Yapay Zeka Nedir?

**Polina** · 20 Mart 2026, 01:18

Yapay zekâ nedir?

Yapay zekâ, bilgisayarların ve makinelerin insan zekâsına benzer bazı işleri yapabilmesini sağlayan sistemlerdir.
Ama burada önemli bir ayrım var: Yapay zekâ, insan gibi gerçekten bilinçli bir şekilde düşünmek zorunda değildir. Çoğunlukla çok büyük miktarda veriyi inceler, veriler arasındaki örüntüleri bulur ve öğrendiği örüntülere göre sonuç üretir.
Peki yapay zekâ nasıl öğreniyor?
En basit hâliyle şöyle düşün:
Bir çocuğa binlerce kedi ve köpek fotoğrafı gösterdiğimizi düşünelim.
Başlangıçta çocuk hangisinin kedi, hangisinin köpek olduğunu bilmiyor. Fakat fotoğrafları gördükçe bazı özellikleri fark etmeye başlıyor:

"Kedilerin kulakları genellikle böyle, yüzleri şöyle, köpeklerin burunları farklı..."

Yapay zekâda da buna benzer bir süreç vardır.

1. Veri verilir : Fotoğraflar, yazılar, sesler, videolar, sayılar veya başka bilgiler sisteme sunulur.

2. Örüntüler aranır : Yapay zekâ, bu verilerde tekrar eden ilişkileri matematiksel yöntemlerle öğrenir.

3. Hatalarını düzeltir : Bir tahmin yaptığında doğru cevapla karşılaştırılır. Hata varsa sistemin içindeki parametreler ayarlanır.

4. Bu işlem defalarca tekrarlanır : Çok sayıda örnek üzerinden eğitim yapıldıkça sistem, daha önce karşılaşmadığı benzer durumlarda da tahmin yapabilir.

Örneğin yapay zekâya 1 milyon kedi fotoğrafı gösterirsek, ona "kedi budur" diye tek tek bütün kedileri ezberletmiyoruz. Bunun yerine, kedileri birbirinden ayırmaya yarayan özellikleri ve ilişkileri matematiksel olarak öğrenmesini sağlıyoruz.
Ve burada çok ilginç bir nokta var:

ChatGPT gibi bir yapay zekâ da kelimeleri tek tek ezberleyerek konuşmuyor. Büyük miktarda metin üzerinde eğitilerek kelimelerin, cümlelerin ve kavramların birbirleriyle nasıl ilişkilendiğini öğreniyor. Sonrasında sana cevap verirken, bağlama göre hangi kelimelerin ve ifadelerin gelmesinin en uygun olduğunu hesaplıyor.

Yani kabaca:

Veri → Öğrenme → Örüntüleri yakalama → Tahmin → Hata düzeltme → Daha iyi sonuç
Ama bunun arkasında yalnızca "çok fazla veri" yok. Sinir ağları, makine öğrenmesi, derin öğrenme ve matematiksel modeller gibi oldukça ilginç teknolojiler var.

Bunları birbirinden ayırarak ama birbirleriyle bağlantısını da göstererek anlatalım. Aslında yapay zekânın nasıl çalıştığını anlamanın anahtarı tam olarak burası.

1. Makine öğrenmesi nedir?

Makine öğrenmesi (Machine Learning), bilgisayara her kuralı tek tek öğretmek yerine, verilerden kuralları kendisinin öğrenmesini sağlama yöntemidir.

Örneğin bilgisayara:

"Bir ineğin süt verimini tahmin et."
diyoruz.
Geleneksel programlamada kuralları bizim yazmamız gerekir:

"Eğer yem miktarı şu kadarsa ve hayvanın yaşı buysa, süt üretimi şu kadar olur."

Makine öğrenmesinde ise bilgisayara çok sayıda örnek veririz:

- İneğin yaşı

- Irkı

- Günlük yem miktarı

- Süt verdiği miktar

- Vücut ağırlığı

vb.

Bilgisayar bu örnekleri inceleyerek hangi özelliklerin süt verimiyle nasıl ilişkili olduğunu öğrenmeye çalışır.
Sonra daha önce görmediği bir inek için tahminde bulunabilir.

2. Sinir ağları nedir?

Burada biraz daha ilginç bir yere geliyoruz.

Yapay sinir ağları, insan beynindeki biyolojik sinir hücrelerinden esinlenerek oluşturulmuş matematiksel yapılardır.
Beynimizde milyarlarca nöron birbirleriyle bağlantı kurar.
Yapay sinir ağında da çok sayıda yapay nöron bulunur.

Basitleştirirsek:

Girdi → İşleme → Çıktı

Örneğin bir kedi fotoğrafını sisteme verdiğimizi düşünelim.
İlk katman görüntüdeki basit özellikleri algılayabilir:

kenar → çizgi → şekil

Sonraki katmanlar:

göz → kulak → burun → yüz

gibi daha karmaşık özellikleri bir araya getirebilir.
Sonunda sistem:

"Bu büyük ihtimalle kedi." diyebilir.

Buradaki nöronlar gerçekten düşünmez. Her biri matematiksel hesaplamalar yapar.

3. Derin öğrenme nedir?

Derin öğrenme (Deep Learning) aslında makine öğrenmesinin bir türüdür.
Farkı, çok sayıda katmandan oluşan yapay sinir ağlarını kullanmasıdır.

Örneğin:

Fotoğraf
↓
katman: kenarlar
↓
2. katman: şekiller
↓
3. katman: göz, kulak, burun
↓
4. katman: yüz
↓
5. katman: kediye özgü özellikler
↓
"Kedi"

Katman sayısı arttıkça sistem çok daha karmaşık ilişkileri öğrenebilir.
İşte yapay zeka, görüntü tanıma sistemleri, ses tanıma sistemleri ve modern yapay zekâların önemli bir bölümü derin öğrenme tekniklerinden yararlanır.

4. Matematiksel modeller nedir?

Aslında bütün bu sistemlerin altında matematik vardır.
Yapay zekâya bir şey öğrettiğimizde, sistemin içinde milyonlarca hatta milyarlarca sayısal değer bulunabilir.
Bunlara genel olarak parametreler diyebiliriz.Örneğin çok basitleştirilmiş bir model şöyle düşünebilir:

Sonuç = (A × 0,7) + (B × 0,2) + (C × 0,1)

Buradaki katsayılar değiştikçe sonuç da değişir.
Eğitim sırasında yapay zekâ, doğru sonuçlara ulaşabilmek için bu değerleri sürekli ayarlar.

Yani:

Tahmin yapar → hatasını ölçer → matematiksel olarak kendini ayarlar → tekrar tahmin yapar.

Bu işlem milyonlarca, hatta çok büyük modellerde milyarlarca kez tekrarlanabilir.

Peki bunların birbirleriyle ilişkisi ne?

Şöyle bir hiyerarşi düşün:

- Yapay zekâ ⬇️

- Makine öğrenmesi ⬇️

- Yapay sinir ağları ⬇️

-Derin öğrenme ⬇️

-Matematiksel modeller ve parametreler

Ama küçük bir düzeltmeyle: Bunlar tam olarak birbirinin alt kümesi değildir. Derin öğrenme, makine öğrenmesinin bir alt alanıdır; yapay sinir ağları da derin öğrenmede kullanılan temel yapılardan biridir. Matematik ise hepsinin temelinde yer alır.

Benzer Konular:

Şu anda bu konuyu görüntüleyen etkin kullanıcılar: 1 (0 üye ve 1 konuk)