Türkçe yapay zekâ modelleri neden az?

Türkçe yazdığınızda büyük yapay zekâ araçlarının çoğu size cevap verir, ama “Türkçeye özel” bir modelin az olması sık konuşulan bir konu. Bu derste bunun nedenlerini, Türkiye’deki BİLGE çalışmasının kaynaklarda nasıl anlatıldığını ve bir aracın Türkçesini kendiniz nasıl sınayacağınızı öğreneceksiniz.

Aklınıza bir soru mu takıldı?

Sorunuzu ya da aradığınız konuyu yazın Ders bul

Bu derste neler öğreneceksiniz?

• Bir dil modelinin eğitiminin neden büyük veri ve işlem gücü istediğini
• Dillerin modeller tarafından farklı sayıda parçaya bölünmesinin ne anlama geldiğini
• BİLGE’nin haberlerde nasıl anlatıldığını ve neye dikkat etmeniz gerektiğini
• Bir aracın Türkçesini kendi görevlerinizle nasıl sınayacağınızı

Model yapmak neden zor?

Google’ın makine öğrenmesi dersine göre büyük dil modellerinin eğitimi çok büyük veri, zaman ve işlem gücü ister. Yani bir dil için model yapmak, yalnızca iyi bir fikir değil, ciddi bir altyapı işidir. Bu zorluk her dil için geçerlidir; hangi dil için kimin kaynak ayıracağı ise ayrı bir sorudur.

İkinci etken dillerin metne bölünme biçimidir. Modeller metni “token” denen parçalara ayırır. Petrov ve arkadaşlarının 2023 tarihli makalesi, aynı içeriğin diller arasında çok farklı sayıda tokenla ifade edilebildiğini gösteriyor. İncelenen 17 tokenlaştırıcıda fark, bazı durumlarda 15 kata kadar çıkıyor. Ticari hizmetler çoğunlukla token sayısına göre ücretlendirdiği için daha çok parçaya bölünen dil daha pahalıya geliyor; ayrıca aynı bağlam penceresine daha az içerik sığıyor ve işlem süresi uzuyor. Makale Türkçe için ayrı bir değer vermiyor; ama sorunun diller arası bir eşitsizlik olduğunu ve yazarların çok dilli adil bir tokenlaştırma önerdiğini anlatıyor.

Makale ayrıca harf ya da bayt düzeyinde çalışan modellerde de bazı dil çiftleri için dört kattan fazla fark bulunduğunu belirtiyor. Yani sorun yalnızca tek bir yöntemin kusuru gibi görünmüyor. Türkçenin bu tablodaki yeri ise ayrıca ölçülmeli; bu derste böyle bir ölçüm yazılmıyor.

Türkiye’de durum: BİLGE

Gazete haberlerine göre TÜBİTAK BİLGEM, Sanayi ve Teknoloji Bakanlığı çatısında BİLGE adlı Türkçe odaklı bir büyük dil modeli ailesi geliştiriyor. Haziran 2026 tarihli bir haber, modelin Türkçenin yapısı ve kültürel birikimi gözetilerek tasarlandığını, rapor yazma, uzun belge özetleme ve Türkçe-İngilizce çeviri gibi işlerde kullanılmasının hedeflendiğini yazıyor. Aynı haber bazı performans yüzdeleri de aktarıyor, ama bunların bağımsız bir ölçüm olduğuna dair bir bilgi vermiyor. Bu yüzden rakamlar bu derste yazılmadı.

Durumun kesin olmayan yanı şu: bir haber sitesine göre TÜBİTAK, BİLGE’nin henüz genel kullanıma açılmış bir hizmet olmadığını açıkladı. Aynı açıklamaya göre internette BİLGE adını kullanan uygulamaları resmî bir TÜBİTAK BİLGEM hizmeti saymamak gerekiyor; erişim koşulları yalnızca TÜBİTAK ve Bakanlığın resmî kanallarından duyurulacak. 7 Ekim 2026 tarihli bir haberde ise BİLGE’nin 2026-2030 Yapay Zekâ Eylem Planı kapsamında araştırmacılar ve girişimcilerle buluşturulacağı yazıyor. Bu derste kullanıma açıldığını gösteren bir sayfa görülmedi.

Bakan Kacır’ın bir konuşmasını aktaran haberde ise “Türkçe Büyük Dil Modeli Sektörel Uyarlama Çağrısı”, süper bilgisayar erişimi gibi altyapı imkânları ve sağlık, tarım, eğitim, e-ticaret gibi alanlarda en az 2 bin kamu veri setinin erişime açılması planı anlatılıyor. Yani veri ve altyapı desteği bir plan olarak ortada. Sonuçları zamanla izlemek gerekir.

TÜBİTAK’ın Türkçe Büyük Dil Modeli Projesi sayfası, 8 Şubat 2025 tarihli bir videoyla projeyi tanıtıyor ve büyük dil modellerinin web siteleri, kitaplar ve makaleler gibi çok büyük metin koleksiyonlarıyla eğitildiğini genel olarak anlatıyor. Sayfa, projenin eğitim verisini ayrıntılı olarak açıklamıyor.

Siz ne yapabilirsiniz?

Bir aracın Türkçeyi iyi bilip bilmediğini öğrenmenin en güvenilir yolu, kendi görevlerinizle yapacağınız sınamadır. Aracın kendisine “Türkçen iyi mi?” diye sormak işe yaramaz; çünkü verdiği cevap bağımsız bir ölçüm değildir.

Adım adım uygulama

1. Sınayacağınız aracı seçin. Sınama metinlerinde kişisel veri kullanmayın.
2. Aşağıdaki komutla sekiz görevlik bir sınama seti ve ölçüt tablosu isteyin. Görevleri cevaplamasını istemeyin; yalnızca hazırlamasını isteyin.
3. Görevleri aracın kendisine, her biri için yeni bir sohbette verin.
4. Cevapları ölçüt tablosuyla kendiniz işaretleyin. Türkçesi güçlü biri varsa ona da gösterin.
5. Sonucu tarihle birlikte kaydedin. Araçlar güncellendiği için sınamayı birkaç ayda bir tekrarlayın.

Kontrol listesi

• Sınama metinlerinde kişisel veri kullanmadım.
• Cevapları aracın kendisine değerlendirtmedim.
• Sonucu tarihle birlikte kaydettim.
• BİLGE adını taşıyan bir uygulama görürsem resmî kanallardan bakacağım.

Sık yapılan hatalar

• Haberdeki performans yüzdelerini bağımsız ölçüm sanmak.
• “Türkçe model az” cümlesinden “büyük araçlar Türkçe bilmez” sonucunu çıkarmak.
• BİLGE adını taşıyan her uygulamayı resmî sanmak.
• Aracın Türkçesini aracın kendisine sormak.

Kendinizi deneyin

Kaynaklar

• TÜBİTAK Bilim Genç: Türkçe Büyük Dil Modeli Projesi (8 Şubat 2025) (Türkçe)
• Ekonomim: TÜBİTAK, Türkçe dil modeli Bilge henüz genel kullanıma açılmadı (Türkçe)
• GZT: Yerli yapay zekâ BİLGE kullanıma açılacak, 29 Haziran 2026 (Türkçe)
• Alomaliye: Yapay zekâda hedef, 7 Ekim 2026 (Türkçe)
• Ekonomim: Bakan Kacır, Dijital parya olmayalım (Türkçe)
• Petrov ve ark.: Dil modeli tokenlaştırıcıları diller arasında adaletsizlik yaratıyor (2023) (İngilizce)
• Google Makine Öğrenmesi Hızlandırılmış Kursu: Büyük dil modeli nedir (İngilizce)

Son kontrol: 8 Kasım 2026

Kaynak: yzdersleri.com/ders/turkce-yapay-zeka-modelleri-neden-az/ · Yapay Zeka Dersleri