Yapay Zeka hayatımıza öyle bir girdi ki, “Aman yapay zeka da neymiş? Ben yapay zeka kullanmıyorum.” diyenler de yapay zeka kullanıyor artık farkında bile olmasalar da…
Yapay zeka sadece sohbet botlarından ibaret değil. Sohbet için kullanılan, soru sorup, cevap aldığımız yapay zeka modelleri metin tabanlı verilerle eğitilmiş modellerdir. Resimlerle, videolarla eğitilen yapay zeka modelleri de var. Image to text görselleri tanıyan modeller, Whisper gibi sesi metne dönüştüren modeller; Openai’nin DALL-E gibi kapalı kaynak, Stable Diffussion gibi açık kaynak birçok görsel oluşturma modeli; Sora ve Google Veo gibi metinden video oluşturan modeller de birer yapay zeka modeli.
Aynı zamanda Google Asistan, Siri de yapay zeka. Bir çok web sitesinde sorularınıza yanıt veren destek botları da öyle.
Netflix, YouTube, Spotify gibi platformlar, önceki tercihlerinizi analiz edip yeni içerikler sunar. Kısacası istesek de istemesek de yapay zeka hayatımızda. Bizim yapay zekânın ne olduğunu bile bilmememiz bir şeyi değiştirmiyor. Ama asıl soru; “Onu gerçekten biz mi kullanıyoruz?“
Günümüzde yapay zeka henüz emekleme aşamasında ve gerçek anlamda bir zekaya sahip değil. En azından şimdilik…
Yapay zekâ (YZ) etkileyici sonuçlar üretse de, gerçek bir “zekâya” veya bilinçli düşünceye sahip değildir. Şu anda kullanılan yapay zekâ sistemleri – özellikle büyük dil modelleri (LLM) – temel olarak istatistiksel tahmin makineleridir.
Günümüzdeki Yapay Zekâ Gerçekte Nedir?
- Tahmin Motoru: GPT, Claude, Gemini gibi dil modelleri, kendilerine verilen girdiye karşılık en olası kelime ya da cevabı tahmin eder. Örneğin: “Paris Fransa’nın…” girdisine “başkentidir” kelimesi yüksek olasılıkla gelir.
- Anlamaz, Algılamaz: Yazdığı metni, gördüğü görüntüyü ya da yaptığı öneriyi “anlamaz”; sadece eğitildiği milyarlarca veriden, benzer örneklerde neyin geldiğini öğrenmiştir.
- Belleği Yoktur (varsayılan olarak): Sizinle daha önce yaptığı bir konuşmayı hatırlamaz. Hafıza özelliği açıksa bile bu, veri kaydı ve geri çağırmadır; insan hafızası gibi dinamik ve bağlama göre gelişen bir yapı değildir.
- Niyet ve Bilinç Yoksunluğu: İyi-kötü, doğru-yanlış, yararlı-zararlı gibi kavramları içselleştiremez. Ahlaki değerlendirme yapmaz. Talimatlara göre çalışır, kendiliğinden bir amacı yoktur.
- Zekâya Sahip Gibi Görünmesi: Dil modeliyle konuştuğunuzda tutarlı, akıllı, esprili hatta empatik cevaplar alabilirsiniz. Bu, modelin insan dilindeki kalıpları çok iyi öğrenmiş olmasından kaynaklanır. Ancak arkasında anlayan bir zihin yoktur; sadece “dil oyunları” oynar.
Yapay Zekâ = Gerçek Zekâ Değildir
| Özellik | İnsan Zekâsı | Yapay Zekâ |
|---|---|---|
| Anlama | Evet | Hayır |
| Bilinç | Evet | Hayır |
| Amaç Belirleme | Evet | Hayır |
| Deneyim ve Duygu | Evet | Hayır |
| İstatistiksel Tahmin | Kısmen | Evet (temel) |
Bugünün YZ sistemleri güçlü araçlardır ama zekâyı taklit eden sistemlerdir, onu yaşayan ya da hisseden yapılar değil. Bu farkı anlamak, YZ’ye güveni doğru seviyede tutmak için kritik önemdedir
Tüm bunları bildiğimize göre yapay zeka’nın kendine ait bir düşüncesi, iradesi, benliği, ruhu olmadığının; sadece bir araç olduğunun farkına varmamız gerek. Eğer işe yarar ve kullanışlı bir araç varsa neden kullanmayalım? Bu araç işimizi daha hızlı tamamlamamıza yarıyor ve bize kolaylık sağlıyorsa kullanmamak için bir gerekçemiz olmaması gerek. Asıl mesele ise, biz onu doğru şekilde kullanmayı öğrenmediğimizde, kullananlar onu kendi öznel, şahsi amaçları için kullanırken, aynı zamanda biz de bu işlemin bir parçası haline gelebiliriz. Burada farkında olmamız şey eğer yapay zekayı bilinçli ve doğru şekilde kullanmayı bilirsek işlerimizi hızlandırıp, kolaylaştıran bir araç olacağı.
Yapay Zekayı Nasıl Doğru Şekilde Kullanabiliriz?
Yapay zekâyı doğru şekilde kullanmak için şu temel ilkelere dikkat etmek gerekir:
✅ Amaç Odaklı Kullanın
- Belirsiz istekler yerine açık, net hedef belirle: “Şu konuda özgün bir yazı hazırla, şu yapıya göre.”
- Günlük işler için otomasyon (e-posta, özetleme, planlama) ya da içerik üretimi gibi alanlarda verimlilik sağlar.
✅ Doğruluk Kontrolü Yapın
- Üretilen bilgi her zaman doğru olmayabilir. Özellikle tarih, istatistik ve kaynak isteyen konularda mutlaka kendin doğrula.
- YZ hatalı bilgi sunabilir. Hatta hatalı bir bilginin doğru olduğunda ısrar edebilir.
- Eğitim verileri güncel olsa da, her konuda güncel bilgilerle eğitilmemiş olabilir. Zaman kavramı olmadığı için güncel bilgiler konusunda hata yapması olasılığı çok yüksektir.
✅ Veri Gizliliğine Dikkat Edin
- Kişisel, gizli veya hassas bilgileri paylaşmayın.
- Özel şirket belgeleri, müşteri bilgileri, şifreler gibi veriler kesinlikle girilmemeli.
- Yapay Zeka ile paylaştığınız her bilgiyi onu eğiten, geliştiren, sunucularında barındıran şirket ve kişilerle de paylaşmış olursunuz. O bilgileri ne şekilde kullanacağını bilmenizin bir yolu yoktur. Gizlilik ve kullanım politikasında ne yazarsa yazsın, bu değişebilir. Bu geçmişte oldu yine olabilir. Mesela; “Google geri adım attı: Yapay zeka silahlar için kullanılabilecek” haberini olursanız bir şirketin politikalarının etik olandan etik olmayan bir biçime dönüşebildiğini göreceksiniz. Hatta gizlilik ve kullanım politikalarına uyup uymadıklarını denetleyecek güçlü mekanizmalar olmadığı için gizliden neler yapıldığını bilme imkânımız da yok. Eğer bir şirketin uygulamasını kullanıyorsanız verilerinizle ne yapıldığı o şirketin inisiyatifinde ve bu her zaman değişebilir.
✅ İnsan Denetimini Unutmayın
- YZ destek sağlar, karar vermez.
- İçerik, analiz ya da görsel üretimlerde son kontrol insanda olmalı.
- Yapay Zeka devasa verilerle eğitilse bile verdiği her yanıt %100 doğru olmayacaktır. Bilgilerin doğruluğundan emin olmanın tek yolu verilen bilgiyi kontrol etmek, gözden geçirmektir.
✅ Kaynak Olarak Değil, Araç Olarak Görün
- YZ, uzman yerini almaz; uzmanlara yardımcı olur.
- Bilgiyi anlamak, yorumlamak ve üretmek için bir “yardımcı araç”tır.
- Yapay Zeka bize birçok konuda yardımcı olabilir, işlerimizi hızlandırabilir ama o kusursuz bir kaynak değil bir araçtır. Pek çok konuda bir uzmana benzer yanıtlar verebilir; verdiği bilgiler neredeyse tamamen doğru gibi görünebilir ama hatalı bilgiler de verebilir. Bu yüzden mutlaka kontrolden geçirilmesi gereklidir. Mesela basit matematik işlemlerinde bile hala hata yapabildiğini biliyoruz. Düşünen modeller de dahil.
- Eğer yapay zekayı faydalı bir araç olarak kullanmak istiyorsak bilgilerin doğruluğundan emin olmak için kaynak doğrulaması yapmak çok iyi olacaktır.
Mahremiyet Neden Önemli?
Mahremiyet (gizlilik) denildiğinde, zihnimize pompalanan telkinlerin sonucu olarak “Benim gizli saklı bir şeyim yok.” sözü artık maalesef bir slogan haline geldi. Peki banka hesaplarınızın, kredi kartlarınızın şifreleri de mi gizli değil? Onları da herkesin bilmesini ister misiniz? Evinizin kapısını açık bırakırsanız ne olur? Avlu duvarı, ülke sınırları, pencere, balkon korumaları gibi herkesin istediği gibi girip çıkmasını istemediğimiz alanı belirleyen sınırlarımız olmalı.
Mahremiyet güvenlikle yakın alakalıdır. Bu sebeple çok önemlidir. Elbette güvenlik güçleri gerekli durumlarda kanunun verdiği yetki ile istediği bilgilere erişebilir ama bu her tür kişisel, hassas, özel hayatımıza dair bilgilerin herkesin erişimine açık olması gerektiği anlamına gelmiyor. Hayatımızın her alanında olduğu gibi internet üzerinde de belirli sınırlarımız, şifrelerimiz olmalı. Herşeyi herkesin erişimine açarsanız, içeriye kimlerin gireceği, kimin neyi hangi amaçlarla kullanacağı konusunda bir kontrolünüz olmaz. Mesela eşimiz, çocuklarımız, arkadaş veya iş gruplarımız ile yaptığımız yazışmaları tüm dünyanın bilmesi gerekmiyor. Eğer kapı açıksa içeriye sadece iyi niyetli insanlar değil her tür kötü niyetli insan da girebilir. Hepimizin tüm dünyanın bilmesini istemediğimiz bir özel hayatı var. Mahremiyet bir insan hakkıdır.
İnsan Hakları Evrensel Bildirgesi ( İnsan Hakları Evrensel Beyannamesi), üye Devletlerin, Birleşmiş Milletlerle işbirliği içinde, insan haklarının ve temel özgürlüklerin evrensel olarak saygı görmesi ve gözetilmesini sağlamayı tahahhüt etmişler ve Birleşmiş Milletler 10 Aralık 1948’de İnsan Hakları Evrensel Beyannamesini ilan etmiştir.
İnsan Hakları Evrensel Beyannamesi
Madde 12:
Hiç kimsenin özel yaşamına, ailesine, evine ya da yazışmasına keyfi olarak karışılamaz, onuruna ve adına saldırılamaz. Herkesin, bu gibi müdahale ya da saldırılara karşı yasa tarafından korunma hakkı vardır.
Fiziksel dünyada sınırlarımız, kişisel alanlarımız, kapılarımız, anahtarlarımız olduğu gibi, internete bağlı cihazlarımız için de güvenlik duvarları, şifreler, parolalar, özel iletişimlerimizi koruyan şifreleme sistemleri gibi güvenlik önlemlerine de ihtiyacımız var. Bunun yanında her bilgiyi her yerde kamuya açık şekilde paylaşmamak, sosyal medya kullanımında bilinçli olmak gerek. Şimdi bir de yapay zeka da işin içine girmişken, kişisel güvenliğimizi korumak için bilinçli olmak daha büyük öneme sahip.
Açık kaynak, özgür yazılımlar bu sebeple çok değerli. Açık kaynak yazılım ve uygulamaların içinde hangi kodların olduğunu inceleyebilir; zararlı bir kod, malware, adware, izleme kodları varsa görebiliriz. Ama kapalı kaynak uygulamalar, işletim sistemlerinin arkaplanda ne yaptığını bilemeyiz. Aynı şekilde yapay zeka harika bir araç olabilir ama büyük şirketlerin elinde bir kâr silahı, manipülasyon aracı da olabilir. Bu sebeple bulut yapay zeka kullanırken tedbirli olmakta fayda var. Ayrıca bu dev şirketlerin şimdiki gücü ve nüfusu bu kadar fazla iken daha da güçlenir ve tekelleşir, alternatifleri kalmazsa bu ciddi toplumsal soruna yol açar.
Yapay zeka yalnızca OpenAI, Google, Microsoft gibi dev şirketlerin uygulamaları ile değil, açık kaynak ve mahremiyet odaklı uygulamalar ile de kullanılabilir. Üstelik internete bile ihtiyaç duymadan kendi donanımınız üzerinde yapay zeka kullanabilirsiniz. Google, OpenAI ve Microsoft nihayetinde birer şirket ve şirketler kâr amacı güderler. Daha fazla kâr için ne gerekiyorsa yaparlar. Eğer kişisel verilerinizi bu şirketlerle paylaşırsanız onları işlemek ve şirket çıkarları için kullanmak onların insiyatifindedir. Bunun üzerine hiç bir kontrolünüz yoktur. Onlar size varmış gibi gösterse de… Bu konuda daha fazla detaya girmeye gerek yok. Ama bilin ki yapay zekayı mahremiyetinizi koruyarak kullanmanın yolları var. Sadece kendi donanımınızı kullanan yerel yapay zeka (Local LLM) modellerinin internete ihtiyacı yok. Yalnızca kullandığınız uygulamanın ne kadar güvenli olduğuna dikkat etmelisiniz.
Llama, Gemma, Mistral, Qwen, Deepseek, Kimi gibi bir çok yerel LLM var. Bunları gguf formatında, daha düşük donanımlarda çalışabilmesi optimize edilmiş, kuantize edilmiş modelleri kullanmanız mümkün.
Llama.cpp‘yi kaynak kodlarından derleyerek kullanabileceğiniz gibi, pek çok cihaz için geliştirilen kullanışlı uygulama da mevcut. Bilgisayarım çok eski olduğu için bilgisayarlarda kullanilan uygulamaları deneyimleme imkanım pek olmadı. Genellikle android telefonumda kullandığım uygulamalar var. Ama AnythingLLM pek çok kullanıcının memnun kaldığı bir uygulama diye biliyorum. Eğer güçlü yeni nesil bir işlemci, 12 GB üzeri RAM, en az GeForce RTX 3060 bir ekran kartınız varsa 8B ve belki de daha güçlü modelleri hızlı ve performanslı bir şekilde çalıştırabilirsiniz diye tahmin ediyorum. Bunun için işletim sisteminize uygun uygulamayı kurup deneyebilirsiniz.
12 GB RAM, Snapdragon 7 Gen 1 telefonumda android için geliştirilen bir çok yapay zeka uygulamasını kullanıyorum.
Yapay Zeka’nın etik kullanımı konusunda henüz gelişme olmadığı, Yapay Zeka’nın etik olarak nasıl kullanılabileceği konusu henüz netleşmediği için şimdilik en uygun çözüm, hiç bir bulut yapay zeka modeli ile (İnternet üzerinde çalışan tüm yapay zeka modelleri) kişisel verilerimizi paylaşmamak olacaktır. Eğer yapay zeka’yı hassas veriler ile kullanmak, kişisel verilerimizi analiz ettirmek istiyorsak en güvenilir çözüm yerelde, yani kendi donanımımız üzerinde çalışan bir yapay zeka modeli kullanmak olacaktır. Bildiğim local LLM uygulamaları şunlar:
Mahremiyet Odaklı Yapay Zeka Uygulamaları
Yapay Zeka’yı kişisel verilerimizi, hassas bilgileri gizlilik içinde ve güvenli bir şekilde kullanmanın en garanti yolu onu kendi cihazlarımıza kurup kullanmaktır. Aşağıdaki veya alternatifi bir uygulamayı cep telefonunuza kurup, hugginface üzerinde bulunan yüzlerce modelden istediğinizi kullanabilirsiniz. Sadece dikkat etmeniz gereken telefonunuzun hangi boyutta modeli çalıştırmak için yeterli parametre ve altındaki boyutta bir model kullanmak olacak. 12B, 8B, 4B, 2B gibi farklı parametrelerden cihazınızın gücüne göre bir modeli tercih edebilirsiniz.
Akıllı telefonlar üzerinde LLM (Large Language Model) yapay zeka modellerini çalıştırabilmek için kullanılanilecek uygulamalar şunlar:
ChatterUI:
Kaynak kodları github üzerinde Vali-98 tarafından paylaşılan harika bir açık kaynak yapay zeka uygulaması.
Github bağlantısı: https://github.com/Vali-98/ChatterUI
Android apk: https://github.com/Vali-98/ChatterUI/releases/latest
PocketPal AI:
Kaynak kodları a-ghorbani tarafından github üzerinde paylaşılan bir başka yerel yapay zeka (local LLM) uygulaması.
PocketPal AI Github: https://github.com/a-ghorbani/pocketpal-ai
Github: https://github.com/a-ghorbani/pocketpal-ai/releases
Google Play: https://play.google.com/store/apps/details?id=com.pocketpalai
IOS: https://apps.apple.com/us/app/pocketpal-ai/id6502579498
Layla:
Açık kaynak bir uygulama değil ve ücretli bir uygulama. Android ve IOS sürümleri mevcut. Layla Lite sürümü ile ücretsiz olarak yerel llm modellerini kullanmanız mümkün ancak uygulamayı tüm özellikleri ile kullanabilmek için gerekli mini app’leri kullanabilmek için ücretli sürümü satın almak gerek.
Google Play: https://play.google.com/store/apps/details?id=com.layla
Apple Store: https://apps.apple.com/us/app/layla/id6456886656
Layla Network: Resmi web sitesi https://www.layla-network.ai/ üzerinden DIRECT DOWNLOAD .APK FILE üzerine tıklayarak android cihazınız için ücresiz lite sürümünü indirebilirsiniz.
Google AI Edge Gallery: Uygulama llama.cpp gguf formatı yerine .task formatı modelleri destekliyor. Uygulamayı kurup uyumlu modelleri uygulama içinden indirip kullanabilirsiniz. Görsel analiz özelliği şaşırtıcı derecede hızlı. Şimdilik sadece android sürümü var.
Android: https://github.com/google-ai-edge/gallery/releases/latest/download/ai-edge-gallery.apk
Local Dream: Bu yalnızca görsel oluşturmak için geliştirilen bir uygulma. DALL-E’nin açık kaynak alternatifi yalnızca cihazınızın kaynaklarını kaynaklarını kullanarak görsel oluşturma yeteneği olan bir uygulama. Küçük modeller olsa da işinize yarayabilir. En güzeli de mahremiyet odaklı ve kişisel verilerinizi dışarı sızdırmaz. CPU, GPU ve NPU ile çalışan bir çok görsel oluşturma modeli ile internete bile bağlanmadan fotoğraf oluşturabileceğiniz bir uygulama. Metinden görsele (text to image), görselden görsele (image to image) özellikleri var. 128px, 256px, 384px, 512px boyutlarında görseller oluşturabilirsiniz.
Eğer kişisel verilerinize önem veriyorsanız bu uygulamalar sizin için favoriniz olabilir. Elbette bulutta çalışan yapay zeka modellerini de kullanabilirsiniz. Ama yapay zekayı kişisel verilerle işlem yapmayı gerektiren projelerimiz varsa en mantıklı yol kendi yerel modellerimizi kullanmak olacaktır.
Eğer yeteri kadar güçlü donanımınız varsa Deepseek v3 gibi büyük bir modeli kendi donanımımız üzerinde ve güvenli bir şekilde kullanabiliriz. DeepSeek-V3-0324 modeli 685B bir model ve normal bir kullanıcının sahip olamayacağı kadar güçlü bir donanıma ihtiyaç duyar. Ama pek çok görevi başarıyla yapabilen daha küçük modeller fazlası ile yeterli olacaktır. Bilgisayarınızın ekran kartı, işlemci ve RAM miktarına göre 8B, 12B, 32B hatta 70B modelleri bile düşük maliyetle kullanabilirsiniz.
Huggigface üzerinde yüzlerce model var. Türkçe yanıt vermekte başarılı modeller arıyorsanız aşağıdaki listeden istediğiniz modelin gguf formatında uygun boyutunu indirebilirsiniz. Çoğunlukla Q4_K_M veya mobil cihazlar için kuantize edilmiş Q4_0 boyutu yeterli olacaktır. Daha doğru yanıtlar için Q5_K_M, Q6_K, Q8_0 ve hatta f16 tercih edebilirsiniz. Ancak daha iyi, kaliteli ve doğru yanıt için daha büyük boyut kullanmak, daha fazla donanım gücü gerektirir ve kalite artarken, yanıt süresi de uzayacaktır.
Türkçe Eğitilmiş Yapay Zeka Modelleri:
Türkçe yanıt vermekte başarılı olduğunu düşündüğüm bir çok LLM var. Bu Büyük Dil Modellerini ChatterUI gibi uygulamalarda kullanabilmek için modeller kuantize edilmiş olmalı. Llama.cpp ile kuantize edilmiş modeller .gguf uzantılıdır.
Aya Expanse 8b:
Aya Expanse, CohereLabs tarafından geliştirilen Türkçe de dahil 23 dilde eğitilen bir model. 8B ve 32B boyutlarında donanımınıza uygun olanı kullanabilirsiniz. Modeli matrixportal/aya-expanse-8b-GGUF adresi üzerinden indirebilirsiniz.
Gemma3 4B:
Google tarafından geliştirilen model hugginface üzerinde 1B ve 4B olarak kullanıma sunulmuş. Modeli matrixportal/gemma-3-4b-it-GGUF üzerinden indirebilirsiniz.
Gemma3 1B:
Gemma3‘ün 1B boyundaki modelini matrixportal/gemma-3-1b-it-GGUF üzerinden indirebilirsiniz.
Turkish Llama 8b Instructv0.1:
Turkish Llama 8b Instructv0.1, Yıldız Teknik Üniversitesi, ytu-ce-cosmos tarafından Türkçe olarak eğitilmiş Llama3 tabanlı bir model. Türkçe yanıtlar ve Türk kültürü konusunda başarılı bir model. Modeli matrixportal/Turkish-Llama-8b-Instruct-v0.1-GGUF adresinden indirebilirsiniz.
Hugginface üzerinde kuantize ettiğim çok model var. İstediğiniz modeli indirip kullanabilirsiniz.
Huggingface Repom: https://huggingface.co/matrixportalx
Yapay Zeka – Kuantize Modellerle İlgili Temel Terimler
- LLM (Large Language Model): Milyarlarca parametreyle eğitilmiş, metin üretebilen büyük yapay zeka modelleridir. Kuantize edilerek kişisel cihazlarda çalıştırılabilir.
- Kuantizasyon (Quantization): Modelin veri hassasiyetini düşürerek sıkıştırılmasıdır. Daha az RAM ile çalışmasını sağlar. Örn: 16-bit → 4-bit model.
- llama.cpp: LLaMA, Qwen, Gemma vb tabanlı kuantize modelleri CPU üzerinde çalıştırmaya yarayan açık kaynak araç. Düşük donanımda bile model çalıştırmayı mümkün kılar.
- Yerel LLM (Local Model): İnternetsiz, tamamen cihaz üzerinde çalışan yapay zeka modeli. Veri gizliliği sağlar, hiçbir bilgi dışarı çıkmaz.
- GGUF: Kuantize modellerin dağıtıldığı dosya formatıdır. llama.cpp ile doğrudan uyumludur.
- Model Büyüklüğü (1B, 3B, 7B, 13B): “B” = milyar parametre. Sayı artması modelin daha güçlü olduğu anlamına gelir ama aynı zamanda modelin RAM ihtiyacı da artar.
Yaklaşık RAM ihtiyaçları (4-bit):
3B → 1–2 GB, 7B → 3–4 GB, 13B → 6–8 GB - Q4_K, Q5_0, Q8_0 (Kuantizasyon Türleri): Modelin sıkıştırılma biçimidir.
Q4: Düşük RAM, orta kalite – Q8: Yüksek RAM, yüksek kalite - Inference: Modelin verdiğiniz girdiye karşılık üretim yapmasıdır. Yerelde yapılırsa gizliliğiniz korunur.
Kaynaklar:
