişmiş bir alt dalıdır.

İnsan beynindeki sinir ağlarından ilham alınarak geliştirilen yapay sinir ağlarını kullanır.

Çok büyük veri kümeleri üzerinde çalışabilir.

Örneğin;

• yüz tanıma
• ses tanıma
• nesne algılama
• görüntü oluşturma
• konuşma sentezi
• video analizi

gibi yüksek doğruluk gerektiren işlemlerde kullanılmaktadır.

Bugün ChatGPT gibi büyük dil modellerinin temelinde de derin öğrenme bulunmaktadır.

Büyük Dil Modelleri (LLM) Nedir?

Large Language Model (LLM), milyarlarca kelime üzerinde eğitilmiş gelişmiş yapay zekâ modelleridir.

Bu modeller;

• doğal dili anlayabilir,
• metin oluşturabilir,
• kod yazabilir,
• çeviri yapabilir,
• özet çıkarabilir,
• belge analiz edebilir,
• soru cevaplayabilir.

LLM'ler kelimelerin anlamını ezberlemez.

Bunun yerine kelimeler arasındaki istatistiksel ilişkileri öğrenerek en uygun cevabı üretmeye çalışır.

Son yıllarda kurumsal yapay zekâ projelerinin büyük kısmı LLM teknolojileri üzerine inşa edilmektedir.

Üretken Yapay Zekâ (Generative AI)

Üretken yapay zekâ, mevcut verileri analiz etmekle kalmayıp yeni içerikler de oluşturabilen sistemleri ifade eder.

Örneğin;

• makale yazabilir,
• görsel oluşturabilir,
• sunum hazırlayabilir,
• kod geliştirebilir,
• müzik üretebilir,
• video oluşturabilir.

Bu teknoloji özellikle;

• pazarlama,
• yazılım geliştirme,
• eğitim,
• medya,
• tasarım,
• müşteri hizmetleri

alanlarında büyük dönüşümler sağlamaktadır.

AI Agent Nedir?

Son yılların en önemli gelişmelerinden biri AI Agent teknolojileridir.

Klasik chatbot yalnızca sorulara cevap verir.

Bir AI Agent ise;

• hedef belirleyebilir,
• plan oluşturabilir,
• farklı araçları kullanabilir,
• internetten bilgi alabilir,
• API'lerle haberleşebilir,
• görevleri otomatik tamamlayabilir,
• gerektiğinde karar verebilir.

Örneğin bir satış AI Agent'ı;

• CRM sistemini kontrol edebilir,
• müşterilere e-posta gönderebilir,
• toplantı planlayabilir,
• teklif hazırlayabilir,
• rapor oluşturabilir.

Bu nedenle AI Agent'lar işletmeler için yalnızca bilgi veren sistemler değil, iş yapan dijital çalışanlar olarak görülmektedir.

Retrieval-Augmented Generation (RAG) Nedir?

Kurumsal şirketlerin en çok kullandığı yapay zekâ mimarilerinden biri RAG sistemleridir.

Standart büyük dil modelleri yalnızca eğitim sırasında öğrendikleri bilgilerle cevap üretir.

RAG ise cevap vermeden önce;

• şirket dokümanlarını,
• PDF dosyalarını,
• bilgi tabanını,
• veri tabanlarını,
• SharePoint,
• Notion,
• Google Drive,
• Confluence

gibi kaynakları tarar.

Daha sonra bulunan güncel bilgiler modele aktarılır ve cevap buna göre oluşturulur.

Bu yaklaşım sayesinde;

• daha doğru cevaplar,
• daha güncel bilgiler,
• şirket verilerine erişim,
• düşük halüsinasyon oranı

elde edilir.

Bu nedenle günümüzde kurumsal AI projelerinin büyük kısmı RAG mimarisi üzerine kurulmaktadır.