İçeriğe atla
Bilgi Merkezi/Makale
Makale

Yapay Zekâ (AI) Nedir? Nasıl Çalışır, Türleri ve Örnekleri

Yapay zekânın resmî tanımlarını, kural tabanlı yazılımdan farkını, türlerini, kurumsal örneklerini, risklerini ve işletmede nereden başlanacağını anlattık.

Oğuzhan Gerçek··7 dk okuma
Yapay Zekâ (AI) Nedir? Nasıl Çalışır, Türleri ve Örnekleri

Kısa cevap: Yapay zekâ (artificial intelligence, AI), aldığı girdiden tahmin, içerik, öneri ya da karar gibi çıktıları nasıl üreteceğini çıkarsayan makine tabanlı sistemlerin genel adıdır. Klasik yazılımda kuralları insan yazar; yapay zekâ ise davranışını büyük ölçüde örnek veriden öğrenir. Bugünkü sistemlerin hepsi belirli görevler için tasarlanmış dar yapay zekâ; her işi insan gibi yapabilen genel yapay zekâ henüz yok. Kurumlarda müşteri hizmetleri, dolandırıcılık tespiti ve kestirimci bakım tipik örnekler; başlarken amaç, veri ve risk sorumluluğu netleşmelidir.

Yapay zekâ nedir, ne demek?

IBM'in tanımıyla yapay zekâ (AI), bilgisayarların insanın öğrenme, anlama, problem çözme ve karar verme yeteneklerini taklit etmesini sağlayan teknolojidir.

OECD'nin tanımında yapay zekâ sistemi, açık ya da örtük hedefler için, aldığı girdiden tahmin, içerik, öneri ya da karar gibi çıktıları nasıl üreteceğini çıkarsayan ve fiziksel ya da sanal dünyayı etkileyebilen makine tabanlı bir sistemdir. OECD.AI sitesindeki 29 Kasım 2023 tarihli açıklamaya göre güncellemede çıktılara eklenen "içerik", tanımın üretken yapay zekâyı da kapsadığını netleştiriyor.

AB Yapay Zekâ Yasası'nın (EU AI Act) 3. maddesi aynı çekirdeği kullanıyor; gerekçesine göre kavram, uluslararası kuruluşların çalışmalarıyla yakından uyumlu olmalı. NIST AI RMF 1.0 da tanımını OECD'den ve Temmuz 2022 tarihli terminoloji standardı ISO/IEC 22989'dan uyarlıyor. Terimin kısa tanımı sözlüğümüzde var.

Kısa tarihçe: Turing'in sorusu ve Dartmouth önerisi

Alan Turing, Ekim 1950'de Mind dergisinde yayımlanan "Computing Machinery and Intelligence" makalesinde "Makineler düşünebilir mi?" sorusunu, taklit oyunu (imitation game) adını verdiği bir sınamayla değiştirdi. McCarthy, Minsky, Rochester ve Shannon'ın 31 Ağustos 1955 tarihli Dartmouth önerisi ise 1956 yazı için on kişilik, iki aylık bir yapay zekâ çalışması öngörüyordu. Varsayım, öğrenmenin ve zekânın her yönünün bir makinenin taklit edebileceği kesinlikte tarif edilebileceğiydi.

Yapay zekâ nasıl çalışır?

Klasik yazılımda davranışı programcının yazdığı kurallar belirler. AI Act'in gerekçesi, yalnızca insanların tanımladığı kurallarla işlem yürüten sistemleri yapay zekâ saymıyor; ona göre ayırt edici özellik, çıkarsama yeteneği. Google Cloud farkı şöyle özetliyor: bilgisayara bir milyon kural yazmak yerine bir milyon örnek göstermek. Örnekten öğrenen bu yöntemlerin genel adı makine öğrenmesi; öğrenme türlerini makine öğrenmesi yazımızda ele aldık. İşin iki aşaması var:

  • Eğitim (training): Model, örnek verideki örüntüleri öğrenir; Google Cloud'a göre verinin kalitesi ve miktarı başarım için belirleyici.
  • Çıkarım (inference): IBM'in tanımıyla eğitilmiş modelin yeni veri üzerinde tahmin yapması.

İki aşamanın donanım ihtiyacını GPU yazımızda inceledik.

Yapay zekâ türleri

Literatürde üç ayrım yaygın:

  • Yeteneğe göre: Google Cloud dar (ANI), genel (AGI) ve süper (ASI) yapay zekâyı ayırıyor. Dar yapay zekâ tek bir görev için tasarlanır ve bugün var olan tek tür bu; AGI henüz yok, ASI ise kuramsal. IBM aynı ayrımı zayıf ve güçlü yapay zekâ adıyla yapıyor.
  • İşleve göre: OECD tanımı çıktılara örnek olarak tahmin, içerik, öneri ve kararı sayıyor. Google Cloud bunlara bilgisayarlı görüyü (computer vision) ve doğal dil işlemeyi (NLP) ekliyor.
  • Yönteme göre: IBM'e göre kavramlar iç içe: makine öğrenmesi yapay zekânın, derin öğrenme makine öğrenmesinin alt kümesi; üretken yapay zekâ da derin öğrenme modellerine dayanır.

Üretken yapay zekâ (generative AI), ajanlar ve RAG

NIST'in Temmuz 2024 tarihli üretken yapay zekâ profilinde üretken yapay zekâ, girdi verisinin yapısını ve özelliklerini taklit ederek türetilmiş sentetik içerik (metin, görsel, ses, video) üreten modeller sınıfı olarak tanımlanıyor. Büyük dil modellerini ve halüsinasyonu LLM yazımızda anlattık; LLM'in kısa tanımını sözlükte bulabilirsiniz. Üretken modellerin üzerine iki yapı kuruluyor:

  • Ajanlar: Google Cloud'a göre yapay zekâ ajanları (AI agent), kullanıcı adına hedef izleyen ve görev tamamlayan yazılım sistemleri; asistandan daha özerk çalışırlar (AI agent yazımız).
  • Kurum verisiyle cevap: AWS'nin tarifiyle RAG (retrieval-augmented generation), modelin cevap üretmeden önce eğitim verisinin dışındaki yetkili bir bilgi tabanına başvurması (RAG yazımız).

Yapay zekâ örnekleri ve kullanım alanları

Google Cloud'un günlük hayattan örnekleri sanal asistan, yayın platformlarındaki öneriler, spam filtresi ve navigasyon uygulamaları. IBM'in kurumsal örnekleri şunlar:

  • Müşteri hizmetleri: Müşteri sorularını ve destek kayıtlarını karşılayan sohbet botları.
  • Dolandırıcılık tespiti: Olağan dışı harcamayı ya da oturum açma konumunu işaretleyen algoritmalar.
  • Kestirimci bakım: Ekipman arızasını önceden tahmin eden modeller.
  • İşe alım ve yazılım geliştirme: Özgeçmiş tarama ve aday eşleştirme; kod üretim araçları.

Benimsenme oranı ölçülen kitleye göre değişiyor. Stanford HAI'nin 2026 AI Index raporu, McKinsey'in anketine dayanarak kurumunun en az bir iş biriminde yapay zekâ kullandığını söyleyen katılımcıların payını 2025 için %88 veriyor (2024'te %78). Eurostat'a göre ise 2025'te AB'de 10 ve üzeri çalışanı olan girişimlerin %20'si yapay zekâ kullandı (2024'te %13,5); en yaygın kullanım yazılı metin analiziydi (%11,8).

İşletmelerde ve KOBİ'lerde yapay zekâ: nereden başlanır?

OECD'nin 12 ülkeden 2.000'i aşkın KOBİ'yi kapsayan 2026 D4SME anketine göre işletmelerin çoğu hazır (off-the-shelf) yapay zekâ ürünleri kullanıyor; bir kısmı ajanlar gibi daha özel uygulamaları deniyor. Örneklem temsilî değil; dijital araçların önündeki engeller ise tanıdık: zaman darlığı, bakım maliyetleri ve beceri açığı. Başlarken şu sıra işe yarar:

  1. Amacı ve ölçütü yazın: Hangi işin hızlanacağı ya da hangi hatanın azalacağı belli olsun.
  2. Envanter tutun: Hangi ekibin hangi aracı, hangi veriyle kullandığını kayda alın.
  3. Veriyi sınıflandırın: Hazır araca hangi verinin girebileceğine karar verin; kişisel veride KVKK yükümlülükleri geçerli.
  4. İnsan onayını koruyun: Müşteriye, paraya ya da kişiye dokunan çıktıyı bir insan kontrol etsin.
  5. İşletimi planlayın: Veri hazırlığı ve modelin üretimde izlenmesi ayrı iş kalemleri; ilkini veri altyapısı yazımızda, ikincisini MLOps yazımızda ele aldık.

Kendi altyapısında model çalıştıracak kurumlar için bu katmanı AI stack tasarımı ve mühendisliği hizmetimizde, BT operasyonundaki kullanımı AIOps sayfamızda anlatıyoruz.

Yapay zekâ riskleri ve yönetişim

NIST'in üretken yapay zekâ profili 12 risk sayıyor; aralarında konfabulasyon (kendinden emin biçimde üretilen yanlış içerik), veri gizliliği, zararlı önyargı ve bilgi güvenliği var. Başlıca çerçeveler şunlar:

  • NIST AI RMF 1.0: 26 Ocak 2023'te yayımlanan gönüllü çerçeve; çekirdeği GOVERN, MAP, MEASURE ve MANAGE işlevlerinden oluşur. NIST'e göre Ekim 2026 itibarıyla revize ediliyor.
  • OECD Yapay Zekâ İlkeleri: Mayıs 2019'da kabul edilip Mayıs 2024'te güncellendi; şeffaflık, sağlamlık ve hesap verebilirlik beş ilke arasında.
  • EU AI Act: Avrupa Komisyonu'na göre 1 Ağustos 2024'te yürürlüğe girdi, 2 Ağustos 2026'da bazı istisnalarla uygulanmaya başladı ve dört risk düzeyi tanımlıyor: sosyal puanlama gibi kabul edilemez uygulamalar yasak, özgeçmiş sıralayan işe alım yazılımı yüksek riskli, sohbet botlarına şeffaflık yükümlülüğü var, spam filtresi gibi asgari riskli sistemlere kural yok. Hassas alanlardaki yüksek riskli kullanımların kuralları 2 Aralık 2027'de devreye girecek.

Eğitim verisinin manipülasyonunu veri zehirlenmesi yazımızda, yönetim sistemi standardını ISO/IEC 42001 yazımızda, Türkiye'deki gündemi yapay zekâ yönetişimi yazımızda inceledik; politika ve risk çerçevesini yönetişim, risk ve uyum (GRC) hizmetimizde ele alıyoruz.

Sık sorulan sorular

Yapay zekâ ne demek, AI nedir? AI, artificial intelligence'ın kısaltması ve Türkçe karşılığı yapay zekâ. Öğrenme, akıl yürütme ve problem çözme gibi insan zekâsı gerektiren işleri yapabilen sistemleri anlatır.

Yapay zekâ nasıl çalışır? Model örnek veriyle eğitilip örüntüleri öğrenir; çıkarım aşamasında bunları yeni girdilere uygulayarak tahmin, öneri ya da içerik üretir.

Yapay zekâ türleri nelerdir? Yeteneğe göre dar, genel ve süper yapay zekâ ayrılır; bugün yalnızca dar yapay zekâ var. İşleve göre görme, dil, öneri, karar ve üretken sistemler sayılır.

Yapay zekâ örnekleri nelerdir, nerelerde kullanılır? Sanal asistanlar, spam filtreleri, öneri sistemleri ve navigasyon günlük örnekler. Kurumsal örnekler arasında müşteri hizmetleri, dolandırıcılık tespiti, kestirimci bakım ve işe alım var.

Üretken yapay zekâ (generative AI) nedir? Girdi verisinin yapısını taklit ederek yeni metin, görsel, ses ya da video üreten modellerin genel adı. Büyük dil modelleri (LLM) bu sınıfın metin üreten üyeleri.

Kaynaklar