Orijinal Başlık: "AI Slang Sözlüğü (Mart 2026 Sürümü), Saklanması Önerilir"

Orijinal Yazar: Golem, Odaily Planet Daily

Şimdi, kripto topluluğu insanları, AI'ı takip etmezse alay konusu olmaktan kaçamaz (evet, dostum, neden buraya tıkladığını bir düşün).

AI hakkında temel bir fikriniz yok mu, her cümledeki kısaltmayı sormak zorunda mısınız? AI etkinliklerinde çeşitli özel terimlere karşı tamamen şaşkın mısınız ve bağlantının kopmadığını taklit etmek zorunda mısınız?

Kısa sürede AI sektörüne adım atmak pek gerçekçi olmasa da, AI sektöründeki yaygın temel terimlerin bilinmesi asla zarar vermez. Şanslısın, bu makale bundan sonra için hazırlandı↓ Sıcak tavsiyem, bu makaleyi iyi okuman ve saklaman.

Temel Terimler (12)

· LLM (Large Language Model)

LLM'ın özü, büyük miktarda veriyle eğitilmiş, dili anlama ve oluşturma konusunda uzman derin öğrenme modelidir; metinleri işleyebilir ve artık diğer türdeki içerikleri de ele almaktadır.

Bunun karşısında, SLM (Small Language Model) vardır—genellikle maliyeti düşük, dağıtımı hafif, yerelleştirilmesi daha uygun olan bir dil modeli.

· AI Agent (AI Ajansı)

AI Agent, sadece "sohbet edebilen bir model" demek değildir; hedefi anlayabilen, araçları çağırabilen, görevleri adımlara ayırabilen, gerektiğinde planlama ve doğrulama yapabilen bir sistemdir. Google, ajansı, çoklu girişe dayalı çıkarımlar yapabilen ve kullanıcı adına eylemler gerçekleştirebilen bir yazılım olarak tanımlamaktadır.

· Multimodal (Çoklu Modlu)

AI modeli sadece metinleri okumakla kalmaz, aynı zamanda metin, resim, ses, video gibi farklı giriş ve çıkış biçimlerini işleyebilir. Google açıkça çoklu modu, farklı türde içerikleri işleme ve oluşturma yeteneği olarak tanımlamaktadır.

· Prompt (İpucu)

Kullanıcıların modele verdiği talimattır, en temel insan-makine etkileşim biçimidir.

· Generative AI (Oluşturucu AI / AOYD)

Generative AI, AI'ın sadece sınıflandırma veya tahminleme değil, aynı zamanda "oluşturma" üzerine vurgu yapıldığı bir yaklaşımdır; generatif modeller, ipuçlarına dayalı olarak metin, kod, görüntü, emoji, video gibi içerikler oluşturabilir.

· Token (Jeton)

Bu, AI alanında "Gas Birimi"ne en çok benzeyen kavramlardan biridir. Model içeriği "kelime sayısı"na göre değil, jetonları işleme konusunda, ücretlendirme, bağlam uzunluğu, tepki süresi genellikle jetonlarla güçlü bir şekilde ilgilidir.

· Context Window (Bağlam Penceresi / Bağlam Uzunluğu)

Modelin aynı anda "görebildiği" ve kullandığı jetonların toplam miktarı, aynı zamanda bir seferde işleme alındığında modelin düşünebileceği veya "hatırlayabileceği" jeton miktarı olarak da adlandırılabilir.

· Memory (Bellek)

Modelin veya Aracının kullanıcı tercihlerini, görev bağlamını, geçmiş durumu saklamasına olanak tanır.

· Training (Eğitim)

Modelin veriden parametre öğrenme süreci.

· Inference (Çıkarsama)

Eğitime karşıt olarak, modelin çevrimiçi hale geldikten sonra girdiyi alıp çıktı üretme sürecini ifade eder. Endüstride sıkça "Eğitim pahalıdır, çıkarsama daha maliyetlidir" denir, çünkü gerçek işletme aşamasındaki birçok maliyet çıkarsama aşamasında meydana gelir. İlgili eğitim/çıkarsama ayrımı, önde gelen şirketlerin dağıtım maliyetlerini tartışırken temel bir çerçevedir.

· Tool Use / Tool Calling (Araç Çağrısı)

Anlamı, modelin sadece metin üretmekle kalmayıp aynı zamanda arama, kod çalıştırma, veritabanı, harici API gibi araçları çağırabilme yeteneğine sahip olmasıdır, bu artık bir Aracın temel yeteneklerinden biri olarak kabul edilir.

· API (Uygulama Programlama Arayüzü)

Üçüncü taraf hizmetlere AI ürünleri, uygulamalar, Araçlar tarafından erişim sağlama altyapısı.

İleri Düzey Terimler (18)

· transformer (Dönüştürücü Mimarisi)

AI'nın bağlam ilişkilerini daha iyi anlamasını sağlayan bir model mimarisi, aynı zamanda bugünün çoğu büyük dil modelinin teknik altyapısıdır, en büyük özelliği her kelimenin ve diğer kelimelerin ilişkisini aynı anda bir metin parçasında görebilmesidir.

· Attention (Dikkat Mekanizması)

Bu, Transformer'ın en kritik çekirdek mekanizmasıdır, işlevi, modelin bir cümleyi okurken otomatik olarak "hangi kelimelerin en çok dikkat edilmesi gerektiğini" belirlemesidir.

· Ajansal / Ajansal İş Akışı

Bu son zamanlarda popüler hale gelen bir terimdir ve bir sistemin artık sadece "soru-cevap" olmadığı, görevleri belli bir otonomiyle çözme, bir sonraki adımı belirleme, dış kaynaklara erişme yeteneğine sahip olduğu anlamına gelir. Birçok şirket, bu durumu "Chatbot'tan yürütülebilir bir sisteme geçiş" olarak görmektedir.

· Alt Ajanslar

Bir Ajansın, alt görevleri işlemek üzere birden fazla uzman alt Ajans'a bölündüğü durum.

· Yetenekler

OpenClaw'un popüler hale gelmesiyle bu terim belirgin bir şekilde yaygınlaşmıştır. Bu terim, AI Ajansları için yüklenebilir, yeniden kullanılabilir ve birleştirilebilir yetenek birimlerini/instruction'ları ifade eder, ancak aynı zamanda araçların kötüye kullanımı ve veri maruziyeti riskine de dikkat çeker.

· Hallüsinasyon

Bu terim, bir modelin ciddi bir şekilde saçmaladığı, "var olmayan desenleri algılayarak" yanlış veya absürt çıktılar ürettiği anlamına gelir, bu da modelin mantıklı görünen ancak gerçekte hatalı olan aşırı özgüvenli çıktıları üretmesidir.

· Gecikme Süresi

Bir modelin bir isteği alıp çıktıyı üretmek için harcadığı zaman, en yaygın mühendislik jargonlarından biri olan bu terim, uygulamaya geçirme ve ürünleştirme sürecinde sık sık karşımıza çıkar.

· Koruma Korkuluklar

Modelin/Ajans'ın ne yapabileceğini, ne zaman duracağını, hangi içeriği çıkaramayacağını sınırlamak için kullanılır.

· Vibe Kodlama

Bu terim, şu anda en popüler AI jargonlarından biridir, kullanıcının doğrudan iletişim yoluyla ihtiyaçlarını ifade ettiği ve AI'ın kod yazdığı, kullanıcının kod yazmayı bilmek zorunda olmadığı anlamına gelir.

· Parametreler

Modelin içindeki yetenek ve bilgiyi saklamak için kullanılan sayısal ölçek, genellikle model boyutunu kaba bir şekilde ölçmek için kullanılır, "milyar parametre", "trilyon parametre" gibi ifadeler AI çevresinde en yaygın korkuluklardır.

· Akıl Yürütme Modeli

Genellikle çok adımlı akıl yürütme, planlama, doğrulama, karmaşık görev yürütme konusunda daha iyi olan bir modeli ifade eder.

· MCP (Model Context Protocol)

Bu, son bir yılda çok popüler hale gelen yeni bir argo terimdir, görevi model ve harici araç/veri kaynağı arasında genel bir arayüz oluşturmaktır.

· Fine-tuning / Tuning (İnce Ayar)

Temel model üzerinde devam eden eğitimdir, onu belirli bir göreve, stile veya alana daha uygun hale getirir. Google Terim Listesi, ayar ve ince ayarı ilgili kavramlar olarak doğrudan belirtir.

· Distillation (Damıtma)

Büyük modelin yeteneklerini küçük modele en iyi şekilde aktarma işlemidir, sanki "öğretmen" "öğrenci"yi öğretiyormuş gibi.

· RAG (Retrieval-Augmented Generation)

Bu neredeyse kurumsal AI'nın temel konfigürasyonu haline geldi. Microsoft bunu "arama + LLM" modeli olarak tanımlar, yanıtı zemine yerleştirmek için dış verileri kullanarak, model eğitim verilerinin geçerliliğinin zamanla azalması ve özel bilgi tabanını anlamama sorununu çözer. Amaç, yanıtların gerçek belgelere ve özel bilgiye dayandırılmasını sağlamak ve yanıtın yalnızca modelin kendi hatırlamasına dayanmasını önlemektir.

· Grounding (Gerçekçilik Ayarı)

Çoğunlukla RAG ile birlikte görülür, modelin yanıtlarının belgeler, veritabanları, web sayfaları vb. gibi dış kaynaklara dayandırılmasını sağlar; parametrelerin hatırlamasına değil, "serbest bırakılma"ya dayanmasına güvenir. Microsoft, RAG belgesinde grounding'i temel bir değer olarak belirtmiştir.

· Embedding (Gömme / Anlamsal Gömme)

Metin, resim, ses vb. içeriği yüksek boyutlu sayısal vektörlere kodlama işlemidir, böylece anlamsal benzerlik hesaplamaları yapılabilir.

· Benchmark (Referans Testi)

Model yeteneklerini test etmek için kullanılan bir dizi ortak standart, aynı zamanda her firmanın "kendilerini kanıtlamak için güçlü olduklarını" göstermek için kullandığı sıralama listelerinin sevdiği bir dil.

Orijinal Makale Bağlantısı

BlockBeats Resmi Topluluğuna Katılın:

Telegram Abonelik Grubu: https://t.me/theblockbeats

Telegram Sohbet Grubu: https://t.me/BlockBeats_App

Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia