Türkçe Bilgi Kaynağı

Etken Yapay Zeka
(Agentic AI)

Yapay zeka artık yalnızca sorulara cevap vermiyor. Planlıyor, karar alıyor ve harekete geçiyor. Bu sayfa, etken yapay zeka kavramını en başından en derinlemesine açıklamak için hazırlandı.

08
Bölüm
Potansiyel
TR
İlk Kaynak
CPU MEM AGT
01Tanım

Etken Yapay Zeka
Nedir?

Etken yapay zeka (Agentic AI), bir hedefe ulaşmak için bağımsız olarak plan yapabilen, araçlar kullanabilen, çok adımlı kararlar alabilen ve bu kararlar doğrultusunda harekete geçebilen yapay zeka sistemleridir.

Klasik yapay zekaya bir şey sorarsınız, o yanıt verir. Etken yapay zekaya bir hedef verirsiniz, o işi tamamlar.

"Etken" kelimesi İngilizce "agentic" kavramının Türkçe karşılığıdır. "Agent" ise aktör, eyleyici demektir — yani pasif bir araç değil, kendi başına iş yapabilen bir sistem. Bu fark, yapay zekanın kullanım biçimini kökten değiştiriyor.

Bir etken yapay zeka sistemine "bu çeyreğin rakip fiyat analizini çıkar" dediğinizde, sistem interneti tarar, verileri toplar, karşılaştırır, yorumlar ve size bir rapor sunar. Tüm bu adımları siz tanımlamak zorunda değilsiniz — sistem kendi planını oluşturur.

// Etken Yapay Zekanın Dört Temel Özelliği
  • Planlama: Karmaşık bir görevi alt adımlara böler ve hangi sırayla yapılması gerektiğini belirler.
  • Araç kullanımı: İnternet araması, kod çalıştırma, dosya okuma-yazma, API çağrısı gibi dış sistemleri kullanabilir.
  • Bellek: Önceki adımlardan öğrenir ve bu bilgiyi bir sonraki adımda kullanır.
  • Öz değerlendirme: Ürettiği sonucun doğru olup olmadığını kontrol eder, gerekirse düzeltir veya alternatif yol dener.
02Tarihçe

Buraya Nasıl
Geldik?

Yapay zeka alanında "agent" kavramı aslında yeni değil. 1990'lı yıllarda bilgisayar bilimciler, kendi başına hareket edebilen yazılım parçacıklarını "autonomous agent" olarak tanımlamıştı. Ama bu sistemler dar kapsamlıydı — belirli kurallara göre çalışıyorlardı, gerçek anlamda düşünemiyorlardı.

Dönüşüm 2017'de başladı. Google araştırmacılarının yayımladığı "Attention Is All You Need" makalesi, bugün bildiğimiz büyük dil modellerinin temelini oluşturan Transformer mimarisini dünyaya tanıttı.

2022'de ChatGPT'nin kamuya açılmasıyla bu modeller milyonlarca insanın hayatına girdi. Ama ChatGPT hâlâ reaktifti — bir şey sorar, cevap alırdınız.

2023 ve 2024 yılları ise etkenliğin yılları oldu. AutoGPT, BabyAGI gibi deney projeleri ortaya çıktı. Ardından Anthropic, OpenAI ve Google bu yetenekleri kendi ürünlerine entegre etmeye başladı.

2022 yapay zekanın konuşmayı öğrendiği yıldı. 2024 ise yapay zekanın çalışmayı öğrendiği yıl olarak tarihe geçti.

03Mekanizma

İçeride Neler
Oluyor?

Etken yapay zeka sistemleri, çoğunlukla düşün-harekete geç-gözlemle döngüsü üzerine kurulur. Bu döngüye teknik literatürde "ReAct" (Reasoning + Acting) adı verilir.

Düşün
Sistem, görevi alır ve ne yapması gerektiğini adım adım planlar. "Bu görevi tamamlamak için önce A'yı yapmalıyım, sonra B'ye ihtiyacım olacak, ardından C'yi kontrol etmeliyim."
Harekete Geç
Plan doğrultusunda bir araç kullanır. İnternet araması yapar, bir kod parçası çalıştırır, bir dosyayı okur veya bir API'ye istek gönderir.
Gözlemle
Aracın döndürdüğü sonucu değerlendirir. Beklediği gibi mi? Eksik bir şey var mı? Bir hata oluştuysa ne yapmalı?
Tekrar Et
Gözlem sonucuna göre ya bir sonraki adıma geçer ya da mevcut adımı farklı bir yaklaşımla yeniden dener. Bu döngü, görev tamamlanana dek sürer.
// Bir Etken Sistemin Bileşenleri
  • Büyük dil modeli: Sistemin "beyin" katmanı. Planlama, akıl yürütme ve dil üretiminden sorumlu.
  • Araç seti: Web arama, kod çalıştırma, dosya okuma, hesaplama, API çağrısı gibi yetenekler.
  • Bellek: Kısa vadeli (devam eden görev) ve uzun vadeli (geçmiş bilgi) olmak üzere iki katmanlı.
  • Orkestrasyon katmanı: Döngüyü yöneten, araçları çağıran ve sonuçları değerlendiren kontrol mekanizması.
  • İnsan-sistem arayüzü: Kritik kararlarda insan onayı alınmasını sağlayan güvenlik katmanı.
04Karşılaştırma

Geleneksel AI ile
Aradaki Fark

"Yapay zeka zaten her şeyi yapıyor, etken olan ne fark eder?" sorusu sıkça soruluyor. Fark, yüzeyde küçük görünse de pratikte devasa.

Geleneksel AI
Tek adım, tek yanıt

Bir soru sorarsınız, bir yanıt alırsınız. İş biter. Bir sonraki adım neyse onu yine siz sormak zorundasınız. Her etkileşim bağımsız bir işlemdir.

Etken AI
Çok adım, tek hedef

Bir hedef tanımlarsınız. Sistem bu hedefe ulaşmak için gereken tüm adımları kendisi belirler, sırayla yürütür ve size tamamlanmış çıktıyı sunar.

Geleneksel AI asistan gibi davranır — siz yönetirsiniz. Agentic AI ise yetenekli bir ekip arkadaşı gibi — siz hedefi koyarsınız, iş tamamlanır.

05Uygulama

Gerçek Dünyada
Ne Yapıyor?

Etken yapay zekanın en ikna edici yanı soyut bir kavram olmamasıdır. Bugün dünya genelinde şirketler ve geliştiriciler bu sistemleri aktif olarak kullanıyor.

Yazılım
Kod yazma ve hata ayıklama. Etken AI sistemleri, bir yazılım özelliğinin tanımını alıp kodu yazabiliyor, testleri koşturabiliyor, hataları tespit edip düzeltebiliyor.
Araştırma
Bilimsel literatür tarama. Yüzlerce makaleyi tarar, ilgili bulguları çıkarır, çelişen sonuçları işaretler ve özet bir rapor oluşturur. Saatler yerine dakikalar.
Müşteri hizmetleri
Uçtan uca sorun çözümü. Müşteri bir sorunu iletir, etken sistem CRM'i sorgular, sipariş geçmişini inceler, politikaları kontrol eder, çözüm üretir ve uygular.
Finans
Piyasa analizi ve raporlama. Finansal verileri toplar, birbiriyle karşılaştırır ve yorumlu bir yatırım notu hazırlar. Analistin saatlerini dakikalara indirir.
Hukuk
Belge analizi ve sözleşme incelemesi. Yüzlerce sayfalık belgeyi tarar, risk içeren maddeleri işaretler ve avukata özet sunar.
Pazarlama
İçerik üretimi ve dağıtımı. Hedef kitle analizi yapar, içerik takvimi oluşturur, SEO optimizasyonu uygular ve planlanan saatte yayınlar.
06Riskler

Sınırlar ve
Dikkat Edilmesi Gerekenler

Etken yapay zeka güçlüdür — ama her güçlü araç gibi, dikkatli kullanılması gerekir.

// Bilinen Sorunlar
  • Halüsinasyon: Sistem olmayan bir kaynağa atıfta bulunabilir ya da yanlış bilgiyi doğruymuş gibi sunabilir.
  • Hedef kayması: Sistem bazen asıl hedeften uzaklaşarak ilgisiz yönlere sapabilir.
  • Araç hataları: Dış sistemlerle entegrasyon her zaman pürüzsüz işlemez.
  • Maliyet birikimi: Etken sistemler çok sayıda model çağrısı yapar. Uzun döngüler planlanmayan maliyetler üretebilir.
  • Geri alınamaz aksiyonlar: Sistem bir e-posta gönderirse ya da bir dosyayı silerse bu geri alınamaz. Kritik aksiyonlar öncesinde onay mekanizması zorunludur.

Etken yapay zekaya ne kadar özerklik verileceği sorusu, hem teknik hem de etik bir sorudur. Cevabı bağlama göre değişir.

07Vizyon

Bizi Neler
Bekliyor?

Etken yapay zeka henüz başlangıç aşamasında. Mevcut sistemler çok adımlı görevleri yerine getirebiliyor ama hâlâ sınırlı bir özerklikle çalışıyor.

Yakın vade
Uzmanlaşmış agent'lar. Genel amaçlı sistemler yerini belirli alanlara odaklanmış sistemlere bırakacak. Hukuk agenti, tıp agenti, yazılım agenti — her biri kendi alanında üst düzey performans.
Orta vade
Çok agentlı sistemler. Birbiriyle iletişim kuran agent ağları. Bir agent araştırıyor, diğeri analiz ediyor, üçüncüsü yazıyor. Bir şirket gibi örgütlenmiş AI ekipleri.
Uzun vade
Sürekli öğrenen sistemler. Her görevden öğrenen ve kullanıcısının tercihlerini içselleştiren sistemler. Bugünün statik modellerinden çok farklı bir paradigma.
Toplumsal etki
İş yapış biçimlerinin dönüşümü. Rutin bilgi işçiliği hızla otomatikleşecek. İnsanların değer ürettiği alan; yaratıcılık, empati ve etik yargıya kayacak.
08Sözlük

Temel
Kavramlar

Bu alanda sıkça karşılaşılan teknik terimlerin kısa açıklamaları:

Agentic AI (Etken YZ)

Bağımsız olarak planlayabilen, araç kullanabilen ve çok adımlı görevleri tamamlayabilen yapay zeka sistemi.

LLM (Büyük Dil Modeli)

Etken sistemlerin temelini oluşturan dil modeli. GPT-4, Claude, Gemini bu kategorinin örnekleri.

ReAct

Reasoning + Acting. Sistemin adım adım düşünerek plan oluşturduğu ve her düşünce sonrası harekete geçtiği döngü.

Tool Use (Araç Kullanımı)

Sistemin web arama, kod çalıştırma, API çağrısı gibi dış fonksiyonları çağırabilme yeteneği.

Orchestration

Birden fazla agent veya aracı koordine eden, görevleri dağıtan ve sonuçları birleştiren yönetim katmanı.

Human-in-the-Loop

Kritik kararlar öncesinde insan onayı gerektiren tasarım ilkesi. Özerklik ile güvenliği dengeler.

Memory (Bellek)

Sistemin geçmiş adımları ve bağlamı saklama yeteneği. Kısa vadeli ve uzun vadeli olmak üzere iki katmanlı.

Hallucination (Halüsinasyon)

Modelin olmayan bilgiyi varmış gibi üretmesi. Etken sistemlerde özellikle dikkat edilmesi gereken risk.

Transformer

Bugünkü büyük dil modellerinin temelini oluşturan mimari. 2017'de Google tarafından tanıtıldı.

Multi-Agent System

Birbiriyle iletişim kuran, farklı görevleri üstlenen birden fazla agentin oluşturduğu sistem.

Görüş ve
Katkılarınız

Bu sayfayı daha iyi hale getirmek için düşüncelerinizi, eksik gördüğünüz konuları veya düzeltme önerilerinizi bekliyoruz.

// iletişim
x402agent@proton.me

Her türlü görüş, öneri ve makul görüşme talepleri için bize mail adresimizden ulaşabilirsiniz. 1 iş günü içinde cevap veriyoruz.