Yapay Zeka
Alanın tamamını kapsayan hiyerarşik bir külliyat — temellerden üretim mühendisliğine, günlük kullanımdan yönetişime.
- Yazılmış
- 53 yazı
- Haritalanmış
- 855 düğüm
- Ana dal
- 11
1 Temeller ve Kavramsal Çerçeve 95 düğüm
95 düğüm haritalandı, henüz yazı yok.
2 Matematiksel ve Teorik Altyapı 71 düğüm
71 düğüm haritalandı, henüz yazı yok.
3 Öğrenme Paradigmaları ve Klasik Makine Öğrenmesi 73 düğüm
73 düğüm haritalandı, henüz yazı yok.
4 Derin Öğrenme ve Sinir Ağı Mimarileri 90 düğüm
90 düğüm haritalandı, henüz yazı yok.
5 Üretken Yapay Zeka, Büyük Dil Modelleri ve Ajanlar 21 yazı · 123 düğüm
5.3 Bilgi Getirimli Üretim ve Bellek 4 / 22
5.3.1.1 RAG Nedir ve Hangi Problemi Çözer? Model şirketinizin belgelerini bilmez, prompta yapıştırmak da bir yere kadar gider. RAG bu sınırı nasıl aşar, nerede işe yarar, nerede sessizce kırılır. 5.3.1.2 Belge Parçalama (Chunking) Stratejileri Parça boyu yanlış kurulmuş bir sorudur. Belgenin kendi sınırlarını bulun, sonra iki şeyi ölçün: cevap kaç birime yayılıyor, birim yalnız okununca doğru mu? 5.3.1.3 Gömme Modeli Seçimi ve Vektör Veritabanları Gömme modeliyle vektör deposu kardeş görünür ama değildir: biri geri alınamaz bir kilitlenme, öbürü bir taşıma işi. Aradaki farkı ölçen basit bir hesap var. 5.3.1.4 Benzerlik Araması: Neden Bazen Alakasız Sonuç Gelir? Benzerlik araması her zaman sonuç döndürür, hiçbir zaman yok demez. Alakasız sonucun hangi katmandan geldiğini üç testle ayırın, sonra sessizliği duyulur yapın.
5.4 Model Uyarlama 4 / 12
5.4.2.1 Prompt mu, RAG mi, İnce Ayar mı? Ölçülebilir Bir Karar Ağacı Prompt, getirim ve ince ayar arasındaki seçim konuya değil hatalara bakılarak verilir. Yirmi başarısız çıktıyı üç kutuya ayırın; sıra kendiliğinden çıkar. 5.4.2.2 İnce Ayarın Gizli Maliyetleri: Fatura Neden Tek Seferlik Değil? İnce ayarın faturası eğitim koşusu değil. Görünmeyen beş kalem, tarihini sizin belirlemediğiniz dört yenileme olayı ve karşılayıp karşılayamadığınızın tek testi. 5.4.2.3 İnce Ayar Modelin Genel Yeteneklerine Ne Yapar? İnce ayar hedef görevi iyileştirirken dışındaki davranışı sessizce kaydırır. Dört belirti, kendi setinizin neden göremediği, taban ölçümünün neden ertelenemeyeceği. 5.4.2.4 Alan Uzmanı Model mi, Genel Model mi? Alan modeli ile genel model karşılaştırması genellikle yanlış eksende yapılıyor. Nesil eşleştirme, kapsam örtüşmesi sayımı ve alan modelinin asıl kazandığı yer.
5.6 Çok Modlu Üretken Sistemler 13 / 17
5.6.1.1 Yapay Zeka Görseli Nasıl Üretiyor? Cümleden Resme Giden Yol Yazdığınız cümle nasıl görsele dönüşüyor? Aynı promptun neden farklı sonuç verdiği, ellerin neden bozuk çıktığı ve görseldeki yazının neden okunmadığı — mekanizmasıyla. 5.6.1.2 Fotoğraf Promptları: Görsel Üretiminde Yedi Katman Görsel promptu metin promptu gibi yazınca neden tutmuyor? Yedi katmanlı yapı, doldurulmuş örnekler ve karakterin görselden görsele aynı kalması için yöntem. 5.6.1.3 Yapay Zeka Fotoğraf Düzenleme ve İç Boyama: Var Olan Bir Görseli Değiştirmek Yapay zeka fotoğraf düzenleme tek bir işlem değil: iç boyama, dış boyama, silme. Hangi kusur için hangisi, maske neden işin yarısı, ne zaman vazgeçmeli. 5.6.1.4 ControlNet: Görsele Kompozisyonu Prompt'la Değil Çizimle Anlatmak Kompozisyonu kelimeyle tarif etmek zor. Yapısal yönlendirme, modele istediğiniz düzeni bir kenar çizimi, poz iskeleti ya da derinlik haritasıyla gösteriyor. 5.6.1.5 Yapay Zeka Görsellerinde Tekrar Eden Hatalar — ve Hangisi Düzelir Altı parmak, okunmayan yazı, plastik yüz. Bu hataların hangisi prompt'la düzelir, hangisi modelin sınırıdır, hangisi düzenleme aşamasına aittir — üç sınıflı bir tanı tablosu. 5.6.2.1 Metinden Videoya Modeller Nasıl Çalışır? Zamanın Eklediği Fark Video üretimi neden görselden kat kat pahalı, klipler neden bu kadar kısa ve neden bir fotoğraftan başlamak daha kontrollü? Mekanizmasıyla, ürün adı vermeden. 5.6.2.2 Yapay Zeka Videolarında Karakter Neden Değişiyor? Zamansal Tutarlılık Videonun ilk karesi kusursuz, üçüncü saniyede yüz kayıyor. Kareler arası tutarlılığın neden zor bir problem olduğu ve bozulmanın hangi sırayla ilerlediği. 5.6.2.3 Ücretsiz Yapay Zeka ile Video Oluşturma: Bugün Gerçekten Ne Alıyorsunuz? Ücretsiz katmanda süre, çözünürlük, filigran, kuyruk ve ticari kullanım sınırları var. Hangi işler bugün ücretsizle yapılabiliyor, hangileri yapılamıyor — ürün sıralaması olmadan. 5.6.2.4 Yapay Zeka ile Video Oluşturma: Prompt'tan Çıktıya İş Akışı Yapay zeka ile video üretmek tek bir prompt işi değil. Görselden mi başlamalı, hareketi nasıl tarif etmeli, kaç deneme gerekir — baştan sona çalışan bir iş akışı. 5.6.3.1 Metin Seslendirme: Yapay Zeka Sesi Neden Artık Robot Gibi Değil? Eski seslendirme kesik kesikti, yenisi akıyor. Aradaki fark nereden geliyor, hangi işler için yeterli ve Türkçe'de nerede tökezliyor. 5.6.3.2 Ses Klonlama Nedir? Nasıl Çalışır, Rıza Nerede Başlar Birkaç saniyelik kayıttan bir sesin kopyası nasıl çıkıyor? Klonlamanın mekanizması, ne kadar ses yettiği, meşru kullanımları ve rızanın nerede başladığı. 5.6.3.3 Yapay Zeka ile Müzik Üretmek: Kim Sahip, Kim Alacaklı? Müzik üretimi teknik olarak çözüldü, hukuken çözülmedi. Üretilen parçanın sahibi kim, eğitim verisindeki müzisyenin hakkı ne — tarafların iddiaları ve bugünkü belirsizlik. 5.6.3.4 Konuşmadan Metne: Otomatik Altyazı ve Çeviri Nerede Tutuyor, Nerede Tutmuyor? Sesi metne çevirmek çözülmüş görünüyor ama kayıt koşulu her şeyi değiştiriyor. Gürültü, aksan, konuşmacı sayısı ve Türkçe'ye özgü zorluklar.
Bu dalda 4 alt dal daha haritalandı, henüz yazı yok: 5.1 Büyük Dil Modelleri: Temeller · 5.2 Akıl Yürütme · 5.5 Yapay Zeka Ajanları · 5.7 Model Değerlendirme
6 Uygulama Alanları ve Modaliteler 78 düğüm
78 düğüm haritalandı, henüz yazı yok.
7 Veri, Altyapı ve Üretim Mühendisliği 73 düğüm
73 düğüm haritalandı, henüz yazı yok.
