bugünün notları ✎

Teknoloji Notlarım

bölüm

Yapay Zekâ Terimleri

1126 terim · M harfinde 89

Makine ÇevirisiMachine TranslationMetnin bir dilden diğerine otomatik çevirisi.Makine ÖğrenmesiMachine LearningSistemlerin verilerden örüntü öğrenerek performansını iyileştirmesini sağlayan yöntemler bütünü.Maksimum TokenMax TokensModelin tek yanıtta üretebileceği token sayısına konan üst sınır parametresi.Maliyet İzleme / FinOpsCost Monitoring / FinOpsToken, GPU ve API harcamalarının takip edilip optimize edilmesi.Maliyet TakibiCost TrackingToken kullanımının fiyatlarla çarpılarak istek, kullanıcı veya özellik bazında maliyet hesaplanması.Maliyet-Performans DengesiCost-Performance TradeoffBir görev için en güçlü ve pahalı model yerine yeterli kaliteyi en düşük maliyetle veren modeli seçme kararı; model yönlendirme, küçük modele damıtma, istem önbelleği ve toplu işleme bu dengeyi iyileştirmek için kullanılır.Manifest (C2PA)C2PA Manifestİçeriğe gömülen, üretim ve düzenleme adımlarını içeren kriptografik olarak imzalanmış metadata paketi.Manus2025'te genel amaçlı otonom ajan olarak öne çıkan, araştırma, kodlama ve web işlerini kendi bulut ortamında yürüten ajan ürünü. Meta Aralık 2025'te yaklaşık 2 milyar dolara satın almıştı; Çin'in Nisan 2026'daki iptal kararının ardından Meta'dan ayrıldı ve Tencent'in en büyük ortak olduğu yatırımcı grubunun geri alımıyla yeniden bağımsız şirkete dönüyor.Markdown Dosyası.md (Markdown)Hafif işaretleme dili; yapay zekâ ajanlarında talimat, sistem istemi, dokümantasyon ve skill/agent tanımlarında yaygın kullanılır (ör. AGENTS.md, SKILL.md, CLAUDE.md).Markov Karar SüreciMDP (Markov Decision Process)Pekiştirmeli öğrenme problemlerinin matematiksel çerçevesi: durumlar, eylemler, geçişler, ödüller.Maskeli Dil ModeliMasked Language Model (BERT)Cümledeki gizlenmiş kelimeleri iki yönlü bağlamdan tahmin ederek eğitilen model; BERT ailesinin temelidir ve anlama görevlerinde güçlüdür.Mavi TakımBlue TeamSistemleri sürekli izleyerek saldırıları tespit eden, önleyen ve müdahale eden savunma tarafı.MCP Ana UygulamasıMCP HostKullanıcının etkileşime girdiği ve MCP istemcilerini barındıran yapay zekâ uygulaması (Claude, ChatGPT, VS Code, Cursor gibi); bağlandığı her MCP sunucusu için ayrı bir istemci çalıştırır ve kullanıcı onaylarını yönetir.MCP DenetleyiciMCP InspectorMCP sunucularını geliştirirken araçlarını, kaynaklarını ve istem şablonlarını görsel arayüz veya komut satırıyla test edip hata ayıklamaya yarayan resmî geliştirici aracı.MCP GörevleriMCP TasksUzun süren işlemlerin hemen sonuç beklemeden bir görev olarak başlatılıp durumunun sonradan sorgulanabildiği MCP uzantısı; ör. dakikalar süren bir rapor veya veri işleme aracını çağırıp bitince sonucunu almak.MCP İstem ŞablonlarıMCP PromptsMCP sunucusunun sunduğu, kullanıcının seçerek çalıştırabileceği hazır ve parametreli istem şablonları (ör. 