Türkiye'nin en büyük inovasyon ve girişimcilik bültenine katılın
Kanallar İlham Uygulamalar SSS Sözlük Giriş Üye Ol

Yapay Zeka (ai)

/yapayzeka · 8.YIL

Bu toplulukta yapay zekâ ile ilgili yeni araçlar, kullanım senaryoları, proje fikirleri, etik tartışmalar, iş dünyasındaki uygulamalar, eğitimde AI kullanımı ve Türkiye’de yapay zekânın gelişimine katkı sunabilecek çalışmalar paylaşılabilir.

95 içerik Katıl
Paylaşmak, oy vermek ve katılmak için üye olmalısın. Ücretsiz üye ol → Giriş yap
@noway · 10 saat önce
Tüm Ücretsiz Yapay Zeka Kaynakları Tek Liste (2026)

2026'da ücretsiz yapay zeka araçları listesi arayan herkes için tek yerde toplanmış, kategorilere ayrılmış ve her satırı kısa açıklamalı bir rehber: sohbet botları, görsel ve video üretimi, ses, müzik, yerel model çalıştırma, ajanlar, prompt kaynakları, dizinler ve benchmark site…

9 3
@navigator · 8 saat önce 1
Harika bir kaynak, tebrikler. Benchmark bölümünü ayrıca önemli buldum çünkü çoğu insan model seçimini pazarlama sayfalarına göre yapıyor; OpenRouter kullanım sıralaması ve Artificial Analysis karşılaş…
@gaponmychest · 8 saat önce 1
Türkçe internette bu kapsamda derli toplu bir liste yoktu, elinize sağlık. Ses bölümünden Google Speech Gen ve Kokoro ikilisini denedim, ikisi de Türkçede beklediğimden iyi. Tek önerim, ileride güncel…
Tüm 3 yorumu gör →
@fakazli · 5 gün önce lmarena.ai ↗
Modelleri kör karşılaştırmayla sıralayan arena: İnsan tercihine dayalı en yaygın liste

Model kıyaslamasının en zor tarafı, iyi cevabın çoğu zaman ölçülebilir olmaması. Bu platform farklı bir yol izliyor: kullanıcı bir soru soruyor, iki model cevap veriyor, hangi modelin cevap verdiği gizli tutuluyor ve kullanıcı hangisini beğendiğini seçiyor. Sonuçlar satranç sıral…

1 2
@nikea · 4 gün önce 5
Üslup yarışı uyarısına katılıyorum, bu gerçekten ölçülebilir bir etki. Aynı bilgiyi veren iki cevaptan başlıklara ayrılmış, maddelenmiş ve daha uzun olanı genelde tercih ediliyor. Oysa bazı sorular i…
@sametay · 4 gün önce 6
Kendi değerlendirme setinizi kurma konusuna pratik bir yöntem ekleyeyim. Geçmişte insanların yaptığı işlerden yirmi örnek seçin ve doğru cevabı zaten biliyorsunuz. Bunları modele verip cevapları karş…
@100yuze · 6 gün önce
Hangi yapay zekâ aracı hangi iş için: Abartısız bir karşılaştırma

Ortalıkta çok fazla araç var ve hepsi her şeyi yaptığını söylüyor. Pratikte her birinin güçlü olduğu alan farklı. Genel sohbet ve yazma asistanları. Metin üretme, düzenleme, özetleme ve fikir geliştirme için. Günlük işlerin çoğu burada çözülüyor. Farklı sağlayıcıların ürünleri…

0 2
@marul · 4 gün önce 2
Abonelik sayısı uyarısına katılıyorum, kendi başıma geldi. Bir dönem altı farklı araca abone olmuştum. Ay sonunda baktım, üçünü hiç açmamışım. Hepsini iptal edip tek bir genel araçla devam ettim, işl…
@nikea · 4 gün önce 6
Arama odaklı araçlar konusuna ekleme yapayım çünkü ayrım önemli. Genel sohbet asistanı eğitim verisindeki bilgiden cevap veriyor ve o bilginin tarihi var. Güncel bir şey sorduğunuzda ya bilmiyor ya e…
@abdullahkurucay · 6 gün önce
Veri kalitesi model seçiminden önemli: Projelerde başarıyı belirleyen görünmez katman

Yapay zekâ projelerinde konuşulan şey genelde model seçimi oluyor. Oysa sonucu belirleyen çoğunlukla veri tarafı ve bu taraf görünmediği için bütçe de almıyor. Veri tarafında sık karşılaşılan sorunlar: Etiket tutarsızlığı. Aynı durumu farklı kişiler farklı etiketlemiş. Mode…

0 2
@sourdiesel · 4 gün önce 6
Veriye gözle bakma tavsiyesi bence en değerlisi ve en çok atlanan adım. Bir projede aylarca model iyileştirmeye çalıştık, sonra rastgele örneklere baktık ve etiketlerin önemli bir kısmının yanlış old…
@gokhancetin · 4 gün önce 0
Belge tabanlı sistemlerde kaynak kalitesi konusuna somut bir örnek ekleyeyim. Bir kurumda soru cevap sistemi kurduk ve sonuçlar kötüydü. Sebep model değildi, kurumun prosedür dokümanlarıydı. Aynı kon…
Avrupa yapay zekâ düzenlemesi: Risk seviyeleri ve yükümlülükler ne getiriyor

Avrupa Birliği'nin yapay zekâ düzenlemesini madde madde takip edilebilir hale getiren bağımsız kaynak. Resmî metin ağır olduğu için bu site pratik bir giriş noktası sağlıyor. Düzenlemenin temel yaklaşımı risk temelli. Sistemler kullanım alanına göre sınıflandırılıyor ve yüküml…

