Yapay Zekâya İlk Adım: 2026'da Nereden Başlamalı?

Bir alanın "tam da doğru anında" içine girmek nadir bir şanstır. Türkiye için yapay zekâda o an şu an. 2026'nın ortasında ülke, önümüzdeki yılların en büyük teknoloji hamlesini başlattı ve bu hikâyenin içine girmek için ne bir doktoraya ne de bir servete ihtiyacınız var. İhtiyacınız olan tek şey doğru sırayla atılmış birkaç adım.

Bu yazı o adımların ilki. "Yapay zekâ" kelimesini duyduğunuzda kafanızda hâlâ soru işaretleri varsa, tam da doğru yerdesiniz. Amacımız size her şeyi öğretmek değil ki zaten bu imkânsız. Amacımız, kafanızdaki haritayı netleştirmek: alan neye benziyor, Türkiye bu işin neresinde ve siz yarın sabah nereden başlayabilirsiniz.

Bu yazı kimin için? Yazılımcı olmanıza gerek yok. Öğrenci, mühendis, tasarımcı, meraklı fark etmez. Sadece "bu iş neyle ilgili ve ben nasıl dahil olurum?" diye soran herkes için yazıldı.

Neden tam da şimdi?

Türkiye, 13 Haziran 2026'da İstanbul'da yeni ulusal yapay zekâ yol haritasını açıkladı. Rakamlar küçük değil: planın büyük kısmı özel sektörden gelmek üzere yaklaşık 10 milyar dolarlık bir yatırım hedefi ve buna öncülük edecek ~3 milyar dolarlık kamu kaynağı masada. Devletin açık hedefi, 2030'a kadar Türkiye'yi "küresel bir dijital güç" hâline getirmek.

Hedeflenen yatırım	Ulusal strateji sütunu	"Dijital güç" hedef yılı
~10 Mr $	5	2030

Yeni yol haritası beş sütun üzerine kurulu: insan kaynağı, yüksek performanslı hesaplama altyapısı, veri ekosistemleri, sektöre özel uygulamalar ve yönetişim. Bu listeye dikkatlice bakın, çünkü içinde sizin için gizli bir mesaj var: bu sütunların ilki para değil, insan. Türkiye'nin en çok ihtiyaç duyduğu şey pahalı çipler kadar, o çipleri anlamlı işlerde kullanabilecek eğitimli insanlar.

Buradan çıkan sonuç: Alana şimdi giren biri, "geç kaldım" diye düşünmesin. Tam tersine: altyapı yeni kuruluyor, topluluk yeni şekilleniyor. Erken gelenler, sonradan gelenlerin öğreneceği yolları açan kişiler olacak.

Önce kelimeleri çözelim: AI, ML, DL, LLM

Yapay zekâ dünyasına adım atan herkesin ilk takıldığı yer, birbirine karışan terimlerdir. İyi haber: aslında hepsi iç içe geçmiş kutular gibi düşünülebilir. Büyükten küçüğe doğru:

Yapay zekâ, makine öğrenmesi, derin öğrenme ve LLM iç içe kümeler — Her kutu bir öncekinin alt kümesidir. LLM'ler, derin öğrenmenin; derin öğrenme, makine öğrenmesinin; makine öğrenmesi ise yapay zekânın bir parçasıdır.

Yapay Zekâ (AI) en geniş şemsiye kavramdır: makinelerin insan zekâsının bir parçasını taklit etmesi fikri. Makine Öğrenmesi (ML), bu şemsiyenin altında, kurallar elle yazılmak yerine verilerden otomatik olarak öğrenilen kısımdır. Derin Öğrenme (DL), makine öğrenmesinin çok katmanlı yapay sinir ağları kullanan en güçlü dalıdır; görüntü tanıma, konuşma ve dil işleme gibi karmaşık işlerde öne çıkar. Büyük Dil Modelleri (LLM) ise derin öğrenmenin metin üzerine uzmanlaşmış uygulamasıdır. ChatGPT, Gemini ve Türkiye'nin kendi modeli Kumru bu kutunun içinde yaşar.

Aklınızda kalsın: Birisi "yapay zekâ" derken çoğu zaman aslında bir LLM'i, yani en içteki küçük kutuyu kastediyor. Ama alan bundan çok daha geniştir. Bu ayrımı bilmek, sizi daha ilk günden kalabalığın önüne geçirir.

2026'da yapay zekâ neye benziyor?

Son birkaç yılın büyük kırılması "üretken yapay zekâ" (generative AI) oldu. Yani sadece sınıflandıran veya tahmin eden değil; metin, görsel, kod ve ses üreten sistemler. Bugün bir LLM'e soru sorup insan gibi yanıt almak sıradanlaştı. Ama sıradanlaşan şeyin ardındaki mühendislik hâlâ derin ve öğrenmeye değer.

Burada, bu blogda tekrar tekrar döneceğimiz önemli bir gerçek var: büyük dil modelleri her işin doğru aracı değildir. Devasa bir modeli çağırmak çoğu zaman en pahalı, en yavaş ve en gereksiz yaklaşımdır. Belirli bir işi yapan, küçük ve uzmanlaşmış bir model çoğu zaman daha hızlı, daha ucuz ve daha isabetlidir. Bu, Türkiye gibi hesaplama gücünde ciddi şekilde yarışamayacak bir ülke için sadece teknik değil, stratejik bir fikirdir. (Bu konuyu ileride ayrı bir yazıda derinlemesine ele alacağız.)

Türkiye'de ekosistem: yalnız değilsiniz

Belki de en çok cesaret verici gerçek şu: Türkçe yapay zekâ artık bir hayal değil, olgunlaşan bir ekosistem. Adım atarken tutunabileceğiniz gerçek yapılar var.

