Yapay zekâ… Günümüzde bir şarkıyı önermesinden tut da hastalık teşhisine kadar birçok kararı ona bırakıyoruz. Ama şu soruyu hiç sorduk mu:
"Bir makine gerçekten nasıl öğreniyor?" Yani bu "öğrenme" kelimesi, bizim bildiğimiz öğrenmeye benziyor mu?

Bu yazıda, ezberden uzak durarak, tamamen sezgisel bir bakış açısıyla, yapay zekânın öğrenme sürecini anlamaya çalışacağız. Matematiğin korkulacak değil, anlaşılabilir bir sezgi aracı olduğunu birlikte göreceğiz.

👶 Bir Bebek Gibi Düşün...

Yeni doğmuş bir bebeği düşünelim. Ona önce “bu bir kedi” diyorsun. Sonra bir tane daha, bir tane daha… Zamanla çocuk şunu öğreniyor:
“Küçük, tüyleri var, genelde miyavlıyor… demek ki bu bir kedi!”

Yapay zekâ da çok benzer şekilde öğreniyor. Ona da binlerce “bu bir kedi” ve “bu bir köpek” fotoğrafı veriyoruz.
O da zamanla, “kedi dediğin şey genelde böyle gözüküyor” diye bir örüntü çıkarıyor.

Ama işin sihri burada başlıyor: Yapay zekâ bu örüntüyü formüllerle, yani matematiksel ilişkilerle temsil ediyor.

🔧 Peki Bu “Öğrenme” Dediğimiz Şey Aslında Ne?

En sade haliyle şöyle düşünebiliriz:

Yapay zekâya diyoruz ki:

“Şu fotoğraf bir kedi (etiket = 1), bu fotoğraf değil (etiket = 0).
Senin görevin, yeni bir fotoğraf geldiğinde onun kedi olup olmadığını tahmin etmek.”

Yapay zekâ bu tahmini yapmak için bir formül uyduruyor.
Bu formül, aslında sayılardan ibaret:
Bir fotoğraftaki piksel değerleri, renk tonları, şekil köşeleri gibi sayısal özellikleri alıp, onlara bazı ağırlıklar veriyor.

İlk başta bu ağırlıkları rastgele seçiyor.
Tahmin ediyor.
Yanılıyor.
Yanılınca, bu ağırlıkları biraz değiştiriyor.
Tekrar deniyor.

Bu sürece biz “öğrenme” diyoruz.

Yani yapay zekânın yaptığı şey şu kadar basit:

• “Ben bu tahmini yaptım ama yanıldım mı?”
• “Evet.”
• “O zaman biraz düzeltmem gerek. Nerede hata yaptım, ona göre ayar yapayım.”

Aslında hata yaparak öğreniyor.

📉 Matematiksel Bir Sezgi: "Hataları Azaltmak"

Yapay zekânın hedefi hep şu:

“Tahmin ettiğim şey ile gerçek cevap arasındaki farkı mümkün olduğunca küçült!”

Bu farkı sayısal olarak ölçen şeye “kayıp” (loss) diyoruz.
Yapay zekâ bu kaybı minimuma indirmeye çalışıyor. Tıpkı sınavdan düşük not alıp "bir sonraki sefer daha iyi yapmalıyım" demek gibi.

Bu sürece matematikte optimizasyon diyoruz.
Ama korkulacak bir şey değil bu: Sadece “en iyiyi bulmaya çalışma” demek.

🧠 Beyin Gibi Ama Değil

Yapay zekâ genellikle “yapay sinir ağı” adı verilen yapılarla çalışıyor. İsmi benziyor diye insan beyni gibi olduğunu sanmak kolay, ama aslında:

• Beyinde elektriksel sinyaller dolaşırken,
• Yapay zekâ modelinde sayılar, ağırlıklar, ve formüller dolaşıyor.

Yine de ortak noktaları var: İkisi de örüntülerle çalışıyor.
Yani tekrar eden yapılarla.
İkisi de geçmişteki deneyimlerden öğrenip, yeni gelen bilgileri tanımaya çalışıyor.

🔁 Deneme – Yanılma – Ayar Döngüsü

Bu öğrenme süreci tek seferde olmuyor.
Yapay zekâ, verilerle defalarca çalışıyor.
Her seferinde tahmin ediyor, yanılıyor, düzeltiyor.
Aynı bir çocuğun “kedi” ile “kaplan”ı karıştırması gibi.

Zamanla öyle bir hale geliyor ki, ona hiç göstermediğin bir kedi fotoğrafını bile doğru tahmin edebiliyor.

🎈 Ezber Değil, Örüntü!

Yapay zekâ ezber yapmaz.
Ona 1000 kere aynı kediyi gösterirsen, sadece o kediyi tanır.
Ama farklı farklı kediler gösterirsen, “kedi”nin genel özelliklerini çıkarmayı öğrenir.
Yani genelleme yapar.

Bu yüzden ona "öğreniyor" diyebiliyoruz.

✨ Sonuç: Aslında Yapay Zekâ, Matematiğin Sezgisel Gücüyle Öğreniyor

Yapay zekâyı anlamak için karmaşık formüller bilmeye gerek yok.
Onun yaptığı şey çok basit bir sezgiye dayanıyor:

“Geçmişte gördüklerime göre yeni bir şey tahmin edeceğim.
Tahminim yanlışsa, bir dahakine daha iyi yapacağım.”

Bu, aslında hepimizin doğuştan bildiği bir öğrenme yolu.
Fark şu ki, yapay zekâ bunu matematiksel olarak, çok daha hızlı ve sistemli şekilde yapıyor.

🎁 Bonus Düşünce: Ya Biz de Bazı Şeyleri Yapay Zekâ Gibi Öğreniyor Muyuz?

Belki de bazen biz de kendimizi, sezgilerimizi ve hatalarımızı daha matematiksel bir gözle değerlendirmeliyiz.
Yapay zekâ bize sadece teknolojinin geleceğini değil, öğrenmenin özünü de gösteriyor olabilir.

İşte bu yüzden yapay zekânın nasıl öğrendiğini anlamak, sadece bilgisayarları değil, kendimizi de daha iyi anlamak demek.