NLP nedir?

Bu derste yapay zekânın en hızlı gelişen dallarından biri olan Doğal Dil İşleme (NLP) konusunu sıfırdan işliyoruz. Bilgisayarların insan dilini nasıl işlediğini, NLP'nin hangi görevleri kapsadığını ve günlük hayatta nerelerde karşımıza çıktığını somut örneklerle görüyoruz. Seriyi sırayla takip etmek istersen Yapay Zekâ dersleri kategorimizde bu ünitenin tamamına ulaşabilirsin.

NLP (Doğal Dil İşleme) Nedir?

NLP, İngilizce Natural Language Processing ifadesinin kısaltmasıdır ve doğal dil işleme anlamına gelir. Doğal dil, insanların yüzyıllar içinde doğal süreçlerle geliştirdiği dillere — Türkçe, İngilizce, Arapça gibi — verilen addır; Python ya da Java gibi kuralları insanların tek tek yazdığı programlama dillerinden farkı budur. NLