Yapay Zekâ → Üretken AI → LLM: Bağlamsal Harita
Yapay zekâ, makine öğrenmesi, derin öğrenme, üretken yapay zekâ ve büyük dil modelleri (LLM) arasındaki ilişkiyi netleştir. Tarihsel bağlamı ve paradigma değişimlerini öğren.
Şükrü Yusuf KAYA
12 dakikalık okuma
BaşlangıçYapay Zekâ → GenAI → LLM: Bağlamsal Harita
"Yapay zekâ" terimi öyle çok kullanılıyor ki, çoğu zaman ne kastedildiği belirsizleşiyor. Önce kavramsal hiyerarşiyi netleştirelim:
Kavramların Tanımları#
Yapay Zekâ (AI): İnsan zekâsı gerektiren görevleri (algılama, akıl yürütme, öğrenme, karar verme) yapan her türlü sistem. Çok geniş bir şemsiye.
Makine Öğrenmesi (ML): AI'ın bir alt kümesi. Açık kurallarla programlanmak yerine veriden öğrenen sistemler. Spam filtresi, ürün önerisi, kredi skoru gibi.
Derin Öğrenme (DL): ML'in bir alt kümesi. Çok katmanlı yapay sinir ağları kullanır. 2012'de ImageNet yarışmasındaki AlexNet zaferi ile patladı.
Üretken AI (GenAI): Sınıflandırma değil yeni içerik üreten DL modelleri. Metin, görsel, ses, video, kod.
LLM: GenAI'ın metin üreten kolu. Trilyonlarca parametreli, milyarlarca cümle ile eğitilmiş devasa dil modelleri.
Tarihsel Bağlam: Niçin 2020'de "Patladı"?#
Transformer Devrimi
Transformer (2017) her şeyin değiştiği an. Önceki RNN/LSTM'ler ardışık işlerken, transformer paralel attention ile tüm dizgiyi aynı anda işler. Bu, GPU'larla ölçeklenebilirliği patlattı ve modern LLM çağını başlattı.
Paradigma Değişimi: Programlama → Promptlama#
Bu kavramları teknik olarak öğrendik. Şimdi niçin bu kadar önemli?
Eskiden: Programlama Çağı#
def is_spam(email): keywords = ["viagra", "lottery", "win"] for word in keywords: if word in email.lower(): return True return False
- Kuralları insan yazar
- Edge case'ler tek tek
- Yeni dil/lehçe → yeniden yaz
- Bakım maliyeti yüksek
Şimdi: Promptlama Çağı#
Sistem: Sen bir spam tespit asistanısın. Kullanıcı: Bu emaili spam olarak değerlendir: "Tebrikler! 1 milyon TL kazandınız..." Yanıt: {"is_spam": true, "confidence": 0.97, "reasons": ["urgency", "lottery scam pattern"]}
- Niyeti doğal dilde anlatırsın
- Edge case'ler model tarafından genelleşir
- Yeni dil → "Türkçe de değerlendir" yeter
- Bakım maliyeti düşük (ama eval şart!)
LLM'in Üç Süper Gücü#
LLM'lerin daha önceki ML modellerinden farkı, üç emergent (ortaya çıkan) yeteneğidir:
- Few-shot learning: Birkaç örnekle yeni görev öğrenebilir.
- Chain-of-thought: Adım adım akıl yürütebilir.
- Genel-amaçlılık: Tek model, yüzlerce farklı görev.
Bu üç güç, "model başına bir görev" anlayışını kırdı. Artık prompt ile aynı modeli çevirmen, özetçi, kod yazıcı, satış koçu yapabiliyorsun.
Sonraki dersin önizlemesi: Tokenization, embedding, attention — bu üç kavram olmadan LLM'in neden belirli davranışlar gösterdiğini açıklayamayız. Yarın bunları görselleştireceğiz.
Pekiştir: Mini Quiz#
Sık Sorulan Sorular
Hayır. LLM, GenAI'ın metin koludur. Diffusion modelleri (DALL-E, Stable Diffusion) görsel üretir, onlar da GenAI'dır ama LLM değildir.
Yorumlar & Soru-Cevap
(0)Yorum yazmak için giriş yap.
Yorumlar yükleniyor...
İlgili İçerikler
1. Temeller — Yapay Zekâ ve LLM'lere Giriş
Bu Eğitim Hakkında ve Verimli Çalışma Yöntemi
Öğrenmeye Başla1. Temeller — Yapay Zekâ ve LLM'lere Giriş
LLM'ler Aslında Nasıl Düşünür? (Token, Embedding, Attention)
Öğrenmeye Başla1. Temeller — Yapay Zekâ ve LLM'lere Giriş