Yapay Zekâ Sözlüğü

Agent

Yapay zekâ ajanı, çevresiyle etkileşen, bilgi alan ve dışarıdan belirlenmiş daha geniş bir amaç doğrultusunda kendi yönettiği eylemleri gerçekleştiren yazılımdır.

Örnek: Bir ajan takvimi kontrol eder, toplantı saati önerir ve kaydetmek için onay bekler.

Agent Memory

Bu maddede ajan belleği, bir ajanın sonraki çalışmalarında kullanabilmesi için önceki etkileşimlerden saklanan veya geri getirilen, uygulama tarafından yönetilen bilgidir.

Örnek: Bir asistan, kullanıcının tercih ettiği tarih biçimini sonraki raporlar için hatırlar.

Agent Framework

YZ/ajan geliştirme çatısı, bir uygulamada yapay zekâ ajanları oluşturmak, çalıştırmak veya koordine etmek için yapılar ve bileşenler sağlayan, yeniden kullanılabilir yazılım altyapısıdır.

Örnek: Bir geliştirici, araştırma ajanını arama aracına bağlamak için Google ADK kullanır.

Agent Orchestration

Ajan orkestrasyonu, bir uygulamada hangi ajanların hangi sırayla çalışacağının ve sonraki eylemlerinin nasıl seçileceğinin eşgüdümüdür.

Örnek: Bir seyahat ajanı uçuşları arar, müsaitliği kontrol eder ve gezi planı hazırlar.

Agent Skill

Agent Skills açık biçiminde ajan yeteneği, meta veri ve yönergeler içeren en az bir SKILL.md dosyasını barındıran dizinle temsil edilen, yeniden kullanılabilir yönerge ve destekleyici kaynak paketidir.

Örnek: Bir ekip, CSV dosyasını içe aktarmadan önce kontrol etme adımlarını ajana SKILL.md ile verir.

Reasoning Model

Akıl yürütme modeli, karmaşık görevleri yanıtlarken ara adımlar üzerinde çalışacak biçimde eğitilmiş veya yapılandırılmış dil modelidir.

Örnek: Bir akıl yürütme modeli, plan önermeden önce karmaşık bir çizelgeleme sorununu çözer.

Algorithm

Algoritma, istenen bir sonuca ulaşmaya yönelik hesaplanabilir adımlar kümesidir.

Örnek: Bir navigasyon uygulaması rota bulma algoritmasıyla yol önerir.

Tool Use

Araç kullanımı, bir modelin çıktısının yapılandırılmış bir işlevi veya haricî yeteneği seçmek ya da çağırmak ve sonucunu işlemek için kullanıldığı uygulama örüntüsüdür; sağlayıcı dokümantasyonu bunu işlev çağrısı veya araç çağrısı olarak adlandırabilir.

Örnek: Seyahat asistanı, bavul önerisi vermeden önce hava durumu hizmetini çağırır.

Context

Bağlam, modelin bir çıktı üretme biçimini koşullandırabilen ve model isteğiyle birlikte kullanılabilir kılınan bilgidir.

Örnek: Destek botuna müşteri sorusuyla birlikte ilgili iade politikası verilir.

Context Engineering

Bu maddede bağlam mühendisliği, bir LLM’in görevi yapabilmesi için gereken biçimde sağlanan bilgi ve araçların çalışma zamanında bilinçli biçimde seçilip düzenlenmesidir.

Örnek: Bir politika asistanına, yanıt vermeden önce güncel politika ve kullanıcının sorusu verilir.

Context Window

Bağlam penceresi, belirli bir model arayüzünün bir istek veya konuşma durumu için kullanabildiği sonlu miktardaki girdi bağlamıdır.

Örnek: Uzun bir sohbet modelin bağlam penceresini aşabilir; eski mesajlar özetlenir.

Knowledge Distillation

Bilgi damıtma, bir öğrenci modelin öğretmen model veya model topluluğunun sağladığı bilgi kullanılarak eğitilmesidir.

Örnek: Küçük bir model, destek taleplerini sınıflandırmak için büyük modelin yanıtlarından öğrenir.

Retrieval-Augmented Generation (RAG)

Bilgi getirim destekli üretim, bir modelin parametrik bilgisini getirilen haricî bilgiyle birleştiren üretim yaklaşımıdır.

Örnek: Bir politika asistanı, izin günlerini yanıtlamadan önce güncel izin politikasını bulur.

Retrieval

Bilgi getirme, bir sorguya veya göreve yanıt vermede kullanılmak üzere bir koleksiyondan bilgi öğelerinin seçilmesi sürecidir.

Örnek: Şirketin arama aracı, soruyla en ilgili beş politika sayfasını bulur.

Large Language Model

Büyük dil modeli, çok büyük bir metin veri kümesi üzerinde eğitilen derin öğrenme tabanlı bir dil modelidir; üretken bir büyük dil modeli metni yaygın olarak sonraki tokeni veya sözcüğü tahmin ederek üretir.

Örnek: Müşteri temsilcisi, büyük dil modeline yanıt taslağı hazırlatır ve göndermeden önce kontrol eder.

On-Device AI

Cihaz üzerinde yapay zekâ, YZ çıkarımını telefon veya bilgisayar gibi yerel bir cihazda çalıştırır.

Örnek: Bir telefon, cihazda çalışan modelle bir notu özetler.

Inference

Bu sözlükteki işletim anlamıyla çıkarım, kullanıma alınmış bir modelin yeni girdilerden çıktılar türetmek üzere kullanılmasıdır.

Örnek: Eğitilmiş spam filtresi, yeni gelen bir e-postayı spam olarak işaretler.

Test-Time Compute

Çıkarım zamanı hesaplaması, çıkarım sırasında yanıt üretmek için harcanan hesaplamadır; ölçeklenmesi bir isteğe ek işlem ayrılmasıdır.

Örnek: Bir uygulama, yanıtlamadan önce aday planları karşılaştırması için modele daha fazla işlem süresi tanır.

Multimodal Model

Çok modlu model, görme ve dokunma gibi birden çok duyusal kipteki bilgiyi işler ve ilişkilendirir.

Örnek: Bir kullanıcı fiş fotoğrafı yükleyip modelden toplam tutarı okumasını ister.

Evaluation

YZ değerlendirmesi, bir yapay zekâ sisteminin belirtilmiş ölçütlere göre belirtilmiş bir bağlamda nasıl performans gösterdiğine ilişkin kanıt üreten yapılandırılmış süreçtir.

Örnek: Bir ekip, destek botunun 100 örnek soruyu doğru yanıtlayıp yanıtlamadığını ölçer.

Evaluation Dataset

Değerlendirme veri kümesi, bir sistemi belirtilmiş bir amaç için değerlendirmede kullanılan tanımlı girdi veya referans bilgi koleksiyonudur.

Örnek: Bir ekip, sınıflandırıcıyı eğitimden sonra sınamak için 100 etiketli talebi ayırır.

Deep Learning

Derin öğrenme, hedef bir işlevin katmanlı temsillerini kullanan bir makine öğrenmesi yaklaşımıdır.

Örnek: Bir kamera uygulaması fotoğraftaki nesneleri belirlemek için derin öğrenme kullanır.

Human-in-the-Loop

Atıf yapılan HITL NLP derlemesinde döngüde insan, insan geri bildirimini model geliştirme veya devreye alma iş akışına entegre eden düzenlemedir.

Örnek: Yapay zekânın önerdiği fatura kategorisi kayda geçmeden önce bir çalışan onay verir.

Chain-of-Thought (CoT)

Düşünce zinciri, bir yanıta ulaşmaya çalışırken ifade edilen ara akıl yürütme adımları dizisidir.

Örnek: Çözülmüş bir matematik sorusu, sonuca ulaşan adımları gösterir.

Training

Eğitim, makine öğrenmesi teknikleriyle bir sistemin performansını iyileştirme sürecidir; yaygın olarak eğitim verisi kullanılarak öğrenilebilir model parametrelerinin uydurulmasını içerir.

Örnek: Bir ekip, önceden etiketlenmiş e-postalarla spam filtresi eğitir.

Intellectual Property

Fikrî mülkiyet, farklı hukuki rejimler altında korunan yaratımlar, buluşlar, ayırt edici işaretler ve gizli bilgiler için kullanılan şemsiye terimdir.

Örnek: Bir ekip, fotoğrafı yapay zekâ destekli kampanyada kullanmadan önce lisansını kontrol eder.

Artificial General Intelligence (AGI)

AGI, tek bir uzmanlık yerine çok sayıda görevde insan düzeyine ulaşma üzerinden tanımlanan geniş bilişsel yetkinliği ifade eder.

Örnek: Varsayımsal bir AGI, her görev için ayrı eğitim almadan hem gezi planlamayı hem makine arızası bulmayı öğrenebilir.

Embedding

Gömme, bir sistemin başka vektörlerle karşılaştırabildiği veya model girdisi olarak kullanabildiği öğrenilmiş sayısal vektör temsilidir.

Örnek: Bir arama uygulaması benzer soruları birbirine yakın sayısal vektörlere dönüştürür.

Observability

YZ gözlemlenebilirliği, YZ destekli sistemin kullanım sırasında nasıl davrandığını ve sorunların nedenlerini incelemek için operasyonel sinyallerin ve bağlamın kullanılmasıdır.

Örnek: Bir ekip, botun yanlış yanıtını getirdiği belgeye kadar izler.

Reliability

Bir yapay zekâ sistemi için güvenilirlik, beklenen kullanım koşullarında belirtilmiş bir süre boyunca genel olarak doğru çalışma hedefidir.

Örnek: Yardım masası, yönlendirme asistanının her hafta doğru çalışıp çalışmadığını kontrol eder.

Security

YZ güvenliği, yapay zekâ sistemlerinin ve bağımlı varlıkların gizlilik, bütünlük, kullanılabilirlik ve amaçlanan davranışına yönelik tehditlere karşı korunmasıdır.

Örnek: Bir şirket, belge asistanına yalnızca onaylı dosyaları okuma yetkisi verir.

Jailbreak

Dil modeli güvenliğinde jailbreak, modelin normalde kısıtlanan davranışı üretmesi için korumalarını aşma girişimidir.

Örnek: Yetkili bir testçi, deneme botunun güvenlik kurallarını yok sayıp saymayacağını sınar.

Hallucination

YZ halüsinasyonu, hatalı, yanlış veya istemi ya da bağlamıyla tutarsız üretken yapay zekâ çıktısı için kullanılan yaygın bir terimdir.

Örnek: Bir sohbet botu var olmayan bir makaleye atıf yapar; okuyucu kaynağı kontrol eder.

Accountability

Hesap verebilirlik, yapay zekâ sistemi işleyişi ve ilkelere ilişkin hesap verme yükümlülüğünü ve sorumlulukları; roller, bağlam ve harekete geçebilme yeteneğine göre tahsis eder.

Örnek: Bir şirket, bot kararlarından kimin sorumlu olduğunu ve şikâyetleri kimin ele alacağını belirler.

Fine-Tuning

İnce ayarlama, önceden eğitilmiş modeli göreve özgü veri kullanarak belirli bir görev veya alana uyarlayan ek eğitimdir.

Örnek: Destek ekibi, gözden geçirilmiş talep kategorileriyle bir modele ince ayar yapar.

Human Evaluation

İnsan değerlendirmesi, bir sistemin veya çıktılarının belirtilmiş görev ve protokol altında insanlarca yapılandırılmış yargılanmasıdır.

Örnek: İki değerlendirici, yapay zekâ özetinin toplantı kararlarını koruyup korumadığını puanlar.

Human Oversight

İnsan gözetimi, gözetimle görevlendirilen kişilerin ilgili sınırları anlamasını, uygun ve orantılı biçimde izlemesini, yorumlamasını, çıktıyı dikkate almamasını veya geçersiz kılmasını, müdahale etmesini ya da sistemi durdurmasını mümkün kılar.

Örnek: Bir klinisyen, yapay zekâ uyarısını inceler ve işlem yapmadan önce değiştirebilir.

Human–AI Collaboration

İnsan–YZ iş birliği, İnsan–YZ ekip yapılandırmalarındaki insan rol ve sorumluluklarıyla birlikte geri bildirim ve YZ çıktısına itiraz etme olanaklarıyla ilgilidir.

Örnek: Asistan destek yanıtı taslağı hazırlar; çalışan bilgileri kontrol edip yanıtı gönderir.

Prompt

İstem, üretken bir modelin belirli bir görevdeki yanıtını yönlendirmek için çıkarım zamanında sağlanan metin veya başka girdidir.

Örnek: “Bu toplantıyı üç maddede özetle” bir istemdir.

Prompt Injection

İstem enjeksiyonu, güvenilmeyen içeriğin LLM ile bütünleşik bir sistemin amaçlanan talimatlarıyla veya veri işlemesiyle çatışan ya da onları yönlendiren talimatlar sunduğu saldırıdır.

Örnek: Bir web sayfası, asistanın okuyacağı metne “önceki talimatları yok say” komutunu gizler.

Prompt Engineering

İstem mühendisliği, bir modelin görevdeki yanıtını yönlendirmek için kullanılan talimatların ve bağlamın yinelemeli tasarımı ve iyileştirilmesidir.

Örnek: Bir ekip, fatura bilgisi çıkaran iki istemi dener ve daha net olanı kullanır.

Workflow Redesign

İş akışı yeniden tasarımı, yapay zekâ benimseyen işverenlerin mevcut görevleri otomatikleştirdiği ve yeni görevler oluşturduğu durumlarda bildirilen görev yeniden örgütlenmesiyle ilgilidir.

Örnek: Destek ekibi, yapay zekânın hazırladığı yanıtları göndermeden önce bilgi kontrolü ekler.

Evidence Provenance

Kanıt kökeni, bir kanıt öğesinin kaynağını, türetimini, muhafaza geçmişini ve iddiayla bağlantısını incelenebilir kılan kayıtlı bilgidir.

Örnek: Bir rapor, doğruluk oranının hangi veri kümesi ve test çalışmasından geldiğini kaydeder.

Decision Support

Karar desteği, insan kararını bilgilendirmek amacıyla bilgi veya öneri sunar.

Örnek: Bir sistem bakım taleplerini sıralar; yönetici hangi onarımın öne alınacağına karar verir.

Red Teaming

YZ kırmızı takım çalışması, zararlı çıktıları veya başarısızlıkları belgeleyip ele almak için bir YZ sistemini bilinçli olarak zorlayan testler yürütür.

Örnek: Yetkili bir ekip, test ortamındaki botun özel verileri yanlışlıkla açıklayıp açıklamadığını sınar.

Benchmark

Kıyaslama testi, görevleri veya veriyi, bir protokolü ve bir ya da daha fazla metriği birleştiren tanımlı karşılaştırmalı değerlendirme düzenidir.

Örnek: İki model aynı sabit soru kümesini yanıtlar; puanları karşılaştırılır.

Guardrail

Koruma katmanı, belirli riskleri azaltmak için YZ sistemi girdisini, çıktısını, araç kullanımını veya eylemlerini sınırlayan, denetleyen ya da yönlendiren tanımlı kontroldür.

Örnek: Bir ödeme asistanı, iade yapmadan önce insan onayı ister.

Use Case

Kullanım senaryosu, belirtilmiş bir süreç ve bağlam içindeki amaçlanan yapay zekâ kullanımının; sistem amacını ve etkilenmesi muhtemel kişi veya grupları içeren sınırlandırılmış açıklamasıdır.

Örnek: Bir ekip kullanım senaryosunu tanımlar: toplantı notlarını çalışanların kontrolü için özetlemek.

Small Language Model (SLM)

Küçük dil modeli, amaçlanan kullanımına göre parametre sayısı ve kaynak gereksinimleri bakımından görece küçük olarak tanımlanan dil modelidir.

Örnek: Bir telefon uygulaması, kısa notları cihazda sınıflandırmak için küçük bir dil modeli kullanır.

Privacy

Mahremiyet, kişiler hakkında bilginin işlenmesi ve korunmasıyla ilişkili kişilerin menfaatleri ve haklarıyla ilgilidir.

Örnek: Bir ekip, destek yazışmalarını botu sınamak için kullanmadan önce telefon numaralarını kaldırır.

Machine Learning

Makine öğrenmesi, eğitim verilerindeki örüntüleri belirleyerek ve genellikle modelleri otomatik üreterek bir sistemin performansını iyileştiren teknikler bütünüdür.

Örnek: Bir e-posta hizmeti, etiketlenmiş mesajlardan öğrenerek olası spam iletileri belirler.

Metric

Metrik, bir sistemi veya çıktısını değerlendirmek için belirtilmiş bir ölçütü işler hâle getirir.

Örnek: Destek ekibi, doğru birime yönlendirilen taleplerin yüzdesini izler.

Model

Yapay zekâ modeli, girdileri kullanarak çıkarım yapan ve çıktı üreten temel bir bileşendir.

Örnek: Bir perakendeci, gelecek haftanın satışını tahmin etmek için talep modeli kullanır.

Model Context Protocol (MCP)

Model Context Protocol (MCP), yapay zekâ uygulamalarını veri kaynakları, araçlar ve iş akışları gibi dış sistemlere bağlamak için açık kaynaklı bir standarttır.

Örnek: Claude Desktop, yetkili bir araca veya kaynağa erişmek için MCP sunucusuna bağlanabilir.

Quantization

Model sıkıştırmada nicemleme, model değerlerini daha az bitle veya daha sınırlı bir sayısal değer kümesiyle temsil etmektir.

Örnek: Bir mühendis, modelin daha az cihaz belleği kullanması için sayısal hassasiyetini düşürür.

Literacy

YZ okuryazarlığı, yapay zekâ sistemlerinin bağlam içinde bilinçli biçimde devreye alınmasını ve fırsatları, riskleri ile yol açabileceği olası zararlar hakkında farkındalığı sağlayan beceri, bilgi ve anlayıştır.

Örnek: Bir çalışan, onaylı sohbet botuna hangi şirket verilerini girebileceğini öğrenir.

Automation Bias

Otomasyon yanlılığı, ihmal veya komisyon hatalarına katkıda bulunabilen otomatik işaretlere ya da önerilere aşırı bel bağlamadır.

Örnek: Bir değerlendirici, başvuruyu incelemeden yapay zekânın risk puanını kabul eder.

Bias and Fairness

Önyargı ve adalet, sistematik kalıpların, seçimlerin ve etkilerin bir yapay zekâ sisteminde eşitsiz veya adaletsiz sonuçlar doğurabilmesini ve bu sonuçların bağlam içinde nasıl değerlendirildiğini ele alır.

Örnek: İşe alım ekibi, eleme aracının bir gruptaki nitelikli adayları daha sık eleyip elemediğini inceler.

Parameter

Öğrenilebilir model parametreleri eğitim sırasında eğitim verileriyle uyarlanır; model parametreleri bir yapay zekâ modeli oluşturulurken değişebilir.

Örnek: Model fotoğrafları sınıflandırmayı öğrenirken eğitim süreci parametrelerini ayarlar.

Ground Truth

Referans gerçeklik, bir sistemin çıktısıyla karşılaştırmak için kullanılan göreve özgü referans bilgi veya kabul edilmiş hedeftir.

Örnek: Doğrulanmış teslimat kaydı, botun teslimat yanıtını kontrol etmek için referanstır.

Risk Assessment

YZ risk değerlendirmesi, etkilenen kişiler ve kurumlar için yapay zekâyla ilişkili olası zararları ve belirsizlikleri belirleme, analiz etme, önceliklendirme ve belgelemenin bağlama özgü sürecidir.

Örnek: Bir ekip, başvuruları yapay zekâyla elemeden önce olası hataları ve etkilenecek kişileri kaydeder.

Robustness

Sağlamlık, başlangıçta öngörülmeyen kullanımlar dâhil belirtilmiş geniş bir koşul kümesinde uygun sistem işlevselliği hedefidir.

Örnek: Bir ekip, belge sınıflandırıcısının bulanık taramalarda da çalışıp çalışmadığını sınar.

Synthetic Data

Sentetik veri, doğrudan toplanmış gözlemlerin yerine veya yanında kullanılan yapay olarak üretilmiş veridir.

Örnek: Bir ekip, gerçek müşteri mesajlarını kullanmadan sınıflandırıcıyı sınamak için kurgusal destek talepleri üretir.

System

Yapay zekâ sistemi, açık veya örtük amaçlar doğrultusunda aldığı girdilerden tahmin, içerik, öneri veya karar gibi çıktıları nasıl üreteceğine ilişkin çıkarım yapan makine tabanlı bir sistemdir.

Örnek: Bir destek sistemi müşteri mesajını okuyup hangi ekibin yanıtlaması gerektiğini önerir.

System Instruction

Sistem talimatı, bir uygulamanın sohbet modelinin yanıtlarını yönlendirmek için sağladığı üst düzey talimatlar ve bağlam kümesidir.

Örnek: Bir uygulama, asistanına Türkçe yanıt vermesini ve verilen belgelere atıf yapmasını söyler.

Transparency

Şeffaflık, bir yapay zekâ sistemi hakkında ilgili bilgilerin belirtilen bağlam için kullanılabilir bir derinlikte uygun kitlelere sunulmasıdır.

Örnek: Bir banka, müşterilere botla konuştuklarını ve bir çalışana nasıl ulaşacaklarını söyler.

Copyright

Telif hakkı, uygulanabilir hukuk kapsamında koruma koşullarını karşılayan özgün ifadeyi koruyan ayrı bir fikrî mülkiyet rejimidir.

Örnek: Bir yayıncı, fotoğrafçının görselini üretilen broşürde kullanmadan önce izin durumunu kontrol eder.

Foundation Model

Üretken yapay zekâ bağlamında temel model, geniş kapsamlı veriler üzerinde öz-denetimli öğrenmeyle eğitilir ve birden çok uygulama görevine uyarlanabilir.

Örnek: Bir geliştirici, geniş kapsamlı eğitilmiş modeli şirket belgelerini özetlemeye uyarlar.

Grounding

Temellendirme, bir yapay zekâ sisteminin çıktısını veya davranışını sağlanan ya da getirilebilir kanıt ve bağlama bağlama uygulamasıdır.

Örnek: Bir politika botu, yanıtına dayanak olan belge bölümünü gösterir.

Token

OpenAI’ın belgelediği metin işlemede token, modelin işlemesi veya üretmesi için metnin bölündüğü birimdir.

Örnek: Sohbet botuna gönderilen uzun bir belge, kısa bir sorudan daha fazla token kullanır.

Transformer Architecture

Transformer, girdi ve çıktı dizilerindeki ögeler arasındaki ilişkileri modellemek için dikkat mekanizmalarına dayanan bir yapay sinir ağı mimarisidir.

Örnek: Bir çeviri modeli, cümledeki kelimeleri ilişkilendirmek için Transformer kullanır.

Application Programming Interface (API)

API, bir yazılım bileşeninin başka bir bileşenden yetenek veya veri istemesi için tanımlanmış arayüzdür.

Örnek: Bir hava durumu uygulaması, bugünkü tahmini hizmetin API'si üzerinden ister.

Mixture of Experts (MoE)

Uzmanlar karışımı mimarisi, girdileri uzman bileşenlere yönlendirir ve bu bileşenlerin katkılarını birleştirir veya seçer.

Örnek: Bir MoE modeli, her token için uzman bileşenlerin tümünü değil seçilenleri çalıştırır.

Generative AI

Üretken yapay zekâ, girdi verilerinin yapılarını ve özelliklerini taklit ederek türetilmiş sentetik içerik üreten bir yapay zekâ modelleri sınıfıdır.

Örnek: Bir tasarımcı, görsel üreten bir uygulamadan üç afiş fikri ister.

Vector Database

Vektör veritabanı, vektör temsillerini saklar ve kayıtların vektör benzerliğine göre getirilmesini destekler.

Örnek: Bir arama uygulaması, soruya benzer bölümleri bulmak için belge vektörlerini saklar.

Data Quality

Veri kalitesi, verinin doğruluk, eksiksizlik, uygunluk, tutarlılık, güvenilirlik ve güncellik gibi nitelikler dikkate alındığında belirli bir amaca uygunluk derecesidir.

Örnek: Bir ekip, tahmin modelini eğitmeden önce yinelenen ve yanlış etiketlenmiş siparişleri düzeltir.

Dataset

Veri kümesi, veri topluluğudur.

Örnek: Etiketlenmiş ürün fotoğraflarından oluşan bir klasör eğitim veri kümesi olur.

Data Governance

Veri yönetişimi, belirtilmiş bir yapay zekâ bağlamında kullanılan veriyi; toplama, köken, hazırlama, uygunluk, olası önyargı incelemesi ve yaşam döngüsü izlenebilirliği dâhil yönetmenin kurumsal uygulamasıdır.

Örnek: Bir şirket, müşteri verilerini kimlerin kullanabileceğini ve ne zaman silineceğini kaydeder.

Neural Network

Yapay sinir ağı, bağlantılı hesaplama birimleri ve doğrusal olmayan işlemlerden oluşan katmanlara sahip bir modeldir.

Örnek: Telefonun fotoğraf uygulaması, resimdeki köpeği tanımak için sinir ağı kullanır.

Artificial Superintelligence (ASI)

ASI, ilgili alanların hemen tamamında en ileri insan bilişsel yeteneklerini belirgin biçimde aşacak yapay zekâyı ifade eder.

Örnek: Varsayımsal bir ASI birçok alanda insan uzmanları aşardı; böyle bir sistem henüz gösterilmedi.

Artificial Intelligence

Yapay zekâ, değişen koşullarda öğrenebilen, problem çözebilen ve özerk biçimde hedeflere yönelebilen bilgisayarlı sistemler kurmaya yönelik geniş bir teknikler alanıdır.

Örnek: Bir banka, olağan dışı kart harcamalarını çalışanının incelemesi için yapay zekâyla işaretler.

Structured Output

Yapılandırılmış çıktı, şemayla yönetilen alanlar gibi belirli ve makinece okunabilir bir biçimde istenen model çıktısıdır.

Örnek: Bir fatura asistanı, tutar, para birimi ve son ödeme tarihini JSON olarak döndürür.

Governance

YZ yönetişimi, yapay zekâyı yaşam döngüsü boyunca yönlendirmek ve hesap verebilir kılmak için kullanılan yetki, roller, politikalar, süreçler, gözetim ve kanıtların kurumsal düzenidir.

Örnek: Bir şirket, müşteri hizmetleri botuna bir sorumlu ve inceleme süreci atar.

Organizational AI Adoption

Atıf yapılan OECD kamu sektörü kanıtında YZ’nin kurumsal benimsenmesi, yapay zekâ kullanımını yönetişim, iş gücü yetkinliği, kurumsal strateji ve işin nasıl örgütlendiğindeki değişimlerle bütünleştirir.

Örnek: Bir şirket, yazı asistanını yaygınlaştırmadan önce çalışanları eğitir ve veri kuralları belirler.