Yapay Zekâ ve LLM Okuryazarlığı: Model, Ağırlık, Agent ve MCP Nedir?

Yapay zekâ araçları günlük iş akışlarına girdikçe model, ağırlık, token, agent, tool ve MCP gibi teknik terimler sıkça karşımıza çıkıyor. Büyük dil modelleri (LLM), insan gibi düşünen canlılar değil; devasa metin verilerini inceleyerek bir sonraki kelimeyi matematiksel olasılıklarla tahmin eden sistemlerdir. Bu rehber, yapay zekâ ekosistemindeki tüm temel kavramları teknik karmaşadan arındırarak, günlük hayat benzetmeleri ve yalın tanımlarla açıklamaktadır.

Yapay Zekâ ve LLM Nedir?

Büyük dil modeli (LLM), milyarlarca kitaptan, makaleden ve internet sayfasından öğrendiği istatistiksel kalıplarla metin anlayan, yorumlayan ve yeni metin üreten bir yazılım motorudur. LLM sistemleri soruya bilinçle değil, hangi kelimeden sonra hangi kelimenin gelme ihtimalinin daha yüksek olduğunu hesaplayarak yanıt verir.

Bir restoran mutfağı düşünün. LLM, mutfağın başındaki usta şeftir. Dünya üzerindeki tüm yemek tariflerini okumuştur ve hangi malzemenin hangi baharatla uyumlu olduğunu ezbere bilir. Ancak kendi başına bir bilinci ya da hissi yoktur; önüne sipariş fişi (istek metni) geldiğinde elindeki kalıplara göre en uygun tabağı hazırlar.

Model ve Model Ağırlığı (Weights) Nedir?

Yapay zekâ modeli, eğitilmiş bir sinir ağının matematiksel yapısıdır; model ağırlıkları (weights) ise bu yapının hafızasını oluşturan yüz milyarlarca sayısal katsayıdır. Bir modelin zekâsı, dili anlama becerisi ve ürettiği tüm yanıtlar bu dondurulmuş ağırlık dosyasında saklanır.

Aşçı benzetmesine dönersek: Model yapısı aşçının beyninin iskeleti, model ağırlıkları ise yılların tecrübesiyle edindiği "tutam" ve "ölçü" hafızasıdır. Aşçı çorbaya ne kadar tuz atacağını bu katsayılara bakarak belirler. Eğitim süreci tamamlandığında bu sayılar sabitlenir (dondurulur) ve model her çalıştığında aynı ağırlık kurallarını kullanarak çıktı üretir. Model boyutu olarak duyduğunuz 7B veya 70B ifadeleri, modelin içinde 7 milyar veya 70 milyar adet ağırlık katsayısı olduğunu gösterir.

Token ve Context Window (Bağlam Penceresi) Nedir?

Token, yapay zekâ modellerinin dili işlemek için metni böldüğü en küçük anlam veya hece parçasıdır; context window (bağlam penceresi) ise bir modelin tek seferde okuyup hafızasında tutabildiği toplam token kapasitesidir. Model, bu pencereye sığmayan geçmiş konuşmaları ve belgeleri doğrudan unutur.

Kabaca 1.000 kelimelik Türkçe bir metin yaklaşık 1.300 ile 1.600 token arasında yer tutar. Bağlam penceresi, aşçının çalışma tezgâhının genişliği gibidir. Tezgâh ne kadar genişse aşçı o kadar çok malzemeyi (kitap, rapor, dosya) aynı anda önüne serip üzerinde çalışabilir. Tezgâh dolduğunda eski sayfalar masadan düşer ve model o kısımları hatırlayamaz. Etkili komut tasarımı hakkında daha fazla bilgi edinmek için Claude AI ile Etkili Prompt Yazma Rehberi içeriğimizi inceleyebilirsiniz.

Açık Kaynak (Open Weights) ve Kapalı Kaynak Model Farkı Nedir?