Türkçe Yapay Zeka ve Yerli Dil Modelleri: Neden Önemli?

“Çekoslovakyalılaştıramadıklarımızdan mısınız?” Bu ünlü tekerlemeyi hepimiz biliriz. Tek bir kelimenin içine koca bir cümle sığdırabilen bir dil konuşuyoruz. Bu, Türkçeyi zengin ve esnek yapar. Ama yapay zeka açısından bakınca, bazı ilginç zorlukları da beraberinde getirir.

Bu yazıda Türkçe yapay zeka konusunu ele alıyoruz: Dil modelleri Türkçeyi nasıl işler, Türkçe neden özel bir ilgi ister ve yerli dil modelleri neden sıkça gündeme gelir? Konuyu genel çerçevesiyle, belirli ürünler hakkında iddialarda bulunmadan tartışacağız.

Dil modelleri hangi dili “konuşur”?

ChatGPT gibi büyük dil modelleri, çok büyük miktarda metinden öğrenir. (Büyük dil modelleri nasıl çalışır yazımızda bu süreci anlattık.) Bu metinlerin hangi dillerde olduğu, modelin o dillerde ne kadar iyi olacağını büyük ölçüde belirler.

İnternetteki metinler diller arasında eşit dağılmış değildir. İngilizce içerik, pek çok dile göre çok daha fazladır. Bu yüzden birçok büyük model, eğitim verisinde İngilizceyi çok daha fazla görmüş olur. Türkçe metin de bu modellerin eğitiminde yer alır, ama oranı genellikle çok daha düşüktür.

Bir benzetme: Bir çocuk evde çoğunlukla bir dili, haftada bir saat de başka bir dili duyarak büyürse, ikinci dili anlayabilir ama birinci dildeki kadar rahat olmayabilir. Dil modelleri için de benzer bir durum söz konusu olabilir.

Türkçenin yapay zeka için özel yanları

Eklemeli bir dil

Türkçe, kelimelerin sonuna ekler getirerek anlam kurar. “Ev” kelimesinden “evler”, “evlerimiz”, “evlerimizden”, “evlerimizdekiler” gibi çok sayıda kelime türetilebilir. İngilizcede aynı anlamlar genellikle ayrı kelimelerle kurulur.

Bu durum yapay zeka için iki şey demektir:

• Türkçede karşılaşılabilecek farklı kelime biçimlerinin sayısı çok fazladır.
• Model, bir kelimenin kökünü ve eklerini doğru ayırt edebilmelidir ki anlamı yakalayabilsin.

Token meselesi

Dil modelleri metni token denen parçalara böler. Bu bölme işleminin nasıl yapılacağı, eğitim verisine göre belirlenir. Eğer bölme yöntemi ağırlıklı olarak İngilizce metinlerle oluşturulduysa, Türkçe kelimeler daha fazla ve bazen anlamsız parçalara bölünebilir.

Bunun pratik sonuçları olabilir:

• Aynı içerikteki bir Türkçe metin, daha fazla token’a karşılık gelebilir. Token başına ücretlendirilen hizmetlerde bu maliyeti etkileyebilir.
• Modelin aynı anda “aklında tutabildiği” metin miktarı token cinsinden sınırlıdır. Daha fazla token, aynı sınıra daha az Türkçe metin sığması demektir.
• Kelimeler anlamlı kök ve eklere değil de rastgele parçalara bölünürse, modelin dil bilgisini öğrenmesi zorlaşabilir.

Serbest sözcük dizimi

Türkçede “Ali kitabı okudu”, “Kitabı Ali okudu”, “Okudu Ali kitabı” cümlelerinin hepsi kurulabilir ve her biri küçük bir vurgu farkı taşır. Model, anlamı kelime sırasından çok eklerden çıkarmayı öğrenmelidir.

Evde deneyin: bir kelimeyi parçalarına ayırın

Bu etkinlik, bir dil modelinin Türkçeyle karşılaştığında ne yaptığını anlamanın eğlenceli bir yolu.

1. Uzun bir Türkçe kelime seçin: “gözlükçülerimizden”, “arkadaşlarımızlaydık” gibi.
2. Kelimeyi anlamlı parçalarına ayırın: göz + lük + çü + ler + imiz + den.
3. Her parçanın ne anlam kattığını yazın. “-lük” ne yapıyor? “-çü” ne yapıyor?
4. Şimdi aynı anlamı İngilizce ya da bildiğiniz başka bir dilde kaç kelimeyle söyleyebildiğinizi sayın.
5. Konuşun: Bir bilgisayar bu kelimeyi hiç görmediyse, parçalarından anlamını çıkarabilir mi?

Çocuklar bu etkinlikte, kendi dillerinin içindeki mantığı ve düzeni fark eder. Bu, hem dil bilgisi hem de yapay zeka açısından değerli bir farkındalıktır.

Yerli dil modelleri neden gündemde?

“Yerli dil modeli” genellikle bir ülkede geliştirilen ve o ülkenin diline ve bağlamına özellikle önem veren modelleri anlatmak için kullanılır. Türkiye Yapay Zeka Eylem Planı 2026-2030’un “Üret” ekseninde de yerli modeller bir başlık olarak yer alıyor. (Planın genel yapısını veliler için özet yazımızda anlattık.)

Yerli ve Türkçeye odaklı modellerin önemine dair sık dile getirilen gerekçeler şunlardır:

Dil kalitesi

Türkçe verinin daha fazla ve daha özenli kullanıldığı bir model, Türkçenin yapısını, deyimlerini ve inceliklerini daha iyi yakalayabilir.

Kültürel bağlam

Dil sadece kelimelerden ibaret değildir. Bir atasözünün ne zaman söylendiği, bir bayram geleneğinin anlamı, bir şehrin semtleri, yerel tarih ve edebiyat… Bunlar bir toplumun ortak bilgisidir. Bu bağlamı az görmüş bir model, yerel konularda daha sık yanılabilir ya da daha yüzeysel cevaplar verebilir.

Veri ve egemenlik

Kurumların hassas verilerini hangi sistemlere ve hangi ülkelerdeki sunuculara gönderdiği önemli bir sorudur. Kendi altyapısında çalışabilen modeller, bu konuda daha fazla kontrol imkanı sunabilir.

Bilgi birikimi ve insan kaynağı

Bir ülkede dil modeli geliştirmek, yalnızca bir ürün ortaya çıkarmak değil, aynı zamanda bu işi yapabilen mühendisler, araştırmacılar ve veri uzmanları yetiştirmek anlamına gelir.

Bir denge notu

Yerli modeller önemlidir, ama bu “sadece yerli olanı kullanmalıyız” anlamına gelmez. Farklı modellerin farklı güçlü yanları vardır ve bu alan çok hızlı değişiyor. Önemli olan, hangi aracın hangi iş için uygun olduğunu değerlendirebilmek ve her modelin çıktısını eleştirel gözle kontrol etmektir. Model hangi dilde çalışırsa çalışsın yanılabilir; yapay zeka halüsinasyonu yazımız bu konuda pratik bir kontrol listesi sunuyor.

Bir modelin Türkçesini nasıl sınarız?

Bir yetişkin gözetiminde, bir dil modelinin Türkçedeki başarısını basit yollarla gözlemleyebilirsiniz:

• Bir atasözünün anlamını ve hangi durumda kullanıldığını sorun.
• Ekleri çok olan uzun bir cümleyi sadeleştirmesini isteyin.
• Yaşadığınız şehre ya da semte dair yerel bir soru sorun ve cevabı kontrol edin.
• Aynı soruyu Türkçe ve başka bir dilde sorup cevapların ayrıntı düzeyini karşılaştırın.

Bu gözlemler kesin bir ölçüm değildir, ama çocukların modelleri sorgulayan bir bakış geliştirmesine yardımcı olur.

Çocuklar için bunun anlamı ne?

Türkçe yapay zeka konusu, çocuklar için iki açıdan değerlidir:

• Kendi dillerine yeni bir gözle bakarlar. Türkçenin eklemeli yapısını bir “hesaplama problemi” olarak görmek, dil bilgisini ezberden çıkarıp keşfe dönüştürür.
• Üretici rolüne hazırlanırlar. Türkçe metinlerle çalışan uygulamalar, Türkçe veri setleri ve Türkçe konuşan araçlar geliştirecek olanlar, bugün bu soruları soran çocuklar arasından çıkacak.

Özetle

Türkçe, eklemeli yapısı ve esnek söz dizimiyle yapay zeka için özel bir ilgi isteyen bir dildir. Eğitim verisindeki payı, metnin token’lara nasıl bölündüğü ve kültürel bağlam, modellerin Türkçedeki başarısını etkiler. Yerli dil modelleri de bu nedenlerle gündemde yer alıyor.

L’Atelier AI’da öğrenciler projelerini Türkçe olarak geliştiriyor; kendi dilinde çalışan bir uygulama ya da oyun yapmak, yapay zekayı anlamanın en doğal yollarından biri. Ayrıntılar için program sayfamıza bakabilirsiniz.