'kodu incele', 'toplantı notunu özetle'); genellikle eğik çizgi komutları olarak görünür.MCP İstemcisiMCP ClientMCP sunucularına bağlanıp araçlarını kullanan istemci bileşeni.MCP Kayıt DefteriMCP RegistryHerkese açık MCP sunucularının adları, sürümleri ve kurulum bilgileriyle listelendiği resmî katalog ve API; istemciler ve kurumların kendi alt katalogları (aggregator) sunucuları buradan keşfeder.MCP KaynaklarıMCP ResourcesMCP sunucusunun modele bağlam olarak sunduğu, URI ile adreslenen okunabilir veriler (dosya içeriği, veritabanı kaydı, belge gibi); araçlardan farkı, bir eylem yapmayıp yalnızca veri sağlamasıdır.MCP SunucusuMCP ServerBir hizmetin yeteneklerini MCP üzerinden araçlar (tools), kaynaklar (resources) ve istem şablonları (prompts) olarak sunan program; yerelde stdio ile veya uzakta HTTP üzerinden çalışabilir (ör. GitHub, veritabanı veya dosya sistemi sunucuları).MCP Taşıma KatmanıMCP Transports (stdio / Streamable HTTP)MCP mesajlarının istemci ile sunucu arasında nasıl taşındığını belirleyen katman: yerel sunucular için standart giriş/çıkış (stdio), uzak sunucular için Streamable HTTP. Eski HTTP+SSE taşıması Mart 2025'ten beri kullanımdan kaldırılmış durumdadır; Temmuz 2026 sürümü onu yeni yaşam döngüsü politikasıyla resmen 'Deprecated' sınıfına aldı.MCP UygulamalarıMCP AppsMCP sunucularının yalnızca veri değil, sohbet içinde gösterilen etkileşimli arayüzler (formlar, grafikler, paneller) döndürmesini sağlayan MCP uzantısı.MCP UzantılarıMCP ExtensionsÇekirdek protokolü değiştirmeden MCP'ye isteğe bağlı yetenekler ekleyen resmî çerçeve; Görevler (Tasks), MCP Apps ve kurumsal yetkilendirme gibi özellikler bu yolla sunulur, istemci ve sunucu desteklediklerini birbirine bildirir.MCP Yapılandırma Dosyasımcp.json / .mcp.jsonMCP sunucularının adres ve ayarlarının istemciye tanıtıldığı yapılandırma dosyası.MCP YetkilendirmesiMCP Authorization (OAuth)Uzak MCP sunucularına erişimin OAuth 2.1 tabanlı akışlarla yetkilendirilmesi; istemci, kullanıcı adına sunucuya özel ve kapsamı sınırlı bir erişim token'ı alır. İstemci kaydında dinamik kayıt (DCR) yerini İstemci Kimliği Meta Veri Belgelerine (CIMD) bırakmaktadır.Mekanistik YorumlanabilirlikMechanistic InterpretabilitySinir ağının içindeki hesaplama devrelerini tersine mühendislikle açıklamaya çalışan yorumlanabilirlik dalı.Merkezi İşlem BirimiCPU (Central Processing Unit)Genel amaçlı hesaplama yapan ana işlemci.Mesaj RolleriMessage Roles (system/user/assistant/tool)Sohbet API'lerinde her mesajın kimden geldiğini belirten etiketler; model davranışı role göre değişir.Meta AIMeta'nın yapay zekâ asistanı ve araştırma çatısı; açık ağırlıklı Llama modellerini geliştirir, Nisan 2026'dan beri asistanı Meta Superintelligence Labs'in kapalı modeli Muse Spark çalıştırır. PyTorch'u da Meta başlatmıştır (bugün Linux Vakfı bünyesinde).Meta MuseMuse (Meta)Meta'nın Eylül 2026'da çıkardığı, Meta bulutundaki özel bir sanal makinede tarayıcısıyla çalışıp e-posta gönderme, seyahat ayarlama ve alışveriş gibi işleri kullanıcı adına yapan kişisel ajan.Meta-İstemMeta-PromptingModelin başka bir istem yazmasını veya mevcut istemi iyileştirmesini istemek.MetadataVeri hakkında bilgi veren ek veri (ör. oluşturulma tarihi, yazar).Metadata FiltrelemeMetadata FilteringVektör aramasını