Araç değil kavram: makine öğrenmesi, derin öğrenme, sinir ağları, denetimli ve pekiştirmeli öğrenme, büyük dil modelleri, üretken yapay zeka, ajanlar, halüsinasyon, prompt kavramları ve yapay genel zeka. Yapay zekanın nasıl çalıştığını anlamak isteyenler için temel terimler.
Yapay Zeka Kavramları · "U" ile başlayanlar · 1 başlık
Son eklenen tanımlar
altyapı hedeflerini biraz açayım, çünkü rakamlar ilk bakışta soyut duruyor. plan 2030'a kadar en az 1 gigavat veri merkezi kurulu gücü, 1 eksabayt depolama, 100 terabit/saniye ulusal omurga ve yılda 10 teravatsaat düşük karbonlu elektrik alımı diyor.
1 gigavat ne demek? bugün dünyanın büyük yapay zeka kampüsleri 100 ile 300 megavat bandında; 1 gigavat, bunlardan üç ile on tanesinin toplamı kadar bir güç. tam kapasitede çalışan 1 gigavatlık altyapı yılda yaklaşık 8,8 teravatsaat elektrik çeker; planın 10 teravatsaatlik alım hedefi bu hesabın üstüne soğutma ve yedeklilik payı konmuş gibi görünüyor, yani rakamlar kendi içinde tutarlı. karşılaştırma için: türkiye'nin yıllık elektrik tüketimi kabaca 330 teravatsaat; 10 teravatsaat bunun yüzde 3'ü civarı. uluslararası enerji ajansı'nın hesabına göre dünyadaki veri merkezleri 2024'te 400 teravatsaatin biraz üzerinde tüketti; türkiye'nin hedefi bu küresel pastanın küçük ama görünür bir dilimi.
elektriğin "düşük karbonlu" olması şartı önemli, çünkü veri merkezi yatırımcıları artık yeşil enerji sözleşmesi olmadan gelmiyor. türkiye'nin güneş ve rüzgar kapasitesinin hızlı büyümesi bu açıdan avantaj; veri merkezinin yanına ges ya da res eşleştirmek hem maliyeti düşürür hem yatırımcının karbon raporunu rahatlatır.
asıl darboğaz elektrik değil, çip. yapay zeka kampüsünün maliyetinin büyük kısmı gpu; tedarik zinciri birkaç üreticiye bağlı, teslim süreleri uzun ve gelişmiş çiplerin ihracatı uluslararası kontrollere tabi. planın "özel sektör öncülüğünde 10 milyar dolar" demesi bu yüzden doğru: gpu satın alma, finansman ve işletme deneyimi büyük ölçüde özel sektörde. kamunun rolü enerji, arazi, izin ve omurga tarafında.
100 terabit/saniye omurga ve 1 eksabayt depolama hedefleri daha az konuşuluyor ama girişimler için en somut olanlar bunlar: veri merkezleri arası düşük gecikme ve bol depolama, büyük veri setleriyle çalışan her ekibin doğrudan hissedeceği şey. gigavat manşetlerde kalır; omurga ve depolama günlük işi değiştirir.
son bir not: bu ölçekte altyapı 2030'a kadar tamamlansa bile asıl ölçüt doluluk oranı olacak. boş duran gigavat maliyet, dolu gigavat ekosistem demek. hangi iş yüklerinin (kamu, savunma, sağlık, girişimler, yurt dışı müşteriler) bu kapasiteyi dolduracağı, altyapının kendisinden daha önemli bir soru.
devamını oku →
planın en çok konuşulan maddesi yerli büyük dil modeli. hedef net: oğuz, kıpçak ve karluk dil ailelerini kapsayan bir türkçe model ve 2027 sonuna kadar üretim ortamında çalışan bir türkçe model. sahada üç proje anılıyor: tübitak'ın dil modeli çalışması, t3 vakfı ile baykar'ın iş birliği ve havelsan'ın modeli. bu konuda subjektif ama gerekçeli bir görüş yazacağım.
neden kendi modeli olsun istenir, anlaşılır: kamu verisi yabancı sunucuya gitmesin, türkçe kalitesi ve kültürel bağlam yerli olsun, kritik altyapı dışa bağımlı kalmasın. fransa'nın mistral'i, birleşik arap emirlikleri'nin falcon'u, güney kore ve japonya'nın kendi modelleri aynı kaygıyla doğdu; türkiye'nin de bu yarışta bir kartı olması normal.
zor tarafı da açık: açık ağırlıklı modeller (llama, qwen, mistral, gemma) her birkaç ayda bir sıçrama yapıyor ve türkçeleri giderek düzeliyor. sıfırdan büyük bir model eğitmenin maliyeti yüz milyonlarca dolar ve bitmeyen bir yarış; bugün eğitilen model bir yıl sonra ücretsiz açık modelin gerisinde kalabiliyor. bu yüzden bence akıllı yol sıfırdan model değil, üç şey: birincisi, açık modellerin üzerine türkçe için ince ayar ve sürekli eğitim; ikincisi, herkesin kullanabileceği büyük ve temiz bir türkçe veri seti (planın veri kütüphanesi burada değerli); üçüncüsü, türkçe için bağımsız bir değerlendirme seti, yani hangi model türkçede gerçekten iyi, onu ölçen bir kıyas. üçüncüsü olmadan "yerli model daha iyi" cümlesi bir iddia olarak kalır.
bir de "model" ile "uygulama" ayrımı var. ekonomik değerin büyük kısmı modelin kendisinde değil, modeli sağlıkta, tarımda, üretimde işe koşan uygulamada oluşuyor. planın sektörel model öncelikleri (sağlık, tarım, deprem müdahalesi, enerji, imalat) bu açıdan doğru yerde duruyor. yerli model tartışması gündemi kapladıkça bu uygulama katmanı gölgede kalmasın; on tane kullanılan sağlık uygulaması, bir tane vitrinlik modelden daha fazla değer üretir. planın kendisi de zaten beş katmanlı bir ekosistem tarif ediyor: enerji ve donanım, altyapı, model ve veri, uygulama, artı yetenek, finansman ve düzenleme. model bu beş katmandan yalnızca biri.
devamını oku →
girişimci gözüyle okuyunca planın hangi maddeleri doğrudan iş anlamına geliyor, onu yazayım. genel hedefler herkesi ilgilendirir ama bir kurucu için önemli olan hangi kapının ne zaman açılacağı.
1. yapay zeka büyüme fonu (15 milyar tl): seri a, seri b ve ölçeklenme aşamasında 20'den fazla girişime yatırım hedefi var. türkiye'de tohum aşaması kalabalık, büyüme aşaması boş; bu fon tam o boşluğa denk geliyor. hangi fon yöneticisiyle, hangi eş yatırımcı şartıyla çalışacağı henüz açıklanmadı; takip edilmesi gereken ilk şey bu.
2. kamu ilk müşteri: kamu kurumlarının yerli çözümler için ilk kullanıcı ve referans müşteri olması, 10 bakanlıkta 30'dan fazla pilot, e-devlet'te 5'ten fazla yapay zeka destekli hizmet. b2g satan girişimler için referans müşteri sorununu çözebilir. uyarı: kamu alım süreçleri yavaştır; nakit akışını kamuya endeksleyen girişim, ödeme takvimine de hazırlıklı olmalı.
3. kobi kuponu: ilk 12 ayda 1.000'den fazla kupon. kuponu kobi alıyor ama harcamayı bir çözüm sağlayıcıya yapıyor; yani kobi'lere yapay zeka satan girişimler için hazır bir talep havuzu. kupon listesine girebilmek için ürününü belgelemek, referans ve kvkk uyumu hazırlamak şart.
4. ulusal veri kütüphanesi: sağlık, tarım, savunma ve e-ticaret alanlarında 2.000'den fazla makine okunabilir veri seti, 100'den fazlası api ile. türkiye'de veri erişimi girişimin en pahalı sorunuydu; kaliteli ve güncel gelirse rekabet avantajı, gelmezse kağıt üstünde kalır.
5. düzenleyici deney alanları: finans, sağlık, enerji, mobilite ve telekomünikasyonda sandbox. bu beş sektörde ürünü canlıya almadan önce kontrollü ortamda sınama imkânı, özellikle fintek ve sağlık girişimleri için lisans belirsizliğini azaltır.
