Yapay zeka alanındaki gelişmeler tüm hızıyla sürerken; bu dönüşümü doğru yönetebilmek, kullanılan terminolojiyi ve arkasındaki mimari kavramları doğru anlamaktan geçiyor.
2025 yılında yazdığım "Yapay Zeka Kavramlarına Hızlı Bir Bakış" (Makaleyi incelemek için tıklayın.) makalesinde temel kavramlara değinmiştim. Bu makalede; ekosistemi şekillendiren yaklaşımları, mimari standartları ve güncel odak noktalarını inceliyoruz.
Zeka Seviyelerine Göre Sınıflandırma
ANI – Artificial Narrow Intelligence (Yapay Dar Zeka)
Belirli ve sınırları çizilmiş tek bir görevi yerine getirmek üzere tasarlanmış yapay zeka türüdür. Satranç motorları, sesli asistanlar ve kod tamamlama araçları gibi kendi alanında uzmanlaşmış yapılar bu gruba girer.
AGI – Artificial General Intelligence (Yapay Genel Zeka)
İnsan zekasına eşdeğer bilişsel yeteneklere sahip teorik yapay zeka seviyesidir. Yalnızca tek bir alanda uzmanlaşmakla kalmaz; farklı disiplinleri öğrenebilir, neden-sonuç ilişkisi kurabilir ve daha önce hiç karşılaşmadığı problemleri esnek bir şekilde çözebilir.
ASI – Artificial Super Intelligence (Yapay Süper Zeka)
Bilimsel yaratıcılık, problem çözme ve mantık yürütme dahil her alanda insan zekasını açık ara geride bırakan hipotetik seviyedir. İnsan zihninin erişemeyeceği bir hız ve kapasitede düşünebilen, kendi kendini sürekli geliştirebilen teorik süper zekadır.
Mimari, Sistem ve Yöntemler
Model Context Protocol (MCP): Yapay zeka uygulamalarının, dış dünya ile (dosya okuma, bilgi çıkarma, internetten veri çekme, mail servisine erişim) iletişime geçebilmek için kullandığı ortak bir standarttır. Anthropic tarafından geliştirilmiştir.
USB-C'nin her cihaz için ayrı kablo ihtiyacını ortadan kaldırıp tek tip bağlantı sunması gibi; MCP de yapay zeka modelinin tek bir standart arayüz üzerinden herhangi bir veri kaynağına veya araca bağlanmasını sağlar.
MCP'den önce entegrasyonlar M × N'lik bir problemdi: M yapay zeka uygulamanızın her birinin, N aracınızın her biriyle iletişim kurabilmesi için özel entegrasyon gerekirken, MCP bunu M + N seviyesine indirerek ölçeklenebilir bir yapıya dönüştürüyor.
Loop Engineering (Döngü Mühendisliği): Yapay zekânın tek seferde yanıt üretmesi yerine, belirlenen bir hedefe ulaşana kadar kendi çıktısını değerlendirip geliştirerek çalışmasını sağlayan sistem tasarımıdır.
 |
| loop engineering akış şeması |
Prompt Engineering, yapay zekâya tek bir adımda ne yapacağını söylerken, Loop Engineering ise hedefe ulaşılana kadar modeli bir döngü içinde çalıştırmaya devam eder. Sürekli yeni komut vermek yerine tek bir hedef tanımlanır; gerisini döngü halleder.
Çalışma Akışı: Intent (Hedef) => Plan (Görev Adımları) => Agent (Uygulama/İcra) => Eval (Değerlendirme/Test) => Improve (İyileştirme/Yineleme)
Vibe Coding: İnsanların yapay zeka modellerine verdiği promptlarla süreci oluşturup, yönlendirmesiyle yazılım geliştirme yöntemidir. Temel özellikleri; programlama dili yerine konuşma dili kullanılması, yapay zeka araçlarıyla üretim yapılması.