tarih, kaynak, yetki gibi yapılandırılmış alanlarla daraltma.METEOREş anlamlılığı da dikkate alan çeviri/özetleme değerlendirme metriği.Metin FiligranıText WatermarkingLLM'in token seçimlerinde istatistiksel bir örüntü bırakarak metnin yapay zekâ üretimi olduğunun sonradan tespit edilebilmesi (SynthID-Text).Metin KodlayıcıText Encoderİstemi görsel modelin anlayacağı gömmelere çeviren bileşen (CLIP, T5 vb.).Metin SınıflandırmaText ClassificationMetni önceden tanımlı kategorilere (spam, konu, dil) atama görevi.Metin ÜretimiText GenerationModelin verilen bağlama uygun yeni metin üretmesi.Metin ve Veri Madenciliği İstisnasıTDM ExceptionAB Dijital Tek Pazar Direktifi'nin (2019/790, md. 3-4) metin ve veri madenciliği amacıyla eserlerin çoğaltılmasına izin veren istisnası; araştırma dışı kullanımda hak sahipleri makine okunur çekinceyle çıkabilir ve yapay zekâ eğitimine uygulanması tartışılmaktadır.Metinden 3B'yeText-to-3DMetin açıklamasından üç boyutlu model/mesh üreten dönüşüm türü.Metinden GörseleText-to-ImageMetin açıklamasından görsel üreten dönüşüm türü.Metinden MetneText-to-TextMetin girdisinden metin çıktısı üreten dönüşüm türü.Metinden Müziğe / SeseText-to-Music / Text-to-AudioMetin açıklamasından müzik, ses efekti veya ortam sesi üreten dönüşüm türü (Suno, ElevenLabs SFX vb.).Metinden SeseText-to-Speech (TTS)Yazılı metni sesli konuşmaya dönüştüren teknoloji.Metinden SQL'eText-to-SQLDoğal dil sorusunun veritabanı sorgusuna (SQL) otomatik dönüştürülmesi.Metinden VideoyaText-to-VideoMetin açıklamasından video içeriği üreten dönüşüm türü.MetriklerMetricsGecikme, hata oranı, token kullanımı gibi sayısal ölçümlerin zaman serisi olarak toplanması.Microsoft Copilot / PhiMicrosoft'un Office ve Windows'a gömülü yapay zekâ asistanı (Copilot) ve küçük açık model ailesi (Phi).MidjourneyEstetik kalitesiyle bilinen, Discord ve web üzerinden çalışan görsel üretim servisi.MilvusAçık kaynak, ölçeklenebilir vektör veritabanı.Milyon Token Başına MaliyetCost per Million TokensLLM API'lerinin standart fiyatlandırma birimi; girdi ve çıktı token'ları için ayrı fiyat uygulanır.Mistral AIFransa merkezli, açık ağırlıklı ve MoE modelleriyle tanınan Avrupa'nın öncü yapay zekâ şirketi.MLflowDeney takibi, model kayıt defteri ve LLM izleme için açık kaynak MLOps platformu.MLOpsMakine öğrenmesi modellerinin geliştirme-dağıtım-izleme döngüsünü yöneten pratikler bütünü.MMLU / MMLU-ProMMLU (Massive Multitask Language Understanding)57 alanda dört seçenekli sorularla genel bilgi ve akıl yürütmeyi ölçen yaygın benchmark (MMLU) ve bunun 14 alanda on seçenekli, daha zor ve akıl yürütme ağırlıklı sürümü (MMLU-Pro).ModaliteModalityVerinin türü/kanalı: metin, görsel, ses, video, 3B vb. Çok modlu modeller birden fazla modaliteyi işler.Model AğırlıklarıModel WeightsEğitim sırasında öğrenilen, modelin davranışını belirleyen sayısal parametreler.Model Bağlam ProtokolüMCP (Model Context Protocol)Yapay zekâ uygulamalarının dış araç, veri kaynağı ve istem şablonlarına istemci-sunucu mimarisinde, JSON-RPC tabanlı ortak bir protokolle bağlanmasını sağlayan açık