Yapay zekanın 50 temel terimini kapsayan kapsamlı bir Türkçe sözlük — makine öğrenmesi ve sinir ağlarından üretken yapay zeka, siber güvenlik, fintech, savunma ve iş stratejisine kadar uzmanlaşmış terminoloji. Her terim Türkçe tanımı ve pratik açıklamasıyla sunulmaktadır.
Bölüm 1: Temel Kavramlar (5 Terim)
Yapay Zeka (Artificial Intelligence): İnsan zekasının gerektirdiği görevleri — akıl yürütme, öğrenme, algılama ve karar verme — yerine getirebilen sistemler oluşturmaya odaklanan geniş bilgisayar bilimi alanıdır. Türkiye bağlamında yapay zeka, ülkenin teknoloji dönüşümünü yönlendiren 457 girişim ve 1 milyar dolarlık pazarı kapsamaktadır. Makine Öğrenmesi (Machine Learning): Algoritmaların açık programlama yerine deneyim yoluyla geliştiği yapay zekanın bir alt kümesidir. Makine öğrenmesi modelleri verilerdeki kalıpları belirleyerek tahminler yapar veya kararlar alır. Türkiye'nin girişim ekosistemindeki ticari yapay zeka uygulamalarının büyük çoğunluğunun temelidir. Derin Öğrenme (Deep Learning): Karmaşık veri temsillerini işlemek için çok katmanlı sinir ağları kullanan özelleşmiş bir makine öğrenmesi biçimidir. Derin öğrenme, görüntü tanıma, konuşma işleme ve doğal dil anlama sistemlerini güçlendirmektedir. Sinir Ağı (Neural Network): Katmanlar halinde düzenlenmiş birbirine bağlı düğümlerden oluşan, biyolojik sinir ağlarından esinlenen bilgi işlem mimarileridir. Modern yapay zeka sistemlerinin hesaplama omurgasını oluştururlar. Doğal Dil İşleme (Natural Language Processing — NLP): Makinelerin insan dilini anlamasını, yorumlamasını ve üretmesini sağlamaya odaklanan yapay zeka disiplinidir. Türkçenin sondan eklemeli yapısının benzersiz hesaplama zorlukları sunması nedeniyle Türk yapay zekası için özellikle önemlidir.
Bölüm 2: Model ve Eğitim (5 Terim)
Büyük Dil Modeli — LLM (Large Language Model): Devasa metin külliyatları üzerinde eğitilmiş, insan düzeyinde akıcılıkla metin üretebilen, çevirebilen, özetleyebilen ve analiz edebilen yapay zeka modelleridir. GPT, Claude ve Gemini öne çıkan örneklerdir. Türkçe dil modelleri giderek büyüyen bir araştırma sınırını temsil etmektedir. Transfer Öğrenme (Transfer Learning): Bir görev üzerinde eğitilmiş modelin farklı ancak ilişkili bir göreve uyarlandığı tekniktir. Transfer öğrenme, özelleşmiş yapay zeka uygulamaları oluşturmak için gereken veri ve hesaplama gücünü dramatik biçimde azaltarak kaynak kısıtlı Türk girişimleri için hayati önem taşımaktadır. İnce Ayar — Fine-Tuning: Önceden eğitilmiş bir modeli alan özel verilerle daha fazla eğitme sürecidir. İnce ayar, genel amaçlı modellerin Türk hukuk metni analizi veya tıbbi teşhis gibi alanlarda uzman düzeyinde performans elde etmesini sağlar. Eğitim Verisi (Training Data): Bir makine öğrenmesi modeline kalıpları tanımayı ve tahminler yapmayı öğretmek için kullanılan veri kümesidir. Eğitim verisi kalitesi doğrudan model performansını belirler — yüksek kaliteli Türkçe veri kümelerinin hâlâ kıt olduğu Türk yapay zekası için kritik bir husus. Aşırı Uyum — Overfitting: Bir algoritmanın eğitim verisini gürültü ve aykırı değerler dahil aşırı hassasiyetle öğrendiği, yeni ve görülmemiş verilerde düşük performansa yol açan modelleme hatasıdır. Düzenlileştirme teknikleri ve doğrulama protokolleri gerektiren süregelen bir yapay zeka geliştirme sorunudur.
Bölüm 3: Üretken AI (5 Terim)
Üretken Yapay Zeka (Generative AI): Mevcut verileri yalnızca analiz etmek yerine yeni içerik — metin, görüntü, ses, video veya kod — oluşturan yapay zeka sistemleridir. Küresel yapay zeka pazarının en hızlı büyüyen segmentini temsil etmekte ve birçok OSP portföy şirketi teknolojisinin temelini oluşturmaktadır. Komut Mühendisliği (Prompt Engineering): Üretken yapay zeka modellerini istenen çıktılara yönlendirmek için kesin talimatlar hazırlama pratiğidir. Komut mühendisliği, dilsel hassasiyet ile model davranışı ve sınırlamalarının anlaşılmasını birleştiren ayrı bir profesyonel beceri olarak ortaya çıkmıştır. Halüsinasyon (Hallucination): Bir yapay zeka modelinin gerçekmiş gibi sunulan, olgusal olarak yanlış veya uydurma bilgi üretmesidir. Halüsinasyon, özellikle sağlık ve finans gibi düzenlenmiş alanlarda iş açısından kritik uygulamalar için üretken yapay zeka dağıtımındaki en önemli zorluklardan biri olmaya devam etmektedir. Erişim Destekli Üretim — RAG (Retrieval-Augmented Generation): Üretken yapay zekayı bilgi erişim sistemleriyle birleştiren, model çıktılarını doğrulanmış kaynak belgelere dayandıran bir mimaridir. RAG, halüsinasyonu önemli ölçüde azaltır ve olgusal doğruluk gerektiren kurumsal yapay zeka dağıtımları için zorunludur. Gömme Vektörü (Embedding): Metin, görüntü veya diğer verileri anlamsal anlamı yakalayan sayısal vektörlere dönüştüren matematiksel temsillerdir. Gömme vektörleri yapay zeka sistemlerinin benzerliği ölçmesini, arama yapmasını ve ilişkili içeriği kümelemesini sağlar — RAG sistemleri ve öneri motorları için temel altyapıdır.
Bölüm 4: Otomasyon ve Ajanlar (5 Terim)
Yapay Zeka Ajanı (AI Agent): Çevresini algılayabilen, kararlar alabilen ve tanımlanmış hedeflere ulaşmak için çok adımlı eylemleri yürütebilen otonom yapay zeka sistemidir. Yapay zeka ajanları, sohbet robotlarının ötesindeki bir sonraki evrimi temsil etmektedir — karmaşık iş akışlarını bağımsız olarak tamamlayabilen sistemler. Otonom Sistem (Autonomous System): Sürekli insan kontrolü olmadan bağımsız çalışan teknolojidir. Türkiye bağlamında otonom sistemler, sürücüsüz araçlardan ve teslimat dronlarından endüstriyel robotlara ve savunma platformlarına kadar geniş bir yelpazede yer almaktadır. Türkiye'nin yerli otonom drone programı, ülkeyi küresel bir lider konumuna getirmiştir. Robotik Süreç Otomasyonu — RPA (Robotic Process Automation): Tekrarlayan, kural tabanlı dijital görevleri — veri girişi, form işleme, rapor oluşturma — otomatikleştiren yazılımdır. RPA, hızlı yatırım getirisi ve minimum teknik karmaşıklıkla yapay zeka dönüşüm yolculuğuna başlayan kuruluşlar için en erişilebilir giriş noktasını temsil etmektedir. Makine Öğrenmesi Operasyonları — MLOps: Makine öğrenmesi modellerini üretim ortamlarında dağıtma, izleme ve sürdürme pratikleri ve araçlarıdır. MLOps, model geliştirme ile gerçek dünya dağıtımı arasındaki boşluğu kapatır — birçok Türk yapay zeka girişiminin güçlenmeye ihtiyaç duyduğu bir disiplin. Uygulama Programlama Arayüzü — API (Application Programming Interface): Farklı yazılım sistemlerinin iletişim kurmasını sağlayan standartlaştırılmış arayüzlerdir. API'ler yapay zeka ekosisteminin bağ dokusudur ve girişimlerin üçüncü taraf yapay zeka yeteneklerini entegre etmesine ve kendi modellerini hizmet olarak sunmasına olanak tanır.
Bölüm 5: Veri ve Analitik (5 Terim)
Büyük Veri (Big Data): Hacim, hız, çeşitlilik, doğruluk ve değer ile karakterize edilen, geleneksel işleme yöntemleri için çok büyük veya karmaşık veri kümeleridir. Türkiye'nin 85 milyonluk nüfusu ve dijitalleşen ekonomisi, yapay zeka model eğitimi ve iş istihbaratını besleyen devasa veri akışları üretmektedir. Veri Madenciliği (Data Mining): İstatistiksel ve makine öğrenmesi yöntemleri kullanarak büyük veri kümelerindeki kalıpları, korelasyonları ve anomalileri keşfetme sürecidir. Veri madenciliği ham bilgiyi eyleme dönüştürülebilir iş istihbaratına dönüştürür — dijital dönüşüm geçiren Türk işletmeleri tarafından giderek artan talep gören bir yetenek. Özellik Mühendisliği (Feature Engineering): Makine öğrenmesi model performansını iyileştiren girdi değişkenlerini seçme, dönüştürme ve oluşturma sürecidir. Özellik mühendisliği uygulamalı yapay zekadaki en etkili ancak en az takdir edilen becerilerden biri olmaya devam etmekte olup çoğu zaman vasat ile olağanüstü model doğruluğu arasındaki farkı belirlemektedir. Veri Etiketleme (Data Labeling): Ham veriyi denetimli makine öğrenmesini mümkün kılan bilgilendirici etiketlerle açıklama sürecidir. Veri etiketleme emek yoğundur ve yapay zeka geliştirmede önemli bir maliyet merkezi oluşturmaktadır. Türkiye'nin rekabetçi işgücü maliyetleri, küresel yapay zeka şirketlerine hizmet veren veri etiketleme operasyonları için çekici bir konum oluşturmaktadır. Veri Gölü (Data Lake): Yapılandırılmış ve yapılandırılmamış verileri ham biçiminde ölçeklenebilir şekilde depolayan merkezi bir depodur. Veri gölleri, yapay zeka sistemlerinin ihtiyaç duyduğu esnek depolama altyapısını sağlayarak kuruluşların tüm verileri tutmasına ve ihtiyaçlar geliştikçe analitik çerçeveler uygulamasına olanak tanır.
Bölüm 6: Bilgisayarlı Görü (5 Terim)
Bilgisayarlı Görü (Computer Vision): Makinelerin görüntü ve videodan görsel bilgiyi yorumlamasını ve anlamasını sağlayan yapay zeka alanıdır. Bilgisayarlı görü uygulamaları endüstriyel kalite denetimi ve otonom navigasyondan tıbbi görüntüleme teşhisine ve tarımsal izlemeye kadar uzanmaktadır. Nesne Algılama (Object Detection): Görüntü veya video karelerindeki belirli nesneleri tanımlama ve konumlandırma görevidir. Nesne algılama, otonom sürüşten (yayaları ve araçları algılama) perakende analitiğine (müşteri davranışını izleme) ve güvenlik gözetimine kadar uygulamaları güçlendirmektedir. Optik Karakter Tanıma — OCR (Optical Character Recognition): Metin görüntülerini makine tarafından okunabilir dijital metne dönüştüren teknolojidir. OCR, karmaşık alfabelerin ve aksan işaretlerinin tanıma zorlukları sunduğu Türkçe ve Arapça dil işlemesi için özellikle önemlidir — yapay zeka geliştirilmiş OCR sistemleri bu zorlukları giderek aşmaktadır. Üretici Çekişmeli Ağ — GAN (Generative Adversarial Network): İki sinir ağının rekabet ettiği bir derin öğrenme mimarisidir — biri sentetik veri üretir, diğeri özgünlüğü değerlendirir. GAN'lar yaratıcı endüstrilerde, veri artırma ve simülasyon uygulamalarında son derece gerçekçi görüntü, video ve ses üretir. Görüntü Segmentasyonu (Image Segmentation): Bir görüntüyü piksel düzeyinde anlamlı bölgelere ayırma sürecidir. Segmentasyon, görsel sahnelerin hassas anlaşılmasını sağlar — tıbbi taramalarda tümör sınırlarını ayırt etme, uydu görüntülerinde mahsul bölgelerini belirleme veya artırılmış gerçeklik uygulamaları için nesneleri izole etme.
Bölüm 7: Siber Güvenlik AI (5 Terim)
Anomali Tespiti (Anomaly Detection): Ağ trafiğinde, kullanıcı davranışında veya sistem operasyonlarında belirlenen temel çizgilerden sapan kalıpları tespit eden yapay zeka teknikleridir. Anomali tespiti, imza tabanlı sistemlerin kaçırdığı yeni tehditleri yakalayarak yapay zeka destekli siber savunmanın ilk hattını oluşturmaktadır. Tehdit İstihbaratı (Threat Intelligence): Mevcut ve gelişmekte olan siber tehditler hakkında bilgi toplama, analiz etme ve yayma sürecidir. Yapay zeka destekli tehdit istihbaratı platformları milyonlarca tehlike göstergesini gerçek zamanlı işleyerek güvenlik ekiplerine belirli sektörlerini ve coğrafyalarını hedefleyen saldırı vektörleri hakkında eyleme dönüştürülebilir içgörüler sağlamaktadır. Güvenlik Bilgi ve Olay Yönetimi — SIEM (Security Information and Event Management): Bir kuruluşun teknoloji altyapısı genelindeki güvenlik olay verilerini toplayan, ilişkilendiren ve analiz eden platformlardır. Yapay zeka geliştirilmiş SIEM sistemleri, yanlış pozitifleri filtreleyerek ve bağlamsal risk değerlendirmesine dayalı olarak gerçek tehditleri önceliklendirerek uyarı yorgunluğunu azaltır. Sıfır Güven (Zero Trust): Örtülü güveni ortadan kaldıran ve her kullanıcı, cihaz ve ağ akışının sürekli doğrulanmasını gerektiren bir güvenlik mimarisidir. Sıfır güven, özellikle hızlı dijital dönüşüm geçiren Körfez kuruluşları için baskın siber güvenlik paradigması haline gelmiştir. Penetrasyon Testi (Penetration Testing): Sistem güvenliğini değerlendirmek için yürütülen yetkili simüle siber saldırılardır. Yapay zeka, penetrasyon testini manuel ve periyodik değerlendirmelerden sürekli otomatik güvenlik açığı keşfine dönüştürmektedir — OSP portföy şirketleri dahil birçok Türk siber güvenlik firmasının sunduğu bir hizmet.
Bölüm 8: Fintech AI (5 Terim)
Algoritmik Ticaret (Algorithmic Trading): Önceden tanımlanmış kurallara ve yapay zeka destekli pazar analizine dayalı olarak işlemleri yürüten otomatik ticaret sistemleridir. Algoritmik ticaret artık küresel hisse senedi işlem hacminin büyük çoğunluğunu oluşturmakta olup Türk fintech girişimleri Borsa İstanbul ve bölgesel borsalar için optimize edilmiş sistemler geliştirmektedir. Kredi Skorlama (Credit Scoring): Geleneksel finansal verilerin yanı sıra alternatif sinyalleri — sosyal medya aktivitesi, işlem kalıpları, cihaz verileri — analiz ederek borçlu kredibilitesini değerlendiren yapay zeka modelleridir. Yapay zeka destekli kredi skorlama, geleneksel skorlama sistemlerinin değerlendiremediği bireyleri ve işletmeleri değerlendirerek finansal kapsayıcılığı genişletmektedir. Robo-Danışman (Robo-Advisor): Bireysel risk profillerine dayalı olarak portföy oluşturmak, yeniden dengelemek ve optimize etmek için algoritmalar kullanan otomatik yatırım yönetimi platformlarıdır. Robo-danışmanlar minimum yatırım eşiklerini binlerce dolardan tek dolarlara düşürerek varlık yönetimini demokratikleştirmektedir. Düzenleyici Teknoloji — RegTech (Regulatory Technology): Uyumluluk izleme, düzenleyici raporlama ve risk yönetimini otomatikleştiren yapay zeka destekli çözümlerdir. RegTech, uyumluluk gereksinimlerinin manuel süreçlerin karşılayabileceğinden daha hızlı genişlediği yüksek düzeyde düzenlenmiş Körfez finans piyasalarında kritik öneme sahiptir. Kara Para Aklama ile Mücadele — AML (Anti-Money Laundering): Kara para aklama, terör finansmanı veya yaptırım ihlali göstergesi olan şüpheli finansal işlemleri tespit eden yapay zeka sistemleridir. AML uyumluluğu finansal kuruluşlar için evrensel bir gerekliliktir ve yapay zeka, uyumluluk ekiplerini yoran yanlış pozitif oranlarını düşürürken tespit doğruluğunu dramatik biçimde iyileştirmektedir.