Bu yöntem; kişiyi yazılım geliştiriciden yönlendiren/denetleyen rolüne dönüştürür. Hızlı prototipleme, zaman tasarrufu ve hız kazandırması yönüyle avantajdır. Güvenlik, kalite gibi fonksiyonel olmayan gereksinimlerin sağlanması yönüyle insan kontrolüne ve onayına ihtiyaç duymaktadır. Uygulamadaki teknik borcu arttıran ve teknik becerilerimizi düşüren bir yöntem olabilir.
Context Engineering (Bağlam Mühendisliği): Büyük dil modellerinden (LLM) en yüksek performansı almak için sunulan bağlamı, promptları ve varsa verileri optimize etme sürecidir.
Prompt Engineering, doğru soruları sormaya odaklanırken; Context Engineering, bu soruların hangi anda, hangi bilgiyle ve nasıl bir formatta sorulacağını tasarlar.
Temel amacı; çıktı güvenilirliğini artırmak, halüsinasyonları önlemek ve token maliyetini düşürmektir.
Context-Window: Yapay zeka modellerinin tek seferde işleyebildiği verinin sınırıdır. Bu sınır, tokenlarla ölçülür. Yapay zeka modelinin "kısa süreli belleğidir." Context-window aşağıdaki kavramları içerebilir.
- System prompt
- Kullanıcı mesajı
- Konuşma geçmişi
- Çıktı
Lost-in-the-middle: LLM'ler, context-window'nin başındaki ve sonundaki içeriğe dikkat etme eğilimindedir. Context-window içerisindeki veri büyüdükçe dil modellerinin "kör noktası" olan orta noktadaki kritik ve önemli bilgiler gözden kaçabilir. Kritik bilgileri, özel talimatları metnin başına veya sonuna eklemek etkili bir çözüm olabilir.
Human-In-The-Loop (HITL): Yapay zeka sistemlerinin karar ve çalışma süreçlerine insan faktörünün dahil edilmesidir. İnsanın sistem akışındaki varlığı; modelin eğitilmesi, çıktıların doğrulanması, güvenlik ve etik standartların sağlanmasında kritik rol oynar.
Temperature: Modelin üreteceği yanıtların ne kadar tahmin edilebilir, odaklı veya yaratıcı olduğunu belirten değerdir.
Yüksek değerler (örn. 0.8 - 1.0+): Modelin daha çeşitli, yaratıcı ve beklenmedik yanıtlar üretmesini sağlar.
Düşük değerler (örn. 0.0 - 0.2): Modelin en yüksek olasılıklı kelimeleri seçmesini sağlayarak daha tutarlı, odaklı ve deterministik (her çalışmada benzer) sonuçlar üretmesini sağlar.
Chain-of-Thought Prompting: Modelin karmaşık problemlerde akıl yürütme adımlarını kullanmasını teşvik eden prompting yaklaşımıdır. Çok adımlı görevler, matematik, ispat problemlerinde daha iyi sonuç almak için kullanılır. Basit içerik üretimi, format dönüştürme, gerçek bilgilerden sonuç çıkarma problemlerinde kullanışlı değildir.
 |
| graph yapısı |
Güvenlik ve Verimlilik Konuları
Doğrudan (Direct) Prompt Injection: Kötü niyetli bir kullanıcının, doğrudan girdi alanına yazdığı özel talimatlarla modelin sistem kurallarını veya güvenlik filtrelerini kasıtlı olarak devreden çıkarmasıdır.
Dolaylı (Indirect) Prompt Injection: LLM'in işlediği harici kaynaklara (web sayfaları, e-postalar, PDF dosyaları vb.) gizlenmiş kötü niyetli talimatların, model tarafından okunup çalıştırılmasıyla meydana gelir.
- Human-in-the-loop (İnsan denetimi)
- Çıktı Biçimlendirme ve Denetim (Output Formatting)
- Model Davranış Kısıtları (System Instructions)
- Girdi Doğrulama ve Filtreleme (Input Validation)
Bitirirken;
Yapay zeka alanında derlediğim bu kavramların anlaşılır olmasını istedim. Umarım, derinlemesine araştırma yapmak isteyenler için iyi bir başlangıç olur.
Yazının faydalı olmasını umarak, çalışmalarınızda kolaylıklar diliyorum :)
Yorumlar
Yorum Gönder