kutuphane@fbu.edu.tr
0216 910 19 07
kutuphane@fbu.edu.tr
0216 910 19 07
Üretken yapay zeka, insan beyninin öğrenme ve karar alma süreçlerini simüle eden, derin öğrenme modelleri algoritmaları adı verilen gelişmiş makine öğrenimi modellerine dayanır. Bu modeller, devasa miktarda verideki kalıpları ve ilişkileri belirleyip kodlayarak ve ardından bu bilgileri kullanıcıların doğal dil taleplerini veya sorularını anlamak ve ilgili yeni içeriklerle yanıt vermek için kullanarak çalışır.
Yapay zeka son on yıldır popüler bir teknoloji konusu oldu, ancak üretken yapay zeka ve özellikle ChatGPT'nin 2022'de ortaya çıkışı, yapay zekayı dünya çapında manşetlere taşıdı ve yapay zeka yeniliği ve benimsenmesinde eşi benzeri görülmemiş bir dalga başlattı (What is generative AI?,(t.y)).
What is generative AI? (t.y), https://www.ibm.com/think/topics/generative-ai sayfasından 08.04.2026 tarihinde erişilmiştir.
Öğrencilerimiz, eğitim hayatlarını kolaylaştırmak ve araştırma süreçlerini hızlandırmak için aşağıdaki yapay zeka araçlarına standart sürümleriyle veya üniversite e-postaları üzerinden tamamen ücretsiz olarak erişebilirler:
Yapay zekâyı doğrudan ödev üretmek için değil:
Amaç: “Benim yerime yapsın” değil, “Benim anlamama yardımcı olsun.”
Üretken yapay zekâdan alınan metni aynen kopya etmek intihal (plagiarism) sayılır.
Üniversitemiz yapay zekâ kullanımını açıkça beyan edilmesini zorunlu tutuyor.
Örneğin:
Üretken yapay zekâ bazen yanlış veya uydurma bilgi verebilir.
Bu yüzden çıktıları sorgulamak akademik gelişim için kritiktir.
yapay zekâ araçlarına girilmemelidir.
APA Style ekibi, büyük dil modellerinden ve ChatGPT gibi diğer üretken yapay zeka araçlarından nasıl alıntı yapılacağı ve kullanılacağı konusunda resmi yönergeler geliştiriyor. Şubat 2024 itibarıyla geçici kılavuz ve örnekler listelenmiştir. Bu konuyla ilgili kesin ve ayrıntılı yönergeler APA Style Blog'da bulunabilir.
Metin içi atıf:
ChatGPT’ye promt/istem olarak, "Sol beyin sağ beyin bölünmesi gerçek mi yoksa bir metafor mu?" sorulduğunda, iki beyin yarım küresinin biraz uzmanlaşmış olmasına rağmen, "insanların 'sol beyinli' veya 'sağ beyinli' olarak nitelendirilebileceğinin belirtilmesinin aşırı basitleştirme ve popüler bir efsane olarak kabul edildiğini" belirtti (OpenAI, 2023).
Referans:
Genel biçim:
Yapay zeka aracının/modelinin yazarı. (verilmişse yıl). Yapay zeka aracının/modelinin başlığı [Aracın tanımlayıcısını sağlayın]. Kaynağın URL'si
Örnek:
OpenAI. (2023). ChatGPT 3.5. (May 12 version) [Large language model]. https://chat.openai.com/chat
MLA Tarzında Üretken Yapay Zekadan Nasıl Alıntı Yapabilirim? Yayın tarihi: 17 Mart 2023
MLA stili genellikle APA veya Chicago stilinden daha esnektir.
Yapay zeka tarafından oluşturulan içeriğe MLA tarzında atıfta bulunmak için diğer bazı yönergeler şunlardır:
Genel Biçim:
"Sohbet açıklaması" istemi/promt. AI aracının adı, AI aracının sürümü, Şirket, Sohbet tarihi, URL.
Örnek:
"Zarar azaltma girişimlerine örnekler" istemi/promt. ChatGPT, 23 Mart sürümü, OpenAI, 4 Mart 2023, chat.openai.com/chat.
Metin İçi Alıntı Örneği:
("Zarar azaltma örnekleri")
Telif hakkı, makaleler ve kitaplar, bloglar ve web siteleri, görseller ve filmler, müzik, yazılım ve veri setleri dahil olmak üzere çeşitli yaratıcı eserlere uygulanan bir fikri mülkiyet türüdür. Telif hakkı ile korunan materyallerin çoğaltılması için genellikle telif hakkı sahibinin izni gereklidir.
Telif hakkı yasaları, telif hakkı sahibinin haklarını, neyin telif hakkı tarafından korunduğunu, koruma süresini ve bir eserin kullanıcılarının telif hakkı korumalı bir eserle ne yapabileceğini veya yapamayacağını belirler. Telif hakkı yasaları ülkeler arasında farklılık gösterir. Örneğin, bir ülkede korunan bir eser başka bir ülkede korunmayabilir ve bir eserin belirli kullanımı, örneğin eğitim veya araştırma amaçları için, bir ülkede izin verilebilirken başka bir ülkede izin verilmeyebilir.
Belirli bir hedefi gerçekleştirmek için dijital ortamı algılayan, kararlar alan ve otonom (kendi kendine) hareket edebilen gelişmiş yazılım sistemleridir. Sadece soru cevaplayan LLM'lerin (Büyük Dil Modelleri) aksine, çok adımlı karmaşık görevleri insanlar adına veya onlarla iş birliği içinde yerine getirirler.
Bilgisayarların ve makinelerin öğrenme, problem çözme, karar verme, algılama ve doğal dil işleme gibi insan zekâsına özgü becerileri taklit etme yeteneğidir. Verileri analiz ederek desenleri tanıyan ve bu bilgilerden öğrenerek kendini geliştiren akıllı algoritmalarla çalışır
Yapay zekada önyargı, modellerin eğitildiği verilerde bulunan önyargıları yansıtması durumudur. Bu durum, belirli görüşlerin, demografik grupların veya veri türlerinin istemeden diğerlerine göre daha fazla ön plana çıkmasına neden olabilir ve çıktının adilliğini etkileyebilir.
Büyük veri, geleneksel veri işleme yöntemleriyle depolanamayacak veya analiz edilemeyecek kadar büyük, hızlı akan ve karmaşık (yapısal/yapısal olmayan) veri kümeleridir.
Sohbet roboto, insan son kullanıcılarla metin veya ses yoluyla konuşmayı simüle eden, yapay zeka (AI) veya önceden tanımlanmış kurallarla çalışan bir yazılım programıdır
Kapalı kaynaklı büyük dil modelleri, GPT-4 veya Claude gibi sahipli ve erişimi sınırlı olan modellerdir.
Bilişsel bilişim, insan düşünme süreçlerini taklit etmeye odaklanan bir yapay zeka yaklaşımıdır. Doğal dili anlama, örüntü tanıma ve öğrenme gibi yetenekleri içerir.
Derin öğrenme, çok katmanlı sinir ağları kullanan bir makine öğrenmesi alt alanıdır ve görüntü tanıma ile doğal dil işleme gibi görevlerde oldukça etkilidir.
Gömülü sistemler (embedding), metinlerin veya görsellerin çok boyutlu sayısal vektörler olarak temsil edilmesidir. Anlamsal arama ve benzerlik tespiti gibi alanlarda kullanılır.
İnce ayar (fine-tuning), önceden eğitilmiş bir modelin belirli görevler veya alanlar için yeniden eğitilerek özelleştirilmesi sürecidir.
Temel model, geniş veri kümeleri üzerinde eğitilmiş ve farklı görevler için uyarlanabilen yapay zeka modelidir.
Üretken yapay zeka, büyük veri kümelerinden öğrendiği örüntülere dayanarak metin, görsel, ses veya video gibi yeni içerikler oluşturabilen yapay zeka türüdür.
Koruma mekanizmaları, yapay zekanın güvenli, etik ve uygun çıktılar üretmesini sağlamak amacıyla kullanılan kurallar ve filtrelerdir.
Halüsinasyon, büyük dil modellerinin veri ve mimari sınırlamaları nedeniyle gerçekte doğru olmayan veya mantıksız yanıtlar üretmesi durumudur.
Büyük dil modeli, büyük miktarda metin verisiyle eğitilen, insan dilini anlama, özetleme, çevirme, tahmin etme ve içerik üretme becerisine sahip derin öğrenme tabanlı yapay zeka sistemleridir. Genellikle Transformer mimarisini kullanan bu modeller, kelimeler arasındaki karmaşık ilişkileri kavrayarak doğal dilde akıcı yanıtlar oluşturur.
Gizli Alan , makine öğrenimi ve derin öğrenmede, yüksek boyutlu karmaşık verilerin (resimler, metinler, sesler) temel özelliklerini koruyarak daha düşük boyutlu, sıkıştırılmış ve soyut bir temsiline dönüştürüldüğü alandır
Makine öğrenimi, bilgisayarların açıkça programlanmadan, verilerdeki kalıpları ve istatistiksel yöntemleri kullanarak deneyim yoluyla öğrenmesini, kararlar vermesini ve tahminler yapmasını sağlayan bir yapay zeka (YZ) alt kümesidir. Algoritmalar, eğitim verileriyle kendilerini optimize eder ve yeni verilerle karşılaştıklarında doğruluklarını artırır.
Çok modlu model, yapay zeka alanında metin, görüntü, ses, video ve sensör verileri gibi birden fazla farklı veri türünü (modalite) aynı anda işleyebilen, anlayabilen ve bunlar arasında ilişki kurabilen gelişmiş bir yapay zeka modelidir
Doğal dil işleme, bilgisayarların insan dilini (yazılı veya sözlü) anlamasını, yorumlamasını, analiz etmesini ve üretmesini sağlayan bir yapay zeka ve hesaplamalı dilbilim dalıdır. İnsan-bilgisayar etkileşimini doğal hale getiren bu teknoloji, büyük metin/ses verilerinden anlamlı sonuçlar çıkarmak için makine öğrenimi ve derin öğrenme tekniklerini kullanır
Yapay Sinir ağları, insan beyninin çalışma prensibinden esinlenerek geliştirilen, bilgisayarların verilerdeki kalıpları tanımasına, öğrenmesine ve karmaşık problemleri çözmesine olanak tanıyan bir makine öğrenimi ve derin öğrenme teknolojisidir. Yapay zekanın temel yapı taşlarından biri olan bu ağlar, birbirine bağlı "nöron" adı verilen düğümlerden oluşur
Açık kaynaklı büyük dil modelleri, Mistral veya LLaMA gibi serbestçe kullanılabilen ve değiştirilebilen modellerdir. Açık kaynak kodlu dil modelleri.
Parametreler, bir modelin eğitimi sürecinde verilerden öğrendiği, girdileri çıktılara dönüştürmek için kullandığı sayısal değerler ve dahili yapılandırma değişkenleridir. Bu değerler, modelin verilerdeki kalıpları (pattern) tanımasını ve tahminler yürütmesini sağlayan "bilgi" deposu olarak işlev görür
Örüntü Tanıma, mam verilerdeki düzenlilikleri, tekrar eden yapıları ve benzer özellikleri yapay zeka ve makine öğrenimi algoritmaları kullanarak otomatik olarak tespit etme, sınıflandırma ve anlamlandırma disiplinidir
Tahmine dayalı analitik, geçmiş verileri, istatistiksel modelleme, veri madenciliği ve makine öğrenimi teknikleriyle analiz ederek gelecekteki sonuçları, eğilimleri ve davranışları tahmin etme yöntemidir.
Yönlendirici analitik, Verileri kullanarak sadece geleceği tahmin etmekle kalmayıp, hedeflenen sonuçlara ulaşmak için "en iyi eylem planını" öneren gelişmiş bir veri analitiği türüdür. Yapay zeka, makine öğrenmesi ve matematiksel modelleme kullanarak işletmelere "Ne olabilir?" ve "Bunu sağlamak için ne yapmalıyım?" sorularının cevabını verir
Ön eğitim, bir yapay zeka veya makine öğrenimi modelinin, belirli bir özel görev için kullanılmadan önce çok geniş ve genel veri kümeleri üzerinde eğitilerek temel bilgi, dil yapısı veya özellik çıkarımı yeteneği kazanması sürecidir
Prompt, üretken yapay zeka modellerine (ChatGPT, Midjourney vb.) ne yapmaları gerektiğini söyleyen metin tabanlı komut, soru veya talimatlardır. Yapay zekadan en doğru ve kaliteli çıktıyı almak için kullanılan, "pusula" işlevi gören detaylı tarifler veya girdilerdir.
Prompt mühendisliği, yapay zeka (YZ) modellerinden (ChatGPT, Midjourney vb.) en doğru, yaratıcı ve kaliteli çıktıyı almak için komutların (prompt) optimize edilmesi, tasarlanması ve yönetilmesi disiplinidir. Yapay zeka ile insan arasında köprü kurarak, yanlış veya alakasız sonuçları en aza indirip hedeflenen spesifik yanıtı veya görseli elde etmeyi sağlar.
Prompt ayarlama, modeli yeniden eğitmek yerine promptları/istemleri optimize ederek performans artırma yöntemidir.
Klasik bilgisayarların çözmekte zorlandığı karmaşık problemleri, kuantum fiziğinin prensiplerini (süperpozisyon ve dolanıklık) kullanarak çözen devrim niteliğinde bir hesaplama modelidir. Geleneksel bitler (0 veya 1) yerine aynı anda hem 0 hem 1 olabilen "kübit"leri (qubit) kullanır, bu da işlem hızını ve kapasitesini katlanarak artırır.
Duygu analizi, metin tabanlı verilerdeki (yorumlar, sosyal medya, e-postalar) insanların ürünler, hizmetler veya konular hakkındaki duygusal tonunu; olumlu, olumsuz veya nötr olarak otomatik belirleyen bir doğal dil işleme (NLP) teknolojisidir.
Yapılandırılmış veri, belirli bir düzene, modele veya şemaya göre organize edilmiş, makineler tarafından kolayca anlaşılabilen verilerdir. Araştırma Veri Setleri , metadata ve JSON-LD gibi
Sentetik veri, gerçek olaylardan elde edilmek yerine yapay zeka, algoritmalar veya simülasyonlar kullanılarak dijital ortamda üretilen, gerçek dünya verilerinin istatistiksel özelliklerini ve desenlerini taklit eden "yapay" verilerdir. Temel amacı; gerçek verilerin gizliliğini korumak, veri eksikliğini gidermek ve maliyetleri düşürerek özellikle yapay zeka/makine öğrenimi modellerini eğitmek için kaliteli veri sağlamaktır.
Transformer modeli, modern yapay zeka sistemlerinin temelini oluşturan sinir ağı mimarisidir. Büyük miktarda metin verisindeki desenleri analiz ederek insan benzeri metni anlamayı ve üretmeyi öğrenen bir yapay zeka modeli türüdür.
Bir makinenin insan zekasına eşdeğer veya ayırt edilemeyecek düzeyde zekice davranış sergileme yeteneğini ölçen, 1950'de Alan Turing tarafından geliştirilen bir yapay zeka değerlendirme kriteridir.
Bu belge DeepL çeviri aracı tarafından çevrilmiştir. İçerik, doğruluk, terminoloji ve bağlamsal tutarlılık açısından özenle incelenmiş ve kontrol edilmiş olup, eleştirel düşünme kriterlerine uygun olarak değerlendirilmiştir. Yazar, nihai içeriğin tüm sorumluluğunu üstlenmektedir.
Atatürk mah. Ataşehir Bulvarı Metropol İstanbul, 34758 İstanbul
0216 910 19 07