Kitap 08 · Yapay Zekâ ve Makine ÖğrenmesiSayfa 16 / 52

Doğal Dil İşleme

İngilizcesi: Natural Language Processing
Okunuşu: neçırıl lengviç prosesing

Günlük kullanımda iki ad da yaygın.

Güncellendi 30 Eylül 20262 dk okuma

Kısaca

Doğal dil işleme, bilgisayarlara insan dilini metin ya da konuşma biçiminde okumayı, anlamayı ve üretmeyi öğreten yapay zekâ alanıdır.

Doğal dil işleme nedir?

Doğal dil işleme (NLP), yapay zekânın insan diliyle ilgilenen dalıdır. Metin çevirme, spam filtreleme, yorumların duygusunu belirleme, belgelerden isim ve tarih çıkarma, soru yanıtlama ve konuşmayı metne dönüştürme gibi görevleri kapsar. Amaç, yazılımın yalnızca katı komutlarla değil, insanların gerçekte yazdığı ve konuştuğu şekilde dille çalışabilmesini sağlamaktır.

İlk NLP çalışmaları elle yazılmış dil bilgisi kurallarına, daha sonra da sözcüklerin birlikte ne sıklıkla göründüğünü sayan istatistiksel modellere dayanıyordu. Modern NLP'ye derin öğrenme, özellikle de transformer mimarisi hâkimdir: metin token'lara bölünür, her token anlamı yakalayan bir sayı listesi olan embedding'e dönüştürülür ve bir sinir ağı çok büyük miktarda metinden örüntüleri öğrenir. Büyük dil modelleri, birçok NLP görevini tek bir model ve iyi yazılmış bir prompt ile yerine getiren, günümüzün en yetenekli örneğidir.

Faydalı bir benzetme, yabancı dili içine dalarak öğrenmektir. Her kuralı ezberlemek yerine model, sözcüklerin, dil bilgisinin ve bağlamın nasıl bir araya geldiğini kavrayana kadar milyonlarca örnek okur. NLP'yi her gün arama motorlarında, otomatik tamamlamada, sesli asistanlarda, çeviri uygulamalarında ve chatbot'larda kullanırsınız.

NLP çoğu zaman LLM'lerle karıştırılır. NLP geniş bir alan ve görevler kümesidir; LLM ise bu görevleri çözmek için kullanılan belirli bir model türüdür. Küçük bir spam sınıflandırıcısı gibi birçok NLP sistemi hiç büyük dil modeli kullanmaz. NLP, benzer makine öğrenmesi fikirlerini dil yerine görüntü ve videoya uygulayan bilgisayarlı görüden de farklıdır.

Önemli noktalar

NLP, insan dilini anlamaya ve üretmeye odaklanan yapay zekâ alanıdır.
Yaygın görevler arasında çeviri, duygu analizi, özetleme ve konuşma tanıma bulunur.
Modern NLP token'lara, embedding'lere ve transformer modellerine dayanır.
LLM'ler NLP içindeki güçlü bir araçtır; alanın tamamı değildir.

Örnek

Python'da küçük, kural tabanlı bir duygu sınıflandırıcıpython

# Early NLP used fixed word lists; modern models learn patterns from data
POSITIVE = {"great", "love", "excellent", "fast"}
NEGATIVE = {"bad", "slow", "broken", "hate"}

def sentiment(text):
    words = text.lower().split()  # naive tokenization
    score = sum(w in POSITIVE for w in words) - sum(w in NEGATIVE for w in words)
    if score > 0:
        return "positive"
    return "negative" if score < 0 else "neutral"

print(sentiment("I love this app and it is fast"))  # positive

Sık sorulan sorular

NLP ile LLM arasındaki fark nedir?

NLP, bilgisayarların insan diliyle çalışmasını sağlayan alanın tamamıdır; LLM ise bu alanda kullanılan bir model türüdür. LLM'ler birçok NLP görevini bir arada yapabilir, ancak spam filtreleme gibi dar işler için daha basit NLP araçları hâlâ yaygındır.

Doğal dil işlemeye örnekler nelerdir?

Günlük örnekler arasında spam filtreleri, otomatik tamamlama, makine çevirisi, sesli asistanlar, chatbot'lar, soruları anlayan arama motorları ve belgeleri özetleyen ya da yorumların duygusunu tespit eden araçlar bulunur.

NLP makine öğrenmesinin bir parçası mıdır?

Bugün çoğunlukla evet. NLP'nin dilbilim ve kural tabanlı sistemlerde kendi tarihi vardır, ancak neredeyse tüm modern NLP sistemleri makine öğrenmesiyle, özellikle de derin öğrenmeyle kurulur.

İlgili sayfalar

Bu sayfada bir hata ya da eksik mi gördünüz?Düzeltme önerin