6. gpu erişimi ve büyüme bölgeleri: hesaplama altyapısına erişim, 5'ten fazla yapay zeka büyüme bölgesi, 3 mükemmeliyet merkezi. teknoparkın yapay zeka odaklı versiyonu gibi düşünülebilir; kira ve altyapı desteği ile birlikte gelirse anlamlı.
7. robotik ve ihracat: 2030'a kadar 5'ten fazla robotik ihracat ya da ortak geliştirme anlaşması, yurt dışında 25'ten fazla kurumsal model konuşlandırması. donanım girişimleri için ilk kez ihracat hedefi yazılmış olması dikkat çekici.
pratik öneri: hangi eylem başlığına girdiğini bugünden belirle ve ürününü o dille anlat. destek programları çıktığında başvuru metni planın kendi kelimeleriyle (fark et, istifade et, üret, yönet) yazılırsa değerlendirme kolaylaşıyor. bir de plana bağımlı iş kurmamak lazım; plan hızlandırıcıdır, ürün ve müşteri yerine geçmez.
devamını oku →
bu planı anlamak için bir öncekine bakmak lazım. türkiye'nin ilk kapsamlı belgesi ulusal yapay zeka stratejisi 2021-2025'ti; cumhurbaşkanlığı dijital dönüşüm ofisi ile sanayi ve teknoloji bakanlığı birlikte hazırlamıştı. vizyonu "müreffeh bir türkiye için çevik ve sürdürülebilir bir yapay zeka ekosistemiyle küresel düzeyde değer üretmek"ti ve altı stratejik önceliği vardı: uzman insan kaynağı yetiştirmek, araştırma ve girişimciliği desteklemek, kaliteli veriye ve teknik altyapıya erişimi genişletmek, sosyoekonomik uyumu hızlandıracak düzenlemeleri yapmak, uluslararası iş birliklerini güçlendirmek ve yapısal ve iş gücü dönüşümünü hızlandırmak. bu altı başlığın altında 119 tedbir sıralanmıştı. 2025 hedefleri de belliydi: yapay zekanın gsyh'ye katkısının yüzde 5'e çıkması, alanda 50.000 kişilik istihdam ve uluslararası endekslerde ilk 20 ülke arasına girmek. 2024'te bu plan 12. kalkınma planı doğrultusunda 2024-2025 eylem planı olarak güncellendi.
2026-2030 planı bir kopuş değil devam olarak sunuluyor; meclis yapay zeka araştırma komisyonunun ve cumhurbaşkanlığı bilim, teknoloji ve yenilik politikaları kurulu'nun belgelerinden beslendiği söyleniyor. iki metni yan yana koyunca farklar şöyle:
birincisi, ağırlık noktası değişti. 2021 belgesi insan kaynağı ve düzenleme ağırlıklıydı; yeni plan hesaplama altyapısını ve enerjiyi merkeze alıyor (1 gigavat, 1 eksabayt, 10 teravatsaat). 2021'de gpu erişimi bir madde bile değildi; bugün ekseni belirleyen unsur.
ikincisi, finansman araçları somutlaştı. eski belge "desteklenecek" diyordu; yenisi 10 milyar tl'lik araştırma fonu ve 15 milyar tl'lik büyüme fonu diye tutar veriyor.
üçüncüsü, yönetişim katmanı eklendi: ulusal yapay zeka kurulu, bakanlık bünyesinde program ofisi, tavsiye niteliğinde ulusal yapay zeka etik kurulu ve herkese açık ilerleme portalı. 2021 belgesinde yönlendirme kurulu vardı ama kamuya açık bir takip mekanizması yoktu.
dördüncüsü, yerli model ve düzenleyici deney alanı gibi 2021'de henüz gündemde olmayan başlıklar girdi; büyük dil modelleri o belgeden sonra yaygınlaştı.
bir önceki dönemin en çok eleştirilen yanı hedeflerin ne kadarına ulaşıldığının bağımsız biçimde ölçülememesiydi. yeni planın en anlamlı yeniliği bence bu: 12 ay sonra ilk rapor ve yıllık takip. ilk raporun içeriği, planın kağıt üstünde mi yoksa sahada mı olduğunu gösterecek.
devamını oku →
DAIR.AI'nin hazırladığı prompt mühendisliği ders kitabı; temel tekniklerden düşünce zinciri, az örnekli öğrenme ve ajan promptlarına kadar. Açık kaynak, çok dilli, akademik kaynaklarla destekli. Konuya ciddi girmek isteyenlerin ilk okuması.
promptingguide.ai
planın sayısal hedeflerini tek listede toplamak gerekirse (kaynak: 18 ağustos 2026 tarihli resmi gazete'deki metin ve sanayi ve teknoloji bakanlığı'nın sunumu):
insan kaynağı: ulusal yapay zeka okuryazarlığı programını 5 milyon kişinin tamamlaması, bunun 1,5 milyonu ilk 12 ayda; ilk altı ayda 1.000'den fazla eğitici; 2027 sonuna kadar 10.000 ileri düzey yapay zeka uzmanı ve 100.000 yapay zeka uygulama profesyoneli; 50'den fazla üniversitede yapay zekanın müfredata girmesi; 81 ilde okuryazarlık atölyeleri.
altyapı: en az 1 gigavat veri merkezi kurulu gücü, en az 1 eksabayt depolama, 100 terabit/saniye ulusal omurga, yılda 10 teravatsaat düşük karbonlu elektrik alımı ve veri merkezi, bulut, yapay zeka altyapısı için en az 10 milyar dolarlık, özel sektör öncülüğünde yatırım.
veri ve araştırma: ulusal veri kütüphanesinde 2.000'den fazla kamu veri seti (100'den fazlası api ile), 2028'e kadar 10 lisanslama ya da ortak geliştirme anlaşması, yurt dışında 25'ten fazla kurumsal model konuşlandırması, 2030'a kadar 5'ten fazla robotik ihracat ya da ortak geliştirme anlaşması.
finansman: en az 10 milyar tl'lik ulusal yapay zeka araştırma fonu, 15 milyar tl'lik yapay zeka büyüme fonu, seri a/b ve ölçeklenme aşamasında 20'den fazla girişim; ilk 12 ayda kobi'lere 1.000'den fazla yapay zeka kuponu; kamu yatırım programlarında yapay zekaya en az yüzde 2 pay.
bölgeler ve kamu: 2028 sonuna kadar 5'ten fazla yapay zeka büyüme bölgesi ilanı ve en az 3'ünün faal olması, 3 bölgesel mükemmeliyet merkezi, 6 erişim noktası; ilk 12 ayda 10 bakanlıkta 30'dan fazla pilot uygulama, e-devlet'te 5'ten fazla yapay zeka destekli hizmet; finans, sağlık, enerji, mobilite ve telekomünikasyonda düzenleyici deney alanı (sandbox).
toplam beklenen ekonomik değer 1 trilyon tl'nin üzerinde. bunları alt alta yazınca planın en güçlü tarafı ortaya çıkıyor: neredeyse her hedefin bir sayısı ve tarihi var; 12 ay sonra ilk ilerleme raporu, sonra her yıl bir rapor ve kurumların bütçe ve takvimlerini gösteren bir şeffaflık portalı vaat ediliyor. bir plan ancak ölçülebiliyorsa takip edilebilir; bu metin en azından o şartı sağlıyor.
devamını oku →
Google'ın prompt mühendisliği üzerine resmi teknik raporu; altmış sayfada temel teknikler, örnekler ve en iyi uygulamalar. Kısa, yoğun ve pazarlama içermiyor.
kaggle.com/whitepaper-prompt-e...
Sıfırdan başlayanlar için açık prompt mühendisliği kursu; temelden ileri seviyeye, görsel üretim promptları dahil. Ücretsiz, çok dilli.
learnprompting.org
Microsoft'un sıfırdan üretken yapay zeka öğreten ücretsiz kursu; yirmiden fazla ders, kod örnekleri ve videolarla. Prompt mühendisliğinden uygulama geliştirmeye kadar gidiyor. Türkçe çevirisi de var. Konuya yapılandırılmış biçimde girmek isteyenler için.
microsoft.github.io/generative...
Uygulamalı Jupyter defterleriyle prompt tekniklerini öğreten GitHub deposu. Her teknik için çalışan kod örneği var; okuyarak değil deneyerek öğrenmek isteyenlere.
github.com/NirDiamant/Prompt_E...
@sammy
· 3 gün önce
@noway