Türkçe modeller

Ekim 2025'te Kumru, sıfırdan ve ağırlıklı olarak Türkçe için eğitilmiş bir dil modeli olarak açık kaynak yayımlandı. Modeli eğitmek için kullanılan yaklaşık 500 GB'lık Türkçe metin derlemi de paylaşıldı — mahkeme kararlarından tıp dergilerine, taranmış gazetelerden meclis tutanaklarına kadar. Bu, Türkçe için "kendi modelimiz olabilir" fikrinin somut bir kanıtı.

Türkçe ölçütler ve lleaderboard

Bir modelin gerçekten iyi olup olmadığını nasıl anlarız? Ölçütlerle (benchmark). İyi haber: Türkçe için artık ciddi bir ölçüt ailesi var — TR-MMLU, TurkishMMLU, TurkBench, Cetvel ve dahası. Kötü haber: hepsi dağınık. Her biri başka bir şeyi, farklı bir yerde, farklı bir yöntemle ölçüyor. Yeni gelen biri için "hangi model iyi?" sorusunun cevabı, onlarca ayrı sekmede kayboluyor.

lleaderboard tam da bu boşluk için var. Amacımız yeni bir ölçüt daha eklemek değil; bu dağınık ölçütleri tek bir yerde, herkesin okuyabileceği bir dille bir araya getirmek. Bir modelin farklı ölçütlerde nasıl durduğunu tek bakışta görebileceğiniz, şeffaf ve karşılaştırılabilir bir merkez olmak. Aşağıdaki ölçütler ham malzeme; onları anlamlı ve erişilebilir kılan katman ise lleaderboard'ın kendisi.

Ölçüt	Ne ölçer?
TurkishMMLU	Türkçe çoktan seçmeli, çok alanlı bilgi ve akıl yürütme
TR-MMLU	62 kategoride ~6.200 soru (hukuk, sağlık dâhil)
Cetvel	23 farklı görev — hem anlama hem üretme
TurkBench	Kültürel farkındalıklı, uzman doğrulamalı geniş ölçüt

Topluluk

Öğrenme yolculuğunu yalnız yürümek zorunda değilsiniz. Deep Learning Türkiye, ülkenin en büyük yapay zekâ topluluklarından biri ve yıllardır Türkçe makaleler, kurslar ve açık kaynak listeler derliyor. Türkçe toplulukların gücü sadece dil kolaylığı değil; aynı bağlamı paylaşan insanlarla birlikte öğrenmenin verdiği ivme.

Peki, pratikte nereden başlamalı?

Kaynak eksikliği değil, kaynak fazlalığı asıl sorundur. İnternet binlerce kurs, video ve makaleyle dolu. Değerli olan tek şey, doğru sırayla ilerlemek. İşte önerdiğimiz yol:

Sezgiyi oturt. Önce matematiğe boğulmayın. "Yapay zekâ nasıl öğreniyor?" sorusunun sezgisel cevabını edinin, kavramları hikâye düzeyinde anlayın. (Bu yazı o adımın bir parçası.)
Bir araç kullanmaya başla. ChatGPT, Gemini veya Kumru gibi bir modeli her gün kullanın. İyi soru sormayı (prompt yazmayı) öğrenmek, teoriyi öğrenmeden çok önce gelir ve bedavadır.
Temelleri bir kurstan al. Türkçe ya da Türkçe altyazılı ücretsiz kurslar mevcut. Makine öğrenmesinin temel mantığını uçtan uca bir kez görün.
Python'u kullanın. Alanın ortak dili Python. Uzman olmanıza gerek yok; veriyle oynayabilecek kadar temel yeterli.
Küçük bir proje yap. Öğrenme okumakla değil, yapmakla oturur. Küçük bir sınıflandırıcı ya da bir metin özetleyici fark etmez. Bitmiş küçük bir proje, yarım kalmış on kurstan değerlidir.
Topluluğa katıl. Sorularınızı sorun, başkalarının sorularını okuyun. Öğrenmeyi hızlandıran en güçlü şey, yalnız olmadığınızı fark etmektir.

Tek bir tavsiye seçmek zorunda olsaydık: "Önce her şeyi öğrenip sonra başlayacağım" tuzağına düşmeyin. Bugün küçük bir şey yapın — bir model deneyin, bir kavramı yazın, bir soru sorun. Alan kenardan izleyerek değil, içine girerek öğrenilir.

Başlangıç için Türkçe kaynaklar

Deep Learning Türkiye — Türkiye'nin en büyük YZ topluluğu; derlenmiş açık kaynak listeleri, Türkçe makaleler ve kurslar.
Türkçe altyazılı kurslar — deeplearning.ai gibi dünya standardındaki kursların Türkçe altyazılı sürümleri.
Hugging Face — Kumru dâhil açık modelleri, veri setlerini ve Türkçe leaderboard'ları keşfedebileceğiniz merkez.
lleaderboard — Türkçe modeller, veri setleri ve rehber içeriklerin bir araya geldiği yer. Tam da okuduğunuz blog.

Bundan sonra ne var?

Bu yazı bir kapıydı; arkasında koca bir yol var. Kavramları oturttuysanız, sıradaki doğal adımlar şunlar: bir aracı ne zaman kullanacağınızı bilmek, Türkçe modellerin nereye geldiğini görmek ve nihayetinde kendi modelinizi eğitmek. lleaderboard'da bu yolu adım adım birlikte yürüyeceğiz.

Türkiye'nin bu alandaki en büyük ihtiyacı pahalı donanım kadar, o donanımı anlamlı kılacak eğitimli insanlar. Bu yazıyı sonuna kadar okuduysanız o insanlardan biri olma yolundasınız. Hoş geldiniz.