Bölüm 9: Savunma AI (5 Terim)
Sürü Zekası (Swarm Intelligence): Birden fazla otonom ajanın biyolojik sürülerin ortaya çıkan davranışını taklit ederek kolektif olarak çalışmasını sağlayan koordinasyon algoritmalarıdır. Türkiye, askeri açıdan bu son derece önemli teknolojide ülkeyi küresel liderler arasına yerleştiren sürü drone kabiliyetleri sergilemiştir. Otonom Drone (Autonomous Drone): Sürekli insan kontrolü olmadan görevleri yürütebilen insansız hava araçlarıdır. Türkiye'nin Bayraktar ve Anka platformları otonom havacılıkta ülkenin itibarını yerleştirmiş olup navigasyon, hedef tanıma ve görev planlama gibi destekleyici teknolojiler geliştiren bir yapay zeka girişimleri ekosisteminin doğmasına yol açmıştır. C4ISR — Komuta, Kontrol, Haberleşme, Bilgisayar, İstihbarat, Gözetleme ve Keşif: Yapay zekanın temelden dönüştürdüğü entegre askeri bilgi sistemi mimarisidir. Yapay zeka destekli C4ISR, gerçek zamanlı muharebe alanı farkındalığı, tahmine dayalı tehdit değerlendirmesi ve gözle-yönlendir-karar ver-harekete geç döngüsünü sıkıştıran otomatik karar desteği sağlamaktadır. Elektronik Harp (Electronic Warfare): Askeri avantaj için elektromanyetik spektrumun kullanımıdır — düşman iletişimlerini ve radarını karıştırma, yanıltma ve dinleme. Yapay zeka, uyarlanabilir sinyal işleme, bilişsel radar ve otonom spektrum yönetimi yoluyla elektronik harbi güçlendirmektedir. Taktik Yapay Zeka (Tactical AI): Operasyonel askeri ortamlarda gerçek zamanlı karar desteği için tasarlanmış yapay zeka sistemleridir. Taktik yapay zeka, sensör verilerini, arazi bilgilerini ve tehdit değerlendirmelerini işleyerek eylem önerileri sunar — insan komutanlarını hesaplama hızı ve kalıp tanıma yetenekleriyle güçlendirir.
Bölüm 10: İş Dünyası ve Strateji (5 Terim)
Yapay Zeka Olgunluğu (AI Maturity): Bir kuruluşun yapay zeka teknolojilerini etkili biçimde dağıtma ve bunlardan faydalanma hazırlığını ve kapasitesini değerlendiren çerçevedir. Yapay zeka olgunluk modelleri veri altyapısı, yetenek, süreçler, kültür ve yönetişimi değerlendirerek OSP'nin danışmanlık projelerinde kullandığı aşamalı yapay zeka benimseme yol haritası sunar. Dijital Dönüşüm (Digital Transformation): Dijital teknolojinin tüm iş operasyonu alanlarına kapsamlı entegrasyonudur — kuruluşların değer sunma biçimini temelden değiştirir. Dijital dönüşüm, yapay zeka yeteneklerinin üzerine inşa edildiği temel altyapıyı — veri sistemleri, bulut bilişim, API'ler — sağlamaktadır. Yatırım Getirisi — ROI (Return on Investment): Bir yatırımın kârlılığını maliyetine göre ölçen finansal metriktir. Yapay zeka yatırım getirisini ölçmek, dolaylı faydalar — verimlilik kazanımları, hata azaltma, daha hızlı karar alma — nedeniyle zorlayıcı olmaya devam etmektedir çünkü geleneksel finansal modeller bunları yakalamakta zorlanır. Bileşik Yıllık Büyüme Oranı — CAGR (Compound Annual Growth Rate): Birden fazla dönem boyunca büyümeyi düzleştiren yıllıklandırılmış getiri oranıdır. CAGR, yapay zeka pazar projeksiyonlarını değerlendirmek için zorunludur — Türkiye'nin yapay zeka pazarı yaklaşık yüzde 35 CAGR ile çoğu Avrupa pazarını geride bırakarak büyümektedir. TAM/SAM/SOM — Toplam Adreslenebilir Pazar / Hizmet Verilebilir Pazar / Elde Edilebilir Pazar: Girişim değerlemesinde kullanılan üç katmanlı pazar boyutlandırma çerçevesidir. TAM/SAM/SOM'u anlamak, Türk yapay zeka girişimlerini değerlendiren yatırımcılar için kritiktir — küresel yapay zeka fırsatı, Türkiye'nin adresleyebileceği kısım ve gerçekçi olarak elde edilebilir pazar payı arasında ayrım yapar.