0 2
@navigator · 5 gün önce 2
Türkiye'deki yazılım şirketlerini ilgilendirmesi konusunu açmak isterim çünkü çoğu bunu uzak bir mesele sanıyor. Avrupa'daki bir müşteriye yazılım satıyorsanız ve o yazılım kapsama giren bir işlev iç…
@sidarta · 4 gün önce 6
Şeffaflık yükümlülüğüne katılıyorum ve bunun aslında iyi bir uygulama olduğunu düşünüyorum, mevzuat olmasa da yapılmalı. Kullanıcı karşısındakinin insan mı sistem mi olduğunu bilmek istiyor. Bunu giz…
@selenca · 8 gün önce
Yapay zekâ ile yazılan metinler nasıl anlaşılıyor ve bu neden önemli

Bir metnin bu araçlarla üretilip üretilmediğini kesin olarak tespit etmek mümkün değil. Bunu iddia eden tespit araçları güvenilir sonuç vermiyor ve yanlış suçlamalara yol açıyor. Yine de insanlar bazı örüntüleri fark ediyor ve bu örüntülerden kaçınmak metnin kalitesini de artı…

0 2
@titus · 6 gün önce 3
Tespit araçlarının güvenilmez olması konusunu vurgulamak gerekiyor çünkü gerçek zarar veriyor. Bu araçlar özellikle ana dili İngilizce olmayan yazarların metinlerini yanlış işaretleme eğiliminde. Sad…
@gaponmychest · 4 gün önce 5
Kişisel deneyim eksikliği maddesi bence en ayırt edici olanı. Bir konuda gerçekten çalışmış birinin yazısında mutlaka bir aksaklık hikâyesi oluyor. Şunu denedik olmadı, şu beklenmedik sorun çıktı gib…
@navigator · 8 gün önce
Sesli ajanlar ve konuşma teknolojileri: Telefon hatlarında ne değişiyor

Konuşma tanıma ve sentezleme kalitesi belirli bir eşiği geçti ve bu, telefon üzerinden yürüyen süreçleri doğrudan etkiliyor. Teknik olarak bir sesli ajan üç parçadan oluşuyor: konuşmayı metne çeviren bileşen, metni anlayıp cevabı üreten model ve cevabı sese dönüştüren bileşen.…

0 1
@nikea · 5 gün önce 1
İnsana devretme eşiği konusu gerçekten belirleyici, kötü örnekleri hepimiz yaşadık. Pratik bir kural işe yarıyor: iki kez üst üste anlaşılamadıysa devret. Üçüncü denemede başarılı olma olasılığı zate…
Çalışan kod örnekleriyle tarif defteri: Teoriden değil uygulamadan başlayanlar için

Belgeler neyin mümkün olduğunu anlatıyor, bu arşiv ise nasıl yapıldığını gösteriyor. Her başlık çalıştırılabilir bir defter halinde ve kopyalayıp kendi verinizle deneyebiliyorsunuz. En çok kullanılan bölümler: gömme vektörleriyle anlamsal arama kurmak, uzun belgeleri parçalayı…

0 1
@sametay · 4 gün önce 1
Değerlendirme bölümünü öne çıkarmak çok doğru, bizim projede dönüm noktası oydu. Önce sezgiyle ilerliyorduk. İstemi değiştiriyorduk, çıktılar bize daha iyi geliyordu, devam ediyorduk. Sonra elli örne…
Türkiye ekosisteminden yapay zekâ haberleri: Yatırımlar, girişimler ve ürün duyuruları

Yerel ekosistemi takip etmek için pratik bir kaynak. Türkiye'den çıkan yapay zekâ girişimleri, aldıkları yatırımlar, kurumsal iş birlikleri ve ürün lansmanları burada izlenebiliyor. Takip etmenin faydaları: hangi alanlarda yerli girişim olduğunu görmek, benzer bir fikir üzerin…

0 1
@innoturk · 9 gün önce 2
Yerel ekosistemi takip etmenin bir faydası daha var: müşteri referansları. Hangi kurumun hangi çözümü aldığını görmek, satış yapmayı düşünenler için doğrudan bilgi. Bir sektörde ilk alıcı çıktıysa, o…
@quadri · 11 gün önce
Yapay zekâ ajanları: Abartı nerede bitiyor, gerçekten ne işe yarıyorlar

Ajan kelimesi son dönemde her şeye yapıştırılıyor ve tanım bulanıklaştı. Netleştirmekte fayda var. Basit bir sohbet uygulaması ajan değil. Modelin bir aracı çağırabilmesi de tek başına ajan yapmıyor. Ajan denilen yapının ayırt edici özelliği şu: bir hedef veriliyor, model kend…

0 2
@fakazli · 8 gün önce 2
Adım sayısı arttıkça hata birikmesi konusu matematiksel olarak da açıklanabiliyor ve bu gerçekçi beklenti kurmaya yarıyor. Her adımın başarı olasılığı yüksek olsa bile, yirmi adımlık bir zincirin tam…
@vahabdemir · 7 gün önce 5
Maliyet konusuna somut bir uyarı ekleyeyim. Bir ajan döngüsünde her adımda geçmiş bağlam tekrar gönderiliyor. Yani onuncu adımda önceki dokuz adımın çıktısı da girişte yer alıyor. Maliyet adım sayısı…
@sourdiesel · 11 gün önce
Türkçe için yapay zekâ: Neden İngilizce kadar iyi çalışmıyor ve ne yapılabilir

Modellerin Türkçe performansı son yıllarda çok gelişti ama İngilizce ile arada hâlâ bir fark var. Sebeplerini bilmek, pratikte daha iyi sonuç almanızı sağlıyor. Birinci sebep veri hacmi. Eğitim verisinin büyük kısmı İngilizce. Türkçe içerik oranı çok daha küçük ve bu doğrudan …

0 2
@gokhancetin · 10 gün önce 1
Terminoloji sözlüğü tavsiyesini uyguladım ve fark gerçekten büyük. Teknik bir alanda çalışıyoruz ve model terimleri genel Türkçeye çeviriyordu, sektörde kullanılan karşılıkları değil. İsteme kısa bir…
@newday · 9 gün önce 6
Veri derleme konusundaki fırsat vurgusuna katılıyorum, buna somut bir örnek ekleyeyim. Türkçe için en çok eksik olan şey değerlendirme setleri. Yani bir modelin Türkçede ne kadar iyi olduğunu ölçecek…
Model uygulamalarını parçalara ayıran çatı: Kullanmalı mı kullanmamalı mı

Dil modeli uygulamalarında tekrar eden yapıları hazır bileşenler halinde sunan çatı. Belge yükleme, parçalama, vektör deposuna yazma, arama ve zincir kurma gibi adımlar için hazır parçalar içeriyor. Sunduğu değer: farklı sağlayıcılar için ortak arayüz, hazır belge yükleyiciler…

0 1
@fakazli · 10 gün önce 5
Önce kendin yaz tavsiyesine kesinlikle katılıyorum, bizim tecrübemiz de bu yönde. İlk projede doğrudan çatıyla başladık. Bir sorun çıktığında hatanın nereden geldiğini bulamıyorduk çünkü aradaki katm…
@navigator · 14 gün önce
Yapay zekâ ile görsel üretimi: Ticari kullanımda hukuki ve pratik sınırlar

Görsel üretimi araçları hızla yaygınlaştı ama ticari kullanım söz konusu olduğunda dikkat edilmesi gereken noktalar var. Hukuki tarafta netleşmemiş konular hâlâ mevcut. Ülkeden ülkeye farklılık gösteriyor ve içtihat oluşmaya devam ediyor. Genel eğilim, tamamen makine tarafında…

0 1
@nikea · 9 gün önce 4
Ürün fotoğrafı yerine üretilmiş görsel kullanma konusuna katılıyorum, bu e ticarette gerçekten sorun yaratıyor. Müşteri ürünü aldığında görselle karşılaştırıyor ve fark varsa hem iade geliyor hem olu…
Model karşılaştırma tablosu: Fiyat, gecikme ve çıktı hızı tek ekranda

Model seçerken kalite kadar önemli olan iki şey var: saniyede kaç kelime üretiyor ve bin kelime başına ne kadara mal oluyor. Bu sayfa farklı sağlayıcıların aynı modeli hangi hız ve fiyatla sunduğunu karşılaştırıyor. En çok işe yarayan sütunlar şunlar: ilk kelimenin gelme süres…

0 1
@erayuzun · 11 gün önce 1
Maliyet hesabı konusuna somut bir uyarı ekleyeyim çünkü en çok burada şaşırılıyor. Sohbet uygulamalarında konuşma geçmişi her istekte tekrar gönderiliyor. Yani on mesajlık bir konuşmanın onuncu isteğ…
@endof · 14 gün önce hai.stanford.edu ↗
Stanford yapay zekâ endeksi: Alanın yıllık karnesi, iddia değil ölçüm içeren tek büyük rapor

Yapay zekâ alanında ortalıkta dolaşan iddiaların çoğu pazarlama kaynaklı. Bu rapor ise ölçülebilir göstergelerle alanın nerede olduğunu anlatıyor ve bu yüzden tartışmalarda referans olarak kullanılıyor. Raporun kapsadığı ana başlıklar şunlar: modellerin kıyaslama testlerindeki…

0 2
@quadri · 13 gün önce 6
Bu raporun en değerli tarafı bence kıyaslama testlerinin doygunluğa ulaşması konusunu açıkça ele alması. Yıllarca kullanılan testlerde modeller neredeyse tavan puanı aldığı için o testler ayırt edici…
@gokhancetin · 8 gün önce 1
Eğitim maliyeti bölümüne dikkat çekmek isterim çünkü sektörün yapısını en iyi o anlatıyor. En büyük modelleri eğitmenin maliyeti öyle bir seviyeye çıktı ki, bu işi yapabilecek kurum sayısı bir elin p…
@quadri · 14 gün önce github.com ↗
Konuşmayı yazıya çeviren açık model: Toplantı ve görüşme kayıtları için pratik çözüm

Ses kayıtlarını metne çeviren, açık kaynak olarak yayımlanmış model. Çok dilli çalışıyor ve Türkçe desteği kullanılabilir seviyede. Pratik kullanım alanları: toplantı kayıtlarını yazıya dökmek, görüşme ve mülakat deşifresi, video altyazısı üretmek, sesli not arşivini aranabili…

0 1
@selenca · 10 gün önce 4
Konuşmacı ayrımı konusunu vurgulamak isterim çünkü toplantı deşifresinde en çok eksik kalan şey bu. Model metni çıkarıyor ama kimin ne söylediğini yazmıyor. Beş kişilik bir toplantıda bu metin okunab…
@quadri · 14 gün önce
Yapay zekâ ile öğrenmek: Aracı öğretmen gibi kullanmanın yöntemleri

Bu araçlar öğrenme için güçlü ama yanlış kullanıldığında öğrenmeyi engelliyor. Aradaki fark, cevabı almak ile anlamayı istemek arasında. İşe yarayan kullanım biçimleri: Açıklatma. Anlamadığınız bir kavramı farklı seviyelerde açıklatmak. Önce basit, sonra biraz daha teknik, …

0 1
@marul · 13 gün önce 3
Onaylamaya eğilimli olma konusu çok önemli ve fark edilmesi zor. Bir konuda yanlış bir varsayımla soru sorduğunuzda, model varsayımı düzeltmek yerine o varsayım üzerinden cevap verebiliyor. Siz de do…
Tarayıcıdan model deneme ortamı: Kurulum yapmadan istem tasarlamak

Kod yazmadan model denemek isteyenler için tarayıcı üzerinden çalışan bir ortam. Anahtar alıp kendi kodunuza geçmeden önce istem tasarımını burada oturtmak zaman kazandırıyor. Sunduğu özellikler: farklı modelleri yan yana denemek, sistem talimatını ayrı alanda tanımlamak, sıca…

0 1
@cherryblossom · 13 gün önce 0
Sıcaklık parametresini denemek gerçekten öğretici ve çoğu kişi bunu hiç kurcalamıyor. Pratik kural olarak şunu benimsedim: çıktının tek bir doğrusu varsa düşük değer, yaratıcılık isteniyorsa yüksek d…
@selenca · 15 gün önce
Yapay zekâ üretimi içerik interneti dolduruyor: Bu neyi değiştiriyor

Metin ve görsel üretiminin maliyeti neredeyse sıfıra indi ve bunun görünür sonucu, internetteki içerik hacminin hızla artması. Bu, birkaç düzeyde değişim yaratıyor. Arama sonuçları tarafında. Yüzeysel ve birbirinin benzeri içerikler sonuç sayfalarını doldurunca, arama motorlar…

0 2
@marul · 10 gün önce 2
Birinci elden deneyimin değerlenmesi konusuna katılıyorum, kendi gözlemim de bu yönde. Yazdığım genel bilgi içerikli yazıların trafiği düşerken, kendi denemelerimi anlattığım ve gerçek ekran görüntüs…
@titus · 9 gün önce 5
Kaynak sorgulama alışkanlığına bir yöntem ekleyeyim çünkü pratikte zor. Bir iddiayla karşılaştığımda baktığım üç şey var: kim söylüyor ve bu konuda ne yapmış, ne zaman söylenmiş, nereden alıntılanmış…
@bberber · 15 gün önce
RAG mimarisi pratikte nasıl kurulur: Belgelerinizle konuşan bir sistem yapmanın adımları

Kurum içi belgelerle çalışan bir soru cevap sistemi, yapay zekânın en çok karşılık bulan kullanım alanlarından biri. Mantığı basit ama iyi çalışan bir kurulum birkaç ayrıntıya bağlı. Temel akış şöyle işliyor: belgeler parçalara bölünüyor, her parça bir vektöre dönüştürülüp sak…

0 2
@bberber · 10 gün önce 4
Hibrit arama tavsiyesine kesinlikle katılıyorum, bizde en büyük sıçramayı bu sağladı. Sorun şuydu: kullanıcılar ürün kodu veya sözleşme numarası ile arama yapıyordu ve vektör araması bu tür sorgulard…
@cherryblossom · 9 gün önce 6
Kaynak gösterme maddesinin altını çizmek istiyorum çünkü benimsenmeyi doğrudan etkiliyor. Bizde sistem ilk sürümde sadece cevap veriyordu. Kullanıcılar güvenmedi ve yine de belgeyi açıp kontrol ettil…
@endof · 15 gün önce
Yapay zekâ yatırımları balon mu: Tartışmanın iki tarafını da anlamak

Alandaki yatırım hacmi ve şirket değerlemeleri sürekli tartışılıyor. İki taraf da makul argümanlar sunuyor ve ikisini de bilmek daha sağlıklı bir bakış veriyor. Balon diyenlerin argümanları: Değerlemeler mevcut gelirle açıklanamıyor. Gelecekteki büyüme beklentisine dayanan …

0 2
@quadri · 11 gün önce 3
Altyapı kalır argümanı tarihsel olarak doğru ama bir ayrıntı var. Geçmiş örneklerde kalan altyapı uzun ömürlüydü. Döşenen kablolar yıllarca kullanıldı. Bu alanda ise donanım daha hızlı eskiyor. Birk…
@newday · 6 gün önce 6
Kurumsal talebin beklenenden küçük olabilmesi konusuna katılıyorum, sahada gördüğüm de bu. Şirketler deneme yapıyor, bütçe ayırıyor ama kalıcı harcamaya geçiş yavaş. Sebebi genelde ölçülebilir fayda …
@navigator · 17 gün önce karpathy.ai ↗
Alanın en iyi anlatıcılarından birinin ders ve yazı arşivi: Sıfırdan model kurarak öğretme

Derin öğrenme alanında hem araştırma hem anlatım tarafında tanınan bir ismin kişisel sayfası. Buradan ulaşılan ders serileri, alanı gerçekten anlamak isteyenler için en çok önerilen kaynaklar arasında. En bilinen serisi, sıfırdan başlayarak adım adım bir dil modeli kuran ders …

0 1
@dandanakan · 13 gün önce 3
Sıfırdan kurarak öğretme yaklaşımı gerçekten en kalıcı öğrenme yolu. Bu seriyi bitirdikten sonra fark ettiğim şey şu: modelin çıktısının neden olasılıksal olduğunu, sıcaklık ayarının ne yaptığını ve …
Bir başka büyük sağlayıcının geliştirici belgeleri: Çok modlu kullanım ve uzun bağlam örnekleri

Model seçerken tek sağlayıcıya bağlı kalmamak iyi bir alışkanlık ve bunun için farklı sağlayıcıların belgelerini de tanımak gerekiyor. Bu belgelerin öne çıkan bölümleri: görüntü, ses ve video girdisiyle çalışma, çok uzun bağlam pencereleriyle belge işleme, yapılandırılmış çıkt…

0 1
@mardig · 16 gün önce 4
Yapılandırılmış çıktı konusunu herkesin kullanması gerektiğini düşünüyorum, işleri ciddi kolaylaştırıyor. Eskiden modelden cevabı belirli bir biçimde vermesini isteyip gelen metni ayrıştırmaya çalışı…
@nikea · 17 gün önce huggingface.co ↗
Açık ağırlıklı modellerin karşılaştırma tablosu: Standart testlerde kim nerede

Açık modellerin standart kıyaslama testlerindeki sonuçlarını tek tabloda toplayan liste. Kendi sunucunuzda çalıştırabileceğiniz bir model ararken başlangıç noktası. Tablodaki testler farklı yetenekleri ölçüyor: genel bilgi ve akıl yürütme, matematik, talimat takibi, çok adımlı…

0 2
@vahabdemir · 13 gün önce 5
Lisans sütununa dikkat çekmek istiyorum çünkü ticari projelerde sonradan sorun çıkarıyor. Açık ağırlıklı demek her zaman istediğiniz gibi kullanabilirsiniz demek değil. Bazı lisanslar ticari kullanım…
@bberber · 12 gün önce 6
Eğitim verisi bulaşması konusuna bir ekleme yapayım çünkü bu alanın en büyük ölçüm sorunu. Bir test seti internette yayımlandıktan sonra, sonraki modellerin eğitim verisine girme ihtimali var. Model …
@gaponmychest · 19 gün önce ollama.com ↗
Kendi bilgisayarında model çalıştırmanın en kolay yolu: Tek komutla kurulum ve yerel API

Yerel model çalıştırmak eskiden ciddi uğraş gerektiriyordu. Bu araç işi tek komuta indirdi: model adını yazıyorsunuz, iniyor ve çalışıyor. Arka planda bir yerel sunucu açıyor, böylece kendi uygulamanızdan aynı şekilde çağırabiliyorsunuz. Yerel çalıştırmanın somut faydaları: ve…

0 2
@dandanakan · 14 gün önce 3
Bellek konusunu biraz somutlaştırayım çünkü en çok sorulan şey bu. Kabaca kural şu: modelin parametre sayısı kadar gigabayt bellek gerekiyor, nicemleme seviyesine göre bu oran düşüyor. Sekiz milyar p…
@vahabdemir · 12 gün önce 0
Veri gizliliği faydasını vurgulamak isterim, kurumsal tarafta asıl kullanım sebebi bu. Hukuk bürosu, muhasebe ofisi, sağlık kuruluşu gibi yerlerde metinler dışarı gönderilemiyor. Yerel model bu durum…
@fakazli · 19 gün önce arxiv.org ↗
Dönüştürücü mimarisini tanıtan makale: Bugünkü modellerin tamamının dayandığı fikir

Bugün kullandığımız dil modellerinin neredeyse tamamı bu makalede tanıtılan mimariye dayanıyor. Alanı anlamak isteyen herkesin bir kez göz atması gereken metin. Makalenin getirdiği temel fikir, sıralı işlemeyi bırakıp dikkat mekanizmasını merkeze almak. Önceki yaklaşımlar metn…

0 1
@sametay · 14 gün önce 4
Bu makaleyi okumak isteyip teknik yoğunluktan çekinenlere önerim, önce görsel anlatımları izlemek. Dikkat mekanizmasının ne yaptığını görselleştiren anlatımlar var ve matematiği görmeden mantığı kavr…
@100yuze · 20 gün önce
Yapay zekâ okuryazarlığı: Çocuklara ve gençlere gerçekten ne öğretmeli

Okullarda yapay zekâ eğitimi tartışması genelde kodlama öğretelim mi sorusuna indirgeniyor. Oysa asıl ihtiyaç başka yerde. Öğretilmesi gereken temel beceriler: Bu sistemlerin ne olduğunu anlamak. Model bir bilgi kaynağı değil, metin tahmin eden bir sistem. Bunu anlayan bir …

0 2
@gaponmychest · 18 gün önce 4
Ödev tasarımını değiştirme tavsiyesi çok yerinde, kendi çocuğumun okulunda bunu gördüm ve işe yaradı. Öğretmen ödevi teslim ettikten sonra sınıfta beş dakikalık bir sunum ve soru cevap istiyor. Konuy…
@newday · 15 gün önce 4
Gizlilik maddesine dikkat çekmek isterim çünkü çocuklarda bu gerçekten risk. Çocuklar sohbet arayüzünü bir arkadaşla konuşuyormuş gibi kullanabiliyor ve okul adını, adresini, aile durumunu yazabiliyo…
Açık ağırlıklı model ailesi: Kendi donanımında çalıştırılabilen küçük modeller

Büyük sağlayıcıların kapalı modellerinin yanında, indirip kendi donanımınızda çalıştırabileceğiniz açık ağırlıklı model aileleri de var. Bu sayfa onlardan birinin belgeleri ve sürüm bilgileri. Açık ağırlıklı modellerin pratik avantajları: veri cihazdan çıkmıyor, istek başına ü…

0 1
@vahabdemir · 19 gün önce 4
Sağlayıcının modeli emekliye ayırması riski az konuşuluyor ama gerçek bir sorun. Bir modele göre ince ayarlanmış istemleriniz ve testleriniz var, model kapanıyor ve yenisine geçmek zorunda kalıyorsun…
@mardig · 20 gün önce
Şirket içinde yapay zekâ kullanım politikası nasıl yazılır: Örnek bir çerçeve

Çalışanlar bu araçları zaten kullanıyor. Politika yazmamak, kullanımı engellemiyor sadece görünmez kılıyor. İyi bir politika yasaklamak yerine sınırları netleştiriyor. Bir politikanın cevaplaması gereken sorular: Hangi araçlar onaylı? Kurumsal hesapla kullanılan araçlar ile…

0 2
@gokhancetin · 18 gün önce 2
Serbest liste fikri çok değerli, biz de öyle yaptık ve benimsenme belirgin şekilde arttı. Politikanın ilk bölümü şu cümleyle başlıyor: aşağıdakileri onay almadan yapabilirsiniz. Sonra somut örnekler:…
@sidarta · 13 gün önce 6
Sorumluluk maddesine bir ekleme yapayım. Çıktıyı kullanan kişi sorumlu ilkesi doğru ama tek başına yeterli değil. Kişiye kontrol etme imkânı da vermek gerekiyor. Örneğin çalışandan hukuki bir metni …
@gaponmychest · 21 gün önce
Küçük işletmede yapay zekâya nereden başlanır: Abartısız bir başlangıç listesi

Küçük bir işletme için yapay zekâ konusu genelde ya çok soyut ya çok pahalı görünüyor. Oysa somut ve ucuz başlangıç noktaları var ve bunlar birkaç günde kurulabiliyor. En hızlı karşılık veren alanlar: Yazışma taslakları. Teklif metni, müşteri cevabı, tedarikçi yazışması ve …

0 1
@innoturk · 17 gün önce 6
Kişisel veri uyarısını genişletmek isterim çünkü küçük işletmelerde en çok atlanan konu bu. Müşteri adı, telefonu, adresi veya sipariş bilgisi içeren metinleri herhangi bir araca yapıştırmadan önce o…
@innoturk · 21 gün önce
Telif hakkı ve yapay zekâ: Üretilen içeriğin hukuki durumu

Bu alan hâlâ oturmuş değil ve ülkeden ülkeye farklılık gösteriyor. Yine de pratik karar vermeyi kolaylaştıran birkaç netlik var. Üretilen içeriğin sahipliği. Genel eğilim, insan katkısı olmadan tamamen makine tarafından üretilen eserlerde telif korumasının tartışmalı olduğu yö…

0 1
@sidarta · 17 gün önce 2
Müşteriye teslim edilen işlerde şeffaflık maddesini vurgulamak isterim. Ajans tarafında çalışanlar için bu ciddi bir konu. Müşteri özgün tasarım aldığını düşünüyorsa ve sonradan üretim aracı kullanıl…
Belge odaklı uygulamalar için çatı: Geri getirme stratejileri üzerine derinleşen kaynak

Belge tabanlı soru cevap sistemleri kurmaya odaklanmış bir başka çatı. Belgelerdeki asıl değer, geri getirme stratejilerini ayrıntılı anlatması. Ele alınan yaklaşımlar: temel benzerlik araması, anahtar kelime ile birleştirilmiş hibrit arama, sorguyu alt sorulara bölerek arama,…

0 1
@bberber · 20 gün önce 0
Geri getirmeyi ayrı ölçme fikri çok önemli ve çoğu ekip bunu yapmıyor. Sistem kötü cevap verdiğinde suç modele atılıyor ama çoğu zaman sorun modelin eline doğru belgenin gelmemesi. Model önüne konan …
@endof · 22 gün önce
yapay zeka işimi elimden alacak mı sorusuna bir yazılımcının sakin cevabı

Bu soruyu artık haftada birkaç kez alıyorum, gençlerden, meslektaşlardan, çocuğunun bölüm seçimini dert eden velilerden, ve iki uç cevap piyasada cirit atıyor, her şey bitti paniği ile hiçbir şey değişmeyecek inkarı, ikisi de yanlış, sahada çalışan birinin gördüğünü yazayım. Deği…

0 1
@navigator · 22 gün önce 0
Zor kısım zaten kod değildi cümlesi mesleğin en iyi özeti, yıllardır mülakatlarda algoritma sorup işte belirsizlik yönetimi bekliyorduk zaten. Veli sorusuna benim cevabım da şu oluyor, çocuğunuz probl…
@sourdiesel · 22 gün önce
Toplantı ve e posta yükünü azaltmak: Günlük işte somut kazanç sağlayan kullanımlar

Bu araçların en çok konuşulan kullanımları büyük projeler ama günlük işte en çok zaman kazandıran şeyler daha sıradan. Toplantı tarafı: Kayıttan yazıya çevirme ve özet çıkarma. Katılamadığınız toplantıyı on dakikada öğrenmek. Aksiyon maddelerini ve kimin neyi üstlendiğini a…

0 2
@newday · 17 gün önce 1
Ton ayarı kullanımını özellikle öneririm, ilişki kurtarıcı bir özellik. Sinirli yazılan e postalar geri alınamıyor. Yazıp bekletmek klasik tavsiye ama pratikte insanlar gönderiyor. Yazdığınız metni …
@titus · 13 gün önce 0
Toplantı gerekliliği sorgulaması maddesi bence listenin en değerlisi. Gündemi yazıp bunun için toplantı gerekli mi diye sormak, bir dış göz işlevi görüyor. Cevap genelde şu oluyor: bu üç madde yazılı…
@navigator · 23 gün önce
küçük işletmeme yapay zekayı nereden sokacağım: kobiler için gerçekçi başlangıç haritası

Yapay zeka haberleri hep dev şirketlerin milyarlık projelerinden bahsedince kobi sahipleri bu dalgayı seyirci koltuğundan izliyor, oysa asıl verim sıçraması küçük işletmelerde ve giriş bileti sanılandan ucuz, işletmelere danışmanlık verirken kullandığım başlangıç haritasını payla…

0 1
@innoturk · 22 gün önce 0
Harita gerçekçi, ben de sahada aynı sırayı öneriyorum. Bir ekleme, başlamadan önce işletmedeki bir kişiyi bu işin sahibi ilan edin, herkesin işi kimsenin işi değildir kuralı burada da geçerli, araçlar…
@vahabdemir · 23 gün önce
Halüsinasyon neden oluyor ve pratikte nasıl azaltılır

Modellerin olmayan bilgiyi emin bir dille uydurması, bu teknolojinin en bilinen sorunu. Tamamen ortadan kalkmıyor ama sebebini anlamak ve doğru önlemleri almak sıklığı ciddi şekilde düşürüyor. Sebebi kısaca şu: model bir bilgi tabanı değil, metin devamı tahmin eden bir sistem.…

0 2
@selenca · 20 gün önce 4
Bilmiyorum demeye izin verme tavsiyesinin ne kadar işe yaradığını gördükten sonra bütün istemlerime ekledim. Bir ek olarak, modelin ne zaman emin olmadığını belirtmesini istemek de faydalı. Cevabın s…
@abdullahkurucay · 16 gün önce 3
Hesaplamaları koda yaptırma tavsiyesini desteklemek isterim, fark gerçekten büyük. Model dört işlemi kafadan yaparken hata yapabiliyor, özellikle büyük sayılarda ve çok adımlı hesaplarda. Aynı modele…
@bananaman · 23 gün önce
Sahte ses ve görüntüyle dolandırıcılık: Kendinizi ve kurumunuzu korumak

Ses ve görüntü taklidi teknolojisi ucuzladı ve dolandırıcılık yöntemleri buna göre değişti. Bu tehdidi teknik bir mesele olarak değil, süreç meselesi olarak ele almak gerekiyor. Yaygın senaryolar: Yönetici taklidi. Şirket yöneticisinin sesiyle aranıp acil para transferi ist…

0 2
@vahabdemir · 19 gün önce 4
Aile parolası fikri basit ama gerçekten işe yarıyor, biz de uyguladık. Anne babama anlattığımda önce gereksiz buldular. Sonra tanıdıkları birinin başına benzer bir olay gelince ciddiye aldılar. Paro…
@bananaman · 15 gün önce 4
Aciliyet baskısı uyarısını vurgulamak isterim çünkü ortak payda gerçekten bu. Dolandırıcılık senaryolarının neredeyse hepsinde acele ettirme var. Şimdi yapmazsan olmaz, kimseye söyleme, hemen gerekiy…
@newday · 23 gün önce nist.gov ↗
Risk yönetimi çerçevesi: Kurumsal yapay zekâ projelerinde kontrol listesi

Yapay zekâ sistemlerinin risklerini sistematik şekilde ele almak için hazırlanmış çerçeve. Zorunlu bir standart değil ama kurumsal projelerde referans olarak yaygın kullanılıyor. Çerçeve dört ana işlev etrafında kurulmuş: yönetişim, haritalama, ölçme ve yönetme. Yönetişim, …

0 1
@abdullahkurucay · 20 gün önce 2
İzleme konusunu vurgulamak isterim çünkü sessiz bir başarısızlık biçimi. Model yayına alınıyor, ilk aylarda iyi çalışıyor, sonra dünya değişiyor ve model eski örüntülere göre karar vermeye devam ediy…
@marul · 24 gün önce
yapay zekaya günde kaç kere soru soruyorum: bir haftalık kullanım günlüğüm ve fark ettiklerim

Geçen hafta merak edip bir deney yaptım, yapay zeka araçlarına sorduğum her soruyu yedi gün boyunca kaydettim, amaç kullanım alışkanlığımı görmekti, sonuç beni hem şaşırttı hem düşündürdü, günlüğümün özetini ve fark ettiklerimi paylaşıyorum, belki siz de kendi kullanımınıza bir a…

0 1
@endof · 23 gün önce 0
İnsanlara sormayı bırakmışım kısmı bu yazının en değerli gözlemi, verim kazanırken bağ kaybetmek sessiz bir takas ve kimse faturasını konuşmuyor. Soru kası tespiti de doğru, ekipte gördüğüm en büyük f…
Modelleri hız, fiyat ve kaliteye göre kıyaslayan site

Dil modellerini bağımsız ölçümlerle karşılaştırıyor: gecikme, maliyet, kalite bir arada. Hangi model daha iyi tartışmasına veriyle girmek isteyenlere.

0 1
@endof · 23 gün önce 0
Model seçimi toplantılarında tartışmayı kapatan site, herkes izlenimle konuşurken buradan grafik açmak konuyu veriye getiriyor. Fiyat değişimlerini de hızlı yansıtıyorlar, sağlayıcı fiyat kırdığında b…
@navigator · 25 gün önce
Açık kaynak modeller kapalı modelleri yakaladı mı: 2026 tablosu

Açık ağırlıklı modeller çoğu günlük görevde kapalı modellerle farkı kapattı, uzun bağlam ve karmaşık akıl yürütmede ise üst segment kapalı modeller önde. Asıl karar kriteri artık kalite değil toplam maliyet ve veri gizliliği: yüksek hacimli basit görevlerde kendi altyapında açık …

0 1
@gaponmychest · 24 gün önce 0
Bu dengeyi kurarken gözden kaçan kalem mühendislik maliyeti, açık modeli kendi altyapında ayakta tutmak bir kişinin ciddi mesaisi demek. Aylık API faturan bir mühendis maaşının altındaysa kendi altyap…
@mardig · 25 gün önce mlcommons.org ↗
Donanım ve model performansını standart yöntemle ölçen kıyaslama takımı

Farklı donanımların yapay zekâ iş yüklerinde nasıl performans gösterdiğini standart bir yöntemle ölçen bağımsız kıyaslama girişimi. Hem eğitim hem çıkarım tarafında ölçümler yapılıyor. Değerinin kaynağı, üreticilerin kendi açıkladığı rakamlar yerine ortak bir kurala göre yapıl…

0 1
@fakazli · 21 gün önce 6
Çıkarım tarafındaki ölçümlerin önemine katılıyorum, donanım seçerken en çok yapılan hata eğitim performansına bakmak. Eğitim için tasarlanmış üst segment kartlar çok pahalı ve çoğu kurumda boş duruyo…
@newday · 25 gün önce
sesli asistanlardan sesli ajanlara: telefonda konuştuğunuz şey artık insan olmayabilir

Geçen hafta bir restoranı aradım, rezervasyon yaptım, teşekkür edip kapattım ve ancak eşim söyleyince fark ettim, konuştuğum şey insan değildi, ses tonu, duraksamaları, hatta gülümsemesi hissedilen konuşması, hepsi sentetikti, sesli yapay zeka ajanları sessiz sedasız hayatımıza g…

0 1
@gaponmychest · 25 gün önce 0
Aile parolası önerisi tuhaf gelebilir ama artık gerçek bir ihtiyaç, biz belirledik bile, çocuklarla ve yaşlı ebeveynlerle özel bir soru cevabımız var. İşletme tarafındaki şeffaflık kuralına da katılıy…
@100yuze · 27 gün önce deeplearning.ai ↗
Yapılandırılmış kurs programları: Temellerden üretim seviyesine kadar öğrenme yolu

Alanın tanınmış isimlerinden biri tarafından kurulan eğitim platformu. Kurslar hem temel hem uygulamalı seviyede ve çoğu kısa. En çok önerilen başlangıç, makine öğrenmesi temelleri programı. Denetimli öğrenme, model değerlendirme, aşırı öğrenme ve düzenlileştirme gibi kavramla…

0 1
@quadri · 25 gün önce 4
Kavramları isimleriyle öğrenme vurgusu çok doğru ve bu alanda özellikle önemli. Veri sızıntısı kavramını bilmeden çalışan ekiplerin modeli testte mükemmel, gerçekte berbat sonuç veriyor ve sebebini a…
@titus · 27 gün önce anthropic.com ↗
Yorumlanabilirlik ve güvenlik araştırmaları: Modelin içinde ne olduğunu anlama çabası

Model geliştiren kurumlardan birinin araştırma yayınları. Öne çıkan alan yorumlanabilirlik, yani modelin içinde neyin nasıl temsil edildiğini anlamaya çalışan çalışmalar. Bu alanın önemi şu: modeller büyük ölçüde kara kutu. Doğru cevap veriyor ama neden verdiğini bilmiyoruz. B…

0 1
@navigator · 24 gün önce 4
Yorumlanabilirlik konusunun düzenleme tarafıyla bağlantısını kurmak gerekiyor. Yüksek riskli alanlarda kullanılan sistemlerde kararın gerekçesinin açıklanabilmesi isteniyor. Bir kredi başvurusu redde…
@vahabdemir · 28 gün önce github.com ↗
Görsel üretimini düğüm tabanlı akışla kontrol etmek: Rastgelelikten çıkıp tekrarlanabilir hale getirmek

Görsel üretimi araçlarının çoğu bir kutuya metin yazıp sonucu beklemeye dayanıyor. Bu proje ise üretim sürecini adımlara ayırıp her adımı kontrol edilebilir hale getiriyor. Arayüz düğümlerden oluşuyor. Model yükleme, istem kodlama, gürültü giderme adımları, yukarı ölçekleme ve…

0 1
@nikea · 23 gün önce 5
Tekrarlanabilirlik vurgusu çok doğru, ticari işlerde asıl mesele bu. Müşteri on görsel istiyorsa, bunların aynı üslupta olması gerekiyor. Metin kutusuna yazıp şansa bırakan araçlarda her çıktı biraz …
@noway · 28 gün önce huggingface.co ↗
Açık modellerin merkez üssü: Hugging Face

Açık modellerin, veri setlerinin ve demoların paylaşıldığı platform. Bir modelin topluluk testlerini, türevlerini ve gerçek performans tartışmalarını görmek için ilk adres.

0 1
@marul · 28 gün önce 0
Model kartlarını okumayı öğrenmek başlı başına beceri, lisans kısmına özellikle dikkat edin, açık görünen bazı modellerin ticari kullanım kısıtı var. Bir de topluluk sekmesindeki tartışmalar dokümanta…