8 Yapay Zeka ile Çalışmak — Pratisyen Katmanı 32 yazı · 66 düğüm
8.1 Prompt Mühendisliği 21 / 21
8.1.1.1 İyi Prompt Ne Kadar Fark Yaratır? Ve Ne Zaman Uğraşmaya Değmez Prompt üzerine harcanan zaman ne kazandırıyor? Farkın nerede büyüdüğü, nerede kaybolduğu ve uğraşmanın değmediği durumlar için bir karar çerçevesi. 8.1.1.2 Bir Promptun Dört Bileşeni: Bağlam, Talimat, Örnek, Format Her prompt dört tür bilgi taşır. Hangisinin ne zaman gerektiği, hangi sırayla yazılacağı ve eksik bırakıldığında ne olduğu. 8.1.1.3 Belirsizlik: Promptunuzda Söylemediğiniz Her Şey Bir Karardır Bir promptta eksik bıraktığınız şeyi model boş bırakmaz — ortalamayı seçer. Yedi belirsizlik türü, modelin varsayılanları ve kendi promptunuzdaki boşlukları bulma yöntemi. 8.1.1.4 "Sen Bir Uzmansın" Demek İşe Yarıyor mu? Rol atama prompt tavsiyelerinin en yaygını. Kanıt durumu, tonu değiştirip doğruluğu değiştirmemesinin sebebi ve yerine kullanılabilecek daha güvenilir yöntem. 8.1.1.5 Prompt Ne Kadar Uzun Olmalı? Ayrıntının Ters Tepmeye Başladığı Nokta Daha çok ayrıntı her zaman daha iyi değil. Uzun promptun üç maliyeti, talimatların ıskalanmaya başladığı eşik ve neyi kesip neyi tutacağınız. 8.1.1.6 Prompt Ne Demek? Kelimenin Anlamı ve Yapay Zekadaki Karşılığı Prompt kelimesi sözlükte ne demek, yapay zekada ne anlama geliyor? İkisi arasındaki bağ, modelin prompt'u nasıl işlediği ve neden aynı soruya farklı cevaplar verdiği. 8.1.1.7 Prompt Mühendisliği Ne Demek? Terimin Kapsamı ve Sınırı Prompt mühendisliği tek tek cümle yazmak değil. Terimin gerçekte neyi kapsadığı, neyi kapsamadığı, gerçekten mühendislik olup olmadığı ve nereden başlanacağı. 8.1.2.1 Sıfır, Tek ve Az Örnekle İstem: Modele Örnek Vermek Ne Yapıyor? Promptta örnek vermek modeli eğitmiyor — bir örüntü kuruyor. Sıfır, tek ve az örnekli istemler arasındaki fark, kaç örnek gerektiği ve ne zaman gereksiz olduğu. 8.1.2.2 Düşünce Zinciri: "Adım Adım Düşün" Demek Hâlâ Gerekli mi? Modele adım adım düşündürmek neden işe yarıyordu ve akıl yürütme modelleri bunu neden büyük ölçüde gereksizleştirdi? Hâlâ işe yaradığı yerler ve maliyeti. 8.1.2.3 Örnek Seçimi: Verdiğiniz Örnek Farkında Olmadığınız Kuralı Öğretir Promptta gösterdiğiniz örnekler yalnızca istediğiniz kuralı değil, taşıdıkları her ortak özelliği öğretir. Örnek seçmenin dört kuralı ve gizli sinyaller. 8.1.2.4 Çıktı Formatını Zorlamak: Talimat Yeter mi, Şema mı Gerekir? "JSON döndür" demek çoğu zaman işe yarar — ama çoğu zaman yeterli değil. Format belirtmenin dört seviyesi ve hangi durumda hangisinin gerektiği. 8.1.2.5 Prompt Zincirleme: Tek İstekte Yapılamayan İşi Bölmek Beş şey isteyip üçünü iyi almak neden kaçınılmaz? İşi bölmenin doğru yerleri, adımlar arasında bilgi taşıma, zincirin nerede kırıldığı ve maliyeti. 8.1.2.6 Olumsuz Talimatlar: "Bunu Yapma" Demek Neden Yetmiyor? Modele ne yapmamasını söylemek neden zayıf kalıyor? Mekanizması, kuralın abartıldığı yerler, gerçekten kritik olduğu durumlar ve olumsuzu olumluya çevirme tablosu. 8.1.2.7 ChatGPT Prompt Örnekleri: Hazır Prompt Yerine 6 Kalıp Kopyaladığınız prompt neden sizde çalışmıyor? Hazır prompt yerine kalıp öğrenin: altı yeniden kullanılabilir iskelet, doldurulmuş örnekler ve sınırları. 8.1.3.1 Prompt Yinelemesi: Beğenmediğiniz Çıktıdan Düzeltmeye Giden Yol Beğenmediğiniz çıktıyı "biraz daha kısa yaz" diyerek düzeltmek yerine promptu düzeltmek. Dört adımlı döngü, kayıt tutma ve ne zaman durulacağı. 8.1.3.2 Prompt Sürümleme: Çalışan Promptu Kaybetmemek Beğendiğiniz promptu nereye kaydedeceksiniz, ne zaman sürüm açacaksınız, kütüphane büyüdüğünde ne yapacaksınız? Kişiden ekibe ölçeklenen bir yöntem. 8.1.3.3 Promptları Test Etme: "Bana İyi Göründü"yü Bırakmak Bir promptun gerçekten iyileştiğini gözle anlayamazsınız. Değerlendirme seti kurma, puanlama ölçütü yazma ve iki promptu adil karşılaştırma yöntemi. 8.1.3.4 Model Güncellenince Promptlar Neden Bozulur? Çalışan bir prompt model güncellemesiyle sessizce eriyor. Neyin değiştiği, bozulmanın neden fark edilmediği ve taşınabilir prompt yazmanın kuralları. 8.1.4.1 Prompt Mühendisi Bir Meslek mi, Geçici Bir Beceri mi? Prompt mühendisliği bir kariyer mi yoksa herkesin öğreneceği bir beceri mi? İki görüşün argümanları, iş ilanlarının gerçekte ne aradığı ve karar için bir çerçeve. 8.1.4.2 Promptla Çözülemeyen Problemler: Yedi Belirti ve Doğru Çözümleri Promptu ne kadar iyileştirseniz de düzelmeyen sorunlar var. Yedi belirti, her birinin gerçek nedeni ve prompt yerine kullanılması gereken çözüm. 8.1.4.3 Prompt Mitleri: Bahşiş Vaadi, Tehdit ve Diğer Kanıtsız Taktikler Modele bahşiş vaat etmek, aciliyet yaratmak, sihirli cümleler eklemek — internette dolaşan taktiklerin kanıt durumu ve bir iddiayı kendiniz nasıl test edersiniz.
8.2 Meslek Bazlı Kullanım 1 / 27
8.3 Kişisel İş Akışı Tasarımı 10 / 10
8.3.1.1 Hangi İşi Yapay Zekaya Devretmeli, Hangisini Asla? Model bir işi yapabiliyor olması onu devretmeniz gerektiği anlamına gelmiyor. Kararın üç ekseni, 'asla' listesinin neden kısa olduğu ve imza testi. 8.3.1.2 İnsan–Yapay Zeka İş Bölümü: Bir İşi Nereden Bölmeli? Devretme kararı verildikten sonraki asıl iş: işi nereden böleceğiniz. Beş adımlı iskelet, 'son söz kimde' ilkesi ve kötü bölmenin işaretleri. 8.3.1.3 Tekrarlayan İşleri Otomatikleştirme: Neyi, Ne Zaman, Ne Kadar? Otomatikleştirilen şey iş değil karardır. Tekrar eden işle tekrar eden kararın farkı, üç kez kuralının itirazı ve yapay zekalı otomasyonun sessiz bozulma riski. 8.3.1.4 Kişisel Bilgi Tabanı: Modelin Bilmediği Tek Şey Sizin Kararlarınız Model dünyayı biliyor, sizi bilmiyor. Neyi yazmaya değer olduğu, üçüncü kez kuralı, dört dosyalık basit bir yapı ve bilgi tabanının çürüme hızı. 8.3.2.1 Doğrulama Maliyeti Üretim Tasarrufunu Aşarsa: Kazanç Nerede Kayboluyor? Yapay zeka üretimi hızlandırıyor ama kontrolü hızlandırmıyor. Tasarrufun nerede eridiği, hangi işlerde doğrulamanın ucuz olduğu ve kontrolü ucuzlatmanın yolu. 8.3.2.2 Yapay Zeka Çıktısında Sistematik Hata Kalıplarını Tanıma Aynı model aynı iş türünde aynı hataları yapıyor. Kalıpları görmenin yolu hafıza değil kayıt; hata günlüğü, kalıpların üç kaynağı ve tesadüfü kalıp sanma tuzağı. 8.3.2.3 Otomasyon Yanlılığı: Makineye Fazla Güvenmek Sistem ne kadar güvenilirse kontrol o kadar gevşiyor — ve kalan hatalar o kadar tehlikeli hâle geliyor. İki hata türü, sorumluluğun dağılması ve üç ucuz karşı önlem. 8.3.3.1 Yapay Zeka Kullanmak Hangi Becerileri Köreltiyor? Her beceri aynı hızda körelmiyor. Hangilerinin gerçekten risk altında olduğu, 'artık yapmıyorum' ile 'artık yapamıyorum' arasındaki fark ve neden fark etmesi bu kadar geç oluyor. 8.3.3.2 Bilişsel Yükü Dışarı Vermek: Neyi Devrediyoruz, Bedeli Ne? Defter ve takvim de bilişsel yük devrediyordu. Yeni olan, depolamanın değil muhakemenin devredilmesi — ve bu ikisinin doğrulanma biçimi taban tabana farklı. 8.3.3.3 Uzmanlığı Koruyarak Yapay Zeka Kullanmak Her beceriyi koruyamazsınız, korumaya da gerek yok. Taşıyıcı olanı seçmek, 'önce kendin yaz' alışkanlığı, araçsız tur ve korumanın dürüstçe söylenmiş bedeli.
Bu dalda 1 alt dal daha haritalandı, henüz yazı yok: 8.4 Araç Ekosistemi
9 Ürün, İş ve Ekonomi 61 düğüm
61 düğüm haritalandı, henüz yazı yok.
10 Güvenlik, Hizalama, Etik ve Yönetişim 84 düğüm
84 düğüm haritalandı, henüz yazı yok.
11 Araştırma Sınırları ve Gelecek 41 düğüm
41 düğüm haritalandı, henüz yazı yok.