standart ('yapay zekâ için USB-C'); Anthropic 2024'te başlattı, Aralık 2025'ten beri Linux Vakfı'na bağlı Agentic AI Foundation altında yönetiliyor. Temmuz 2026 sürümüyle protokol durumsuz hâle geldi.Model BirleştirmeModel Mergingİki veya daha fazla ince ayarlı modelin ağırlıklarının eğitim yapmadan birleştirilmesi (SLERP, TIES vb.).Model Çalma / ÇıkarımıModel Theft / ExtractionAPI sorgularıyla bir modelin davranışının kopyalanması veya ağırlıkların çalınması.Model Çıktısı Parmak İziModel Output FingerprintingBelirli bir modelin çıktılarını tanımlayan istatistiksel iz; hangi modelin ürettiğini tespit etmede kullanılır.Model ÇökmesiModel CollapseModellerin, yapay zekâ tarafından üretilmiş (sentetik) veriyle tekrar tekrar eğitilmesi sonucunda kalite ve çeşitlilik kaybetmesi.Model DoğrulamaModel ValidationBir modelin amacına uygun, doğru ve güvenilir çalıştığının geliştiriciden bağımsız bir ekip tarafından kullanım öncesinde ve düzenli aralıklarla sınanması; veri, yöntem, performans, sınırlamalar ve izleme planı incelenir. Model risk yönetiminin temel adımıdır.Model FLOP Kullanım OranıMFU (Model FLOPs Utilization)Bir eğitim veya çıkarım işinin GPU'nun teorik en yüksek hesaplama gücünün ne kadarını fiilen kullandığını gösteren oran; büyük model eğitimlerinde çoğu zaman %50'nin altındadır ve düşük olması aynı iş için daha fazla GPU-saat, yani daha fazla maliyet demektir.Model Kabul SüreciModel Onboarding / Approval ProcessYeni bir modelin kurumda kullanılmadan önce izole bir test ortamında denenmesi, işe özgü benchmark'larla değerlendirilmesi, güvenlik ve kırmızı takım testlerinden, hukuk ve uyum incelemesinden geçirilip onaylanarak envantere ve onaylı model kataloğuna alınması süreci.Model Karşılaştırma DeğerlendirmesiModel Bake-off (Comparative Evaluation)Aday modellerin aynı işe özgü test kümesinde, aynı istem ve ayarlarla çalıştırılıp kalite, maliyet, gecikme ve güvenlik açısından yan yana karşılaştırılması; bir kullanım senaryosu için hangi modelin seçileceğine bu sonuçlarla karar verilir.Model KartıModel CardBir modelin amacı, sınırları ve performansını belgeleyen standart doküman.Model Kayıt DefteriModel RegistryModel sürümlerinin merkezi olarak saklandığı ve yönetildiği sistem.Model Kullanımdan KaldırmaModel DeprecationSağlayıcının eski bir model sürümünü belirli bir tarihte kapatması; uygulamaların yeni sürüme geçişini zorunlu kılar.Model Paketleme FormatlarıModel Flavors (Packaging)MLflow'da bir modelin hangi kütüphane veya çalışma zamanıyla (ör. scikit-learn, PyTorch, transformers) kaydedilip yükleneceğini tanımlayan paketleme formatı; ortak 'python_function' (pyfunc) formatı farklı modelleri aynı arayüzle sunmayı sağlar.Model ParalelliğiModel ParallelismBir modelin farklı parçalarının farklı cihazlara dağıtılarak eğitilmesi.Model Risk YönetimiMRM (Model Risk Management)Hatalı ya da yanlış kullanılan modellerin yol açabileceği finansal, operasyonel ve itibar kayıplarını önlemek için model envanteri, bağımsız doğrulama, performans izleme ve onay süreçlerini kapsayan risk disiplini; bankacılıkta uzun süredir