Yapay Zeka Nedir? Tanım, Tarihçe ve Bugünün Manzarası
Yapay zekânın tanımına, 70 yıllık tarihine ve günümüzdeki rolüne kapsamlı bir giriş. Klasik tanımları, AI Winter dönemlerini, derin öğrenme devrimini ve LLM çağını tek dersten anlayın.
Şükrü Yusuf KAYA
14 min read
Beginner
👋 Yapay Zeka'ya Giriş kursuna hoş geldin
Bu kurs sıfırdan başlıyor — kod bilmen, matematik geçmişin olmana gerek yok. 6 dersin sonunda klasik AI/ML/DL kavramlarını net ayırt edebilecek, ilk modelini eğitmiş, etik sorumluluğu kavramış ve modern LLM/agent dünyasında yön bulabilir olacaksın. Final sınavı sertifika sağlar.
Yapay Zeka, "akıllı görünen şeyler" yapma sanatıdır#
Yapay zekânın (Artificial Intelligence — AI) tek ve evrensel kabul gören bir tanımı yoktur. 1955'te John McCarthy, AI terimini ilk kez kullanırken şu cümleyi yazdı:
"AI, insanın yaptığında zekâ gerektirecek görevleri makinelerle yapma çabasıdır."
Bu yaklaşım hâlâ geçerli. Ama farklı disiplinler farklı vurgular yapıyor:
- Mühendislik perspektifi: Belirli bir görevi insandan iyi yapan sistem.
- Bilişsel bilim perspektifi: İnsan zekâsının hesapsal modeli.
- Felsefi perspektif: Acaba "akıllı görünmek" ile "gerçekten akıllı olmak" aynı şey mi?
Bu derste hepsini tek tek inceleyeceğiz.
Stuart Russell & Peter Norvig (Artificial Intelligence: A Modern Approach):
"AI, çevresinden algı toplayan ve hedefe ulaşmak için aksiyon üreten rasyonel ajanlar kuran disiplindir."
Burada 4 yaklaşım var:
- İnsan gibi düşünen sistemler (cognitive modeling)
- Rasyonel düşünen sistemler (laws of thought, mantık)
- İnsan gibi davranan sistemler (Turing testi)
- Rasyonel davranan sistemler (rasyonel ajanlar — bugün baskın yaklaşım)
Turing Testi: "İnsanı taklit edebilen makine"#
Alan Turing 1950'de "Computing Machinery and Intelligence" makalesinde 'Imitation Game' adını verdiği testi önerdi. Modern formülasyon:
Bir insan değerlendirici, perde arkasındaki iki katılımcı (biri insan, biri makine) ile metin üzerinden sohbet eder. Hangisinin makine olduğunu ayırt edemiyorsa, makine "akıllı" sayılır.
Matematiksel olarak ifade edersek, başarı oranı olduğunda Turing testi geçilmiş kabul edilir.
💡 Bilgi notu: Turing testi geçildi mi?
Tartışmalı. 2014'te Eugene Goostman adlı bir chatbot, jüriyi %33 oranında kandırarak "Turing testini geçtiğini" iddia etti. Ancak çoğu AI araştırmacısı bunu manipülatif buldu — çünkü chatbot, anadili İngilizce olmayan 13 yaşında bir Ukraynalı çocuğu taklit ediyordu (kötü dilbilgisi mazur görüldü). 2024-2025'te GPT-4 sınıfı LLM'lerle çok daha rigorous testler geçildi, ama Turing'in vizyonunun bugün için yeterli olup olmadığı ayrı bir tartışma.
Yapay Zekânın Kısa Tarihçesi#
AI, 70+ yıllık iniş çıkışlarla dolu bir alan. Aşağıdaki accordion'da her dönemi açabilirsin.
1943: McCulloch & Pitts ilk yapay nöron modelini önerir — bugünkü sinir ağlarının atası.
1950: Alan Turing, Turing testini önerir.
1955: John McCarthy, "Artificial Intelligence" terimini ortaya atar; Dartmouth konferansını düzenler. Bu konferans AI'nın resmi doğum belgesi sayılır.
🇹🇷 Türkiye'de Yapay Zekânın 50 Yıllık Hikâyesi#
Yukarıdaki dünya tarihinin paralelinde Türkiye'de de yapay zeka 1970'lerden bugüne devam eden bir serüven yaşadı. Akademik araştırmadan endüstri uygulamalarına, devletin ulusal stratejisinden açık kaynak Türkçe LLM'lere kadar uzanan bu hikâyeyi tanımak, Türkiye'deki AI mühendisi için bir avantaj — çünkü yerli ekosistemde iş, akademisyenle proje, mentor ve fırsat bulmanın yolu buradan geçer.
ODTÜ, Boğaziçi, İTÜ, Hacettepe bilgisayar mühendisliği bölümleri kuruldu (1970'ler). İlk Türkçe doğal dil işleme çalışmaları 1980'lerde Boğaziçi ve Bilkent'te başladı — Kemal Oflazer'in Türkçe morfolojik çözümleyicileri (1990'lar) bugünkü Türkçe NLP'nin tohumudur.
1985: ODTÜ Bilgisayar Mühendisliği ilk yapay zeka dersini açtı.
1988: TÜBİTAK Bilişim ve Bilgi Güvenliği İleri Teknolojiler Araştırma Merkezi (BİLGEM) kuruldu — Türkiye'nin ana devlet AI/ML araştırma çatısı.
🎓 Türkiye'de AI eğitimi alabileceğin kurumlar
Lisans (AI/Veri Mühendisliği): İTÜ Yapay Zeka ve Veri Mühendisliği (2020'den beri, Türkiye'nin ilki), Boğaziçi Bilgisayar Mühendisliği (AI track), ODTÜ Bilgisayar Mühendisliği + Bilişsel Bilim, Bilkent CS + EEE, Koç Üniversitesi. Lisansüstü: Boğaziçi Veri Bilimi ve Yapay Zeka Enstitüsü, İTÜ AI/DS yüksek lisans, ODTÜ İVMER (yeni AI merkezi). Devlet/Topluluk: TÜBİTAK Yapay Zeka Enstitüsü (Ar-Ge), Türkiye Yapay Zeka İnisiyatifi (turkiye.ai), AI Safety Türkiye, ODTÜ Yapay Zeka Topluluğu (ODTÜYZT). Online: BTK Akademi (ücretsiz Türkçe AI kursları), TUBITAK BİLGEM eğitimleri.
✅ AI'nin Bugün İyi Yaptıkları#
- Görüntü tanıma — bazı dar alanlarda insan üstü (örn. patoloji, retinopati taraması)
- Konuşma tanıma & sentez — neredeyse kusursuz
- Çeviri — yüzlerce dil çiftinde yüksek kalite
- Kod tamamlama — Copilot vb.
- Stratejik oyun — satranç, Go, StarCraft'ta süper insanca
- İçerik üretimi — yazı, görsel, kod, müzik
- Tahmin — talep, kredi riski, churn
❌ AI'nin Hâlâ Zorlandığı#
- Common sense reasoning — günlük yaşam mantığı
- Causal inference — neden-sonuç ilişkileri (sadece korelasyon)
- Az veriyle öğrenme — 1-2 örnekten genelleme
- Uzun vadeli planlama — birden fazla hedefi dengeleme
- Yaratıcılık (gerçek anlamda) — kombinasyon vs özgün buluş
- Açıklanabilirlik — neden o kararı verdi?
- Domain transfer — bir alandan diğerine bilgi taşıma
Geoffrey Hinton — AI'nin gelişimini ve geleceğini anlatıyor (2024 konuşması).
⚠️ Yaygın yanılgılar
(1) 'AI = robot' değildir. Çoğu AI bir backend servisinde çalışır. (2) 'AI sihirdir' değildir. Her AI sistemi, bir veri + algoritma + optimizasyon kombinasyonudur — kara kutu olsa da deterministik bilim yasalarına uyar. (3) 'AI yakında her işi alacak' abartısı. AI bazı görevleri otomatikleştirir, ama bütün meslekleri değil. Beceri seti değişir.
Bu derste neler öğrendik?#
✓ AI'nın tek tanımı yok — akademik, endüstri ve felsefi perspektifler farklı vurgular yapıyor.
✓ Turing testi AI'nin ilk operasyonel tanımı; ama yetersiz.
✓ AI'nın 70+ yıllık tarihinde iki AI Winter ve derin öğrenme devrimi var.
✓ AI bugün görsel/dil/oyunta çok güçlü, common sense ve causal reasoning'te zayıf.
✓ Hâlâ AGI yok — bugün kullandığımız her sistem narrow AI.
Sıradaki ders: AI vs ML vs DL — kavramların doğru hiyerarşisi ve hangi sorun için hangi yaklaşım.
Frequently Asked Questions
Toplam 5 ders × ortalama 18 dakika = ~90 dakika net okuma süresi. Hands-on bölümlerle birlikte 3-4 saat ayırmak ideal. Final sınavı için ayrıca 30 dakika.
Yorumlar & Soru-Cevap
(0)Yorum yazmak için giriş yap.
Yorumlar yükleniyor...