Yapay Zeka Terimleri – Sayfa 7

653 terim

Terimler

Model Kartı(Model Card)Model kartı (model card), bir makine öğrenmesi modelinin ne için geliştirildiğini, hangi verilerle eğitildiğini, nasıl değerlendirildiğini, hangi sınırlara ve risklere sahip olduğunu özetleyen kısa ve standart bir belgedir.Model Parametresi(Model Parameter)Model parametresi, bir yapay zekâ modelinin eğitim sırasında veriden öğrendiği ağırlık ve sapma değerleridir; modelin bilgisi ve davranışı bu sayılarda saklanır.MomentumMomentum, makine öğrenmesinde gradyan inişine geçmiş adımların yönünü ekleyerek ağırlık güncellemelerini hızlandıran ve dalgalanmayı azaltan bir optimizasyon tekniğidir. Fizikteki eylemsizlik fikrinden esinlenir; aynı yönde ilerleyen adımlar birikerek büyür.Monte Carlo Ağaç Araması(Monte Carlo Tree Search)Monte Carlo ağaç araması (MCTS), olası hamleleri tek tek hesaplamak yerine çok sayıda rastgele simülasyon yaparak hangi hamlelerin daha sık iyi sonuca götürdüğünü ölçen ve aramayı umut verici dallara yoğunlaştıran karar verme algoritmasıdır.Monte Carlo DropoutMonte Carlo dropout, eğitimde kullanılan dropout katmanlarını tahmin aşamasında da açık bırakıp aynı girdiyle modeli birçok kez çalıştırarak tahminlerin dağılımından modelin belirsizliğini tahmin eden bir yöntemdir.Monte Carlo Yöntemi(Monte Carlo Method)Monte Carlo yöntemi, analitik olarak çözülmesi zor problemleri çok sayıda rastgele deneme (simülasyon) yapıp sonuçların ortalamasını alarak yaklaşık çözen hesaplamalı bir tekniktir.Moravec Paradoksu(Moravec's Paradox)Moravec paradoksu, insanlar için zor görünen mantık ve hesaplama gibi işlerin bilgisayarlar için görece kolay, buna karşılık algılama ve hareket gibi insanlara çok basit gelen becerilerin bilgisayarlar için son derece zor olduğu gözlemidir.Müşteri Segmentasyonu(Customer Segmentation)Müşteri segmentasyonu, bir şirketin müşterilerini demografik özellikler, satın alma davranışı veya ihtiyaçlar gibi ortak niteliklere göre anlamlı gruplara ayırması ve her gruba uygun ürün, hizmet ya da iletişim stratejisi geliştirmesidir.Naive BayesNaive Bayes, Bayes teoremini kullanarak bir örneğin hangi sınıfa ait olma olasılığının en yüksek olduğunu hesaplayan ve özelliklerin sınıf bilindiğinde birbirinden bağımsız olduğunu varsayan basit ve hızlı bir sınıflandırma algoritmasıdır.Nedensel Çıkarım(Causal Inference)Nedensel çıkarım (causal inference), iki değişken arasında yalnızca birlikte değişme değil, gerçek bir neden-sonuç ilişkisi olup olmadığını ve bir müdahalenin sonucu ne kadar değiştireceğini veriler ve varsayımlar yardımıyla tahmin etme yöntemleridir.Negatif Prompt(Negative Prompt)Negatif prompt, yapay zekâ ile görsel üretirken modelin çıktıda özellikle kaçınmasını istediğin öğeleri, kusurları veya stilleri belirttiğin ek metin talimatıdır.NeRF(Neural Radiance Fields)NeRF (Neural Radiance Fields, nöral ışıma alanları), bir sahnenin farklı açılardan çekilmiş fotoğraflarından öğrenilen ve sahneyi bir sinir ağının içinde temsil ederek daha önce çekilmemiş açılardan gerçekçi görüntüler üretebilen bir 3B sahne temsil yöntemidir.Nesnelerin İnterneti(Internet of Things)Nesnelerin interneti (IoT), sensör ve yazılımla donatılmış fiziksel cihazların internet üzerinden birbirine ve sistemlere bağlanarak veri toplaması ve paylaşmasıdır. Akıllı ev aletlerinden fabrika sensörlerine kadar geniş bir alanı kapsar.Nesne Takibi(Object Tracking)Nesne takibi (object tracking), bir videoda tespit edilen nesnelerin kareden kareye izlenmesi ve her nesneye kalıcı bir kimlik verilerek hareketinin zaman içinde takip edilmesini sağlayan bilgisayarlı görü görevidir.Nesne Tespiti(Object Detection)Nesne tespiti (object detection), bir görüntü ya da videodaki nesnelerin ne olduğunu sınıflandıran ve her birinin konumunu bir sınırlayıcı kutu ile belirleyen bilgisayarlı görü görevidir.Niceleme(Quantization)Niceleme (quantization), bir yapay zekâ modelinin ağırlıklarını 16 bit yerine 8 ya da 4 bit gibi daha düşük hassasiyetle saklayarak model dosyasını küçültme yöntemidir. Böylece model daha az bellekle çalışır; karşılığında kalitede genellikle küçük bir kayıp olur.Nokta Bulutu(Point Cloud)Nokta bulutu (point cloud), bir nesnenin ya da ortamın yüzeyini, her biri üç boyutlu uzayda X, Y ve Z koordinatlarına sahip çok sayıda noktanın oluşturduğu bir küme olarak temsil eden 3B veri türüdür.Nokta Çarpımı(Dot Product)Nokta çarpımı (skaler çarpım), aynı boyuttaki iki vektörün karşılıklı elemanlarının çarpılıp toplanmasıyla elde edilen tek bir sayıdır. İki vektörün ne ölçüde aynı yönü gösterdiğini ölçer.Normal Dağılım(Normal Distribution)Normal dağılım (Gauss dağılımı), ortalama etrafında simetrik, çan biçimli bir eğriyle gösterilen sürekli olasılık dağılımıdır. Ortalama ve standart sapma ile tamamen tanımlanır; değerlerin çoğu ortalamaya yakın toplanır, uçlara doğru seyrekleşir.Nöral Makine Çevirisi(Neural Machine Translation)Nöral makine çevirisi (NMT), bir cümleyi kelime kelime değil, bütün bağlamıyla ele alan yapay sinir ağlarıyla, genellikle kodlayıcı-çözücü yapısındaki Transformer modelleriyle, bir dilden başka bir dile çeviren yöntemdir.Nöromorfik Hesaplama(Neuromorphic Computing)Nöromorfik hesaplama, beynin nöron ve sinapslardan oluşan yapısını donanım düzeyinde taklit eden bir bilgisayar tasarım yaklaşımıdır. Bilgiyi kısa elektrik darbeleriyle ve yalnızca gerektiğinde işler; amaç, yapay zekâ görevlerini çok daha düşük enerjiyle yürütmektir.NPU(Neural Processing Unit)NPU (Neural Processing Unit, nöral işlem birimi), telefon, tablet ve bilgisayarlarda yapay zekâ işlemlerini düşük enerji tüketimiyle hızlandırmak için tasarlanmış özel işlemcidir. Yüz tanıma, ses işleme ve yerel asistan gibi görevlerde kullanılır.N-gramN-gram, bir metindeki ardışık n adet kelime ya da karakterden oluşan dizidir; örneğin iki kelimelik diziye bigram, üç kelimelik diziye trigram denir ve bu diziler dil modellemede ve metin analizinde kullanılır.OCR(Optical Character Recognition)OCR (Optical Character Recognition, optik karakter tanıma), taranmış belgelerdeki, fotoğraflardaki ya da ekran görüntülerindeki yazıları tanıyarak bilgisayarın arayabileceği ve düzenleyebileceği metne dönüştüren teknolojidir.Odak Kaybı(Focal Loss)Odak kaybı (focal loss), çapraz entropi kaybını değiştirerek modelin kolayca doğru tahmin ettiği örneklerin ağırlığını azaltan ve eğitimi zor, yanlış sınıflandırılan örneklere odaklayan, özellikle dengesiz veri setleri için geliştirilmiş bir kayıp fonksiyonudur.Olabilirlik Fonksiyonu(Likelihood Function)Olabilirlik fonksiyonu (likelihood), gözlenmiş bir veri setinin, bir modelin farklı parametre değerleri altında ne kadar olası olduğunu gösteren fonksiyondur. Veri sabit tutulur, parametre değişkendir.Olasılık Dağılımı(Probability Distribution)Olasılık dağılımı, rastgele bir değişkenin alabileceği değerleri ve bu değerlerin ya da değer aralıklarının gerçekleşme olasılıklarını tanımlayan matematiksel bir fonksiyon veya tablodur. Kesikli ve sürekli olmak üzere iki ana türü vardır.ONNXONNX (Open Neural Network Exchange), farklı makine öğrenmesi kütüphanelerinde eğitilen modellerin ortak bir dosya biçiminde saklanıp başka araç ve donanımlarda çalıştırılabilmesini sağlayan açık bir model değişim standardıdır.Ontoloji(Ontology)Ontoloji, yapay zekâ ve bilgi sistemlerinde bir alandaki kavramların, bu kavramların özelliklerinin ve aralarındaki ilişkilerin bilgisayarın işleyebileceği biçimde açıkça tanımlandığı ortak kavram modelidir.Optik Akış(Optical Flow)Optik akış (optical flow), bir videonun ardışık iki karesi arasında görüntüdeki her pikselin ya da noktanın hangi yöne ve ne kadar hareket ettiğini gösteren hareket alanının hesaplanmasıdır.Optik Hesaplama(Optical Computing)Optik hesaplama, hesaplama ve veri iletimi için elektronlar yerine ışık parçacıkları olan fotonları kullanan teknoloji alanıdır; özellikle yapay zekâdaki matris çarpımlarını daha hızlı ve daha az enerjiyle yapma potansiyeli nedeniyle araştırılmaktadır.Optimizasyon Algoritması(Optimizer)Optimizasyon algoritması (optimizer), bir makine öğrenmesi modelinin ağırlıklarını kayıp fonksiyonunu azaltacak yönde adım adım güncelleyen yöntemdir. SGD, Adam ve RMSProp gibi algoritmalar, eğitimin ne kadar hızlı ve kararlı ilerleyeceğini belirler.Ortalama Kare Hata(Mean Squared Error)Ortalama kare hata (MSE), bir modelin tahminleriyle gerçek değerler arasındaki farkların karesini alıp bu karelerin ortalamasını hesaplayan hata ölçütüdür. Değer küçüldükçe tahminler gerçeğe yaklaşır; özellikle regresyon problemlerinde kayıp fonksiyonu olarak kullanılır.Ortalama Mutlak Hata(Mean Absolute Error)Ortalama mutlak hata (MAE), bir modelin tahminleriyle gerçek değerler arasındaki farkların mutlak değerlerini alıp ortalamasını hesaplayan hata ölçütüdür. Sonuç hedef değişkenle aynı birimdedir ve modelin ortalamada ne kadar saptığını doğrudan gösterir.Otokodlayıcı(Autoencoder)Otokodlayıcı (autoencoder), girdisini daha küçük bir temsile sıkıştırıp bu temsilden yeniden oluşturmayı öğrenen bir sinir ağıdır. Etiket gerektirmeden verinin özünü yakalar; boyut indirgeme, gürültü giderme ve anomali tespiti gibi alanlarda kullanılır.Otomasyon(Automation)Otomasyon, bir işin veya sürecin insan müdahalesini en aza indirecek şekilde makineler, kontrol sistemleri ya da yazılımlar tarafından kendiliğinden yürütülmesidir. Fabrikalardan ofis işlerine kadar geniş bir alanda kullanılır.Otomatik Altyazı(Automatic Captioning)Otomatik altyazı, bir video ya da canlı yayındaki konuşmanın konuşma tanıma teknolojisiyle yazıya dökülüp doğru zamanlamayla ekranda gösterilmesidir; insan altyazıcıya gerek kalmadan hızlıca oluşturulur.Otomatik Tamamlama(Autocomplete)Otomatik tamamlama, kullanıcı yazmaya başladığında kelimenin, arama sorgusunun ya da cümlenin devamını tahmin ederek öneren özelliktir; geçmiş verilerden ve dil modellerinden yararlanarak yazmayı hızlandırır.Otonom Ajan(Autonomous Agent)Otonom ajan, kendisine verilen bir hedef doğrultusunda çevresini algılayan, plan yapan, araçlar kullanarak eylemde bulunan ve sonuçlara göre davranışını ayarlayan, bu adımları her biri için insan onayı beklemeden yürütebilen yapay zekâ sistemidir.Otonom Araç(Autonomous Vehicle)Otonom araç, kamera, radar ve lidar gibi sensörlerle çevresini algılayan ve yapay zekâ destekli yazılımla, sürüş görevinin bir kısmını ya da tamamını insan müdahalesi olmadan yerine getirebilen taşıttır.Otonom Navigasyon(Autonomous Navigation)Otonom navigasyon, bir robotun, dronun ya da aracın insan müdahalesi olmadan kendi konumunu belirlemesi, çevresini algılaması, hedefe giden yolu planlaması ve bu yolu engellerden kaçınarak izlemesi yeteneğidir.Otonom Silah Sistemleri(Lethal Autonomous Weapons)Otonom silah sistemleri, bir kez devreye alındıktan sonra hedefleri insan müdahalesi olmadan seçip etkisiz hâle getirebilen silah sistemleridir. Ölümcül otonom silahlar olarak da anılır ve uluslararası alanda yoğun biçimde tartışılır.Otonom Sistem(Autonomous System)Otonom sistem, çevresini algılayıp bir hedefe ulaşmak için sürekli insan müdahalesine ihtiyaç duymadan karar verebilen ve bu kararları uygulayabilen makine ya da yazılım sistemidir. Sürücüsüz araçlar ve otonom robotlar bilinen örnekleridir.Otonom Sürüş Seviyeleri(Levels of Driving Automation)Otonom sürüş seviyeleri, SAE International'ın J3016 standardında tanımlanan ve bir aracın sürüşü ne ölçüde otomatik yaptığını 0 (otomasyon yok) ile 5 (her koşulda tam otomasyon) arasında sınıflandıran ölçektir.Otoregresif Model(Autoregressive Model)Otoregresif model, bir dizideki her yeni değeri, kendisinden önce gelen değerlere dayanarak tahmin eden modeldir. İstatistikte zaman serisi tahmininde, yapay zekâda ise GPT gibi dil modellerinin metni token token üretmesinde kullanılan temel yaklaşımdır.OutpaintingOutpainting, yapay zekâ kullanarak bir görselin kenarlarının dışına, mevcut sahneyle uyumlu yeni içerik ekleyerek görseli genişletme ve tuvali büyütme işlemidir.Öğrenme Eğrisi(Learning Curve)Öğrenme eğrisi, bir makine öğrenmesi modelinin performansının eğitim verisi miktarına ya da eğitim süresine göre nasıl değiştiğini gösteren grafiktir. Aşırı öğrenme, eksik öğrenme ve daha fazla veriye ihtiyaç olup olmadığını anlamaya yardım eder.Öğrenme Oranı(Learning Rate)Öğrenme oranı, gradyan inişi sırasında model parametrelerinin her adımda ne kadar büyük miktarda değiştirileceğini belirleyen ve eğitimin başarısını en çok etkileyen hiperparametrelerden biridir.Öklid Uzaklığı(Euclidean Distance)Öklid uzaklığı (Euclidean distance), iki nokta arasındaki düz çizgi mesafesidir. Koordinat farklarının karelerinin toplamının karekökü alınarak hesaplanır ve makine öğrenmesinde veri noktalarının birbirine ne kadar yakın olduğunu ölçmek için kullanılır.Öneri Algoritması(Recommendation Algorithm)Öneri algoritması, kullanıcının geçmiş davranışlarını, tercihlerini ve benzer kullanıcıların hareketlerini analiz ederek ona ilgisini çekebilecek ürün, içerik veya hizmetleri tahmin edip sıralayan yazılım yöntemidir.Öneri Sistemi(Recommender System)Öneri sistemi (recommender system), kullanıcıların geçmiş davranışlarını, tercihlerini ve benzer kullanıcıların hareketlerini analiz ederek ilgilenebilecekleri ürün, film, şarkı, haber ya da içerikleri tahmin edip sunan yapay zekâ sistemidir.Öngörücü Polislik(Predictive Policing)Öngörücü polislik, geçmiş suç verileri ve istatistiksel modeller kullanılarak suçun nerede, ne zaman veya kimler tarafından işlenebileceğini tahmin etmeye ve kolluk kaynaklarını buna göre yönlendirmeye çalışan uygulamalardır.Önsel Olasılık(Prior Probability)Önsel olasılık (prior), yeni veri gözlemlenmeden önce bir olay ya da parametre hakkında sahip olunan olasılık inancıdır. Bayes teoreminde olabilirlikle birleştirilerek güncellenmiş sonsal olasılığı üretir.Ön Eğitim(Pre-training)Ön eğitim, bir yapay zekâ modelinin belirli bir göreve uyarlanmadan önce çok büyük ve genel bir veri kümesiyle eğitilerek dil, görüntü gibi alanlarda genel bilgi ve beceri kazandığı ilk aşamadır.Örneklem(Sample)Örneklem, bir araştırmada incelenmek istenen kitlenin tamamı yerine, onu temsil etmesi amacıyla seçilen alt gruptur. Örneklemden elde edilen sonuçlar, istatistiksel yöntemlerle kitlenin geneline genellenir.Örnekleme Yanlılığı(Sampling Bias)Örnekleme yanlılığı, veri toplanırken bazı grupların diğerlerinden daha fazla ya da daha az seçilmesi nedeniyle örneklemin ana kitleyi doğru temsil etmemesidir. Bu durumda örneklemden çıkan sonuçlar ve eğitilen modeller yanıltıcı olur.Örnekleyici(Sampler)Örnekleyici (sampler), difüzyon tabanlı görsel üretim modellerinde rastgele gürültüden başlayıp nihai görsele ulaşana kadar her adımda gürültünün nasıl ve ne kadar temizleneceğini belirleyen algoritmadır.Özdeğer ve Özvektör(Eigenvalue and Eigenvector)Özvektör, bir matrisle çarpıldığında yönü değişmeyen, yalnızca uzayıp kısalan sıfırdan farklı vektördür; özdeğer ise bu uzama ya da kısalma oranını gösteren sayıdır. Kısaca A·v = λ·v eşitliğiyle ifade edilir.Özellik(Feature)Özellik (feature), makine öğrenmesinde her bir örneği tanımlayan ve modelin tahmin yaparken girdi olarak kullandığı ölçülebilir nitelik ya da değişkendir. Örneğin ev fiyatı tahmininde metrekare, oda sayısı ve konum birer özelliktir.Özellik Çıkarımı(Feature Extraction)Özellik çıkarımı (feature extraction), görüntü, ses, metin ya da çok sayıda değişken içeren ham veriyi, temel bilgiyi koruyan daha az sayıda ve daha anlamlı yeni özelliğe dönüştürerek makine öğrenmesi modellerinin işini kolaylaştırma sürecidir.