uygulanır (ABD'de SR 11-7) ve yapay zekâ ile üretken modelleri de kapsayacak şekilde genişlemektedir.Model SapmasıModel DriftModelin performansının zamanla veri/ortam değişimi nedeniyle bozulması.Model SeçiciModel PickerKullanıcının hız, maliyet veya yetenek tercihine göre model seçmesini sağlayan menü (mini/flash hızlı, pro/opus güçlü).Model SıkıştırmaModel CompressionModeli küçültmeye yönelik tekniklerin genel adı (niceleme, budama, damıtma vb.).Model SunumuModel ServingEğitilmiş modelin gerçek zamanlı isteklere yanıt verecek şekilde çalıştırılması.Model Sürümü SabitlemeModel Version PinningUygulamada 'en güncel' takma ad yerine sağlayıcının tarihli, belirli bir model sürümünün kullanılması; sağlayıcı modeli güncellediğinde davranışın sessizce değişmesini önler, yeni sürüme geçiş ancak yeniden değerlendirmeden sonra yapılır.Model Tersine ÇevirmeModel InversionModel çıktılarından eğitim verisinin (yüz, metin) yeniden oluşturulması saldırısı.Model Yaşam DöngüsüModel LifecycleVeri hazırlama, eğitim, değerlendirme, dağıtım, izleme ve emeklilik aşamalarını kapsayan bütünsel süreç.Model YönetişimiModel GovernanceModellerin onay, erişim, denetim ve uyumluluk süreçlerinin kurumsal olarak yönetilmesi.Model YönlendiriciModel Routerİsteği göreve/maliyete göre uygun modele yönlendiren bileşen.Model/Veri ZehirlenmesiModel/Data PoisoningEğitim verisine kasıtlı olarak kötü niyetli veya hatalı örnekler enjekte ederek modelin davranışının bozulması.Modern Turing TestiModern Turing Test (Suleyman)Mustafa Suleyman'ın 2023'te 'The Coming Wave' kitabında önerdiği, bir yapay zekânın 100.000 dolarlık yatırımla bir perakende web platformunda birkaç ay içinde 1 milyon dolar kazanıp kazanamayacağı üzerinden ajan yeteneğini ölçen test; banka hesabı açmak gibi bazı adımlarda yine insan onayı gerekir.Mor TakımPurple TeamKırmızı ve mavi takımların iş birliği yaparak saldırı-savunma döngüsünü birlikte güçlendirdiği hibrit yaklaşım.Moravec ParadoksuMoravec's ParadoxRobotik araştırmacısı Hans Moravec'in 1980'lerde dile getirdiği gözlem: satranç ve matematik gibi insana zor gelen akıl yürütme işleri makineler için görece kolayken, yürümek, nesne tutmak ve çevreyi algılamak gibi insana kolay gelen duyu-motor beceriler makineler için çok zordur.MSE / MAE / RMSERegresyon hatalarını ölçen metrikler: ortalama kare hata, ortalama mutlak hata ve kök ortalama kare hata.MTEBMTEB (Massive Text Embedding Benchmark)Gömme modellerini arama, kümeleme ve sınıflandırma gibi görevlerde karşılaştıran benchmark.Müfredat ÖğrenimiCurriculum LearningModelin kolay örneklerden zora doğru sırayla eğitilmesi stratejisi.Mükemmeliyet MerkeziAI Center of Excellence (CoE)Kurumda yapay zekâ standartlarını, eğitimlerini ve en iyi uygulamalarını yöneten merkezi ekip.

tüm bölümler

Ana SayfaYZ HaberleriYZ TerimleriYZ Linkleri

konular

açık ağırlıklı modelanthropicapplebilimchatgptclaudecodexçingeminigooglegörsel üretimigrokkodlamametamicrosoftmusenvidiaopenaises ajanısiber güvenlikvideo üretimiyapay zekâ ajanlarıyapay zekâ güvenliğixai

takip et

YouTubeInstagramMMedium