Günlük
Türkçe yapay zekâ ekosistemi üzerine notlar, model incelemeleri ve veri kümesi analizleri.
Yapay Zeka ve Hukuk: Türkiye'de KVKK, Sorumluluk ve AI Act Etkisi
Yapay zekâ oyuncak olmaktan çıkıp altyapıya dönüşürken, hukuk da peşinden koşuyor. Türkiye'de özel bir yapay zekâ yasası henüz yok, ama bu kuralsızlık anlamına gelmiyor. İşte bilmeniz gerekenler.
Embeddings ve Vektör Veritabanları: Anlamı Aramak
Bir bilgisayar, "araç kiralama" ile "otomobil kira bedeli"nin aynı şey olduğunu nasıl anlar? Kelimeler farklı, anlam aynı.
Prompt'tan Bağlama: İyi Soru Sorma Sanatı
Aynı modele aynı işi iki farklı şekilde sorun, iki bambaşka cevap alırsınız. Fark modelde değil, soruda. Kod bilmeden, bugün öğrenebileceğiniz en yüksek getirili beceri: yapay zekâyla doğru konuşmak.
Kendi Bilgisayarında Model Çalıştırmak: Ollama ile Yerel LLM
Yapay zekânın başkasının bulutunda yaşaması şart değil. Bugün, kendi bilgisayarınızda, internet gerektirmeden yapay zeka modelleri çalıştırabilirsiniz.
Yapay Zeka Ajanları: Modelden Asistana
Bir model konuşur; bir ajan iş yapar. 2026'nın başlıca trendi sadece cevap veren modellerden, plan yapan, araç kullanan ve harekete geçen sistemlere geçişti. Peki bu güç nereden geliyor ve neden bu kadar dikkat gerektiriyor?
RAG Nedir? Modele Hafıza ve Kaynak Vermek
Dil modellerinin en büyük zaafı, bilmediği şeyi kendinden emin uydurmasıydı. RAG, bu soruna bulunan en pratik çözüm: modele bir "açık kitap" verip cevabı hafızasından değil, gerçek belgelerden bulmasını sağlıyor.
Kendi Türkçe Modelini Eğitmek: LoRA ile İnce Ayara Giriş
Kavramları öğrendik, sahayı tanıdık, tartıştık. Şimdi sıra en güzel adımda: okumayı bırakıp üretmeye başlamak fakat henüz sıfırdan başlamıyoruz.
Yapay Zekâ Ne Kadar Enerji Harcıyor? Türkiye'nin Veri Merkezi İkilemi
Yapay zekâ masrafsız gibi görünür. Oysa her cevabın arkasında dönen büyük masraflar var: elektrik ve su. İşte yapay zekânın fiziksel bedeli ve Türkiye'nin çözmesi gereken denklem.
Transformer'dan GPT'ye: Model Mimarileri Nasıl Çalışır?
Bir dil modelinin içinde tam olarak ne dönüyor? Neden bazı modeller anlar, bazıları üretir?
Büyük Model mi, Küçük Model mi? Türkiye İçin Doğru Ölçek
"Ne kadar büyükse o kadar iyi", yapay zekânın en yaygın yanılgısı. Oysa çoğu iş için küçük, uzman bir model devasa bir modelden daha hızlı, daha ucuz ve daha başarılıdır. Ve bu, özellikle Türkiye için stratejik bir meseledir.
Türkçe Veri Seti Sorunu: Neden Yeterli Veri Yok ve Ne Yapabiliriz?
Yapay zekânın yakıtı veridir. Ama Türkçe için bu yakıt hem az hem de çoğu zaman kirli.
Bir Modelin "İyi" Olduğunu Nasıl Anlarız?
"Bu model çok iyi" cümlesi tek başına hiçbir şey ifade etmez. Neyde iyi? Kime göre? Nasıl ölçüldü? İşte modelleri ölçmenin mantığı, Türkçe benchmark'lar ve bu sayıların gizli tuzakları.
Kumru'dan Bugüne: Türkçe Dil Modelleri Nereye Geldi?
Ekim 2025'te Kumru, "sıfırdan Türkçe için eğitilmiş model" başlığıyla gündeme oturdu. Ama Türkçe dil modellerinin hikâyesi çok daha eski. İşte 2020'den bugüne kısa bir tur.
Türkiye'nin Yapay Zekâ Yol Haritası: 2030'a Kadar Ne Planlanıyor?
10 milyar dolar, 1 gigawatt veri merkezi, 5 milyon eğitimli vatandaş. Haziran 2026'da açıklanan Yapay Zekâ Eylem Planı'nın içinde tam olarak ne var ve bu rakamlar sizin için ne anlama geliyor?
LLM Ne Zaman Kullanılır, Ne Zaman Kullanılmaz?
Büyük dil modelleri etkileyici olsa da her iş için doğru araç değildir. İşte ne zaman "evet", ne zaman "kesinlikle hayır" demeniz gerektiğinin pratik rehberi.
Yapay Zekâya İlk Adım: 2026'da Nereden Başlamalı?
Türkiye yapay zekâya milyarlarca dolar yatırıyor. Peki bu alana adım atmak isteyen biri tam olarak nereden, nasıl başlamalı? Kavramdan pratiğe, sıfırdan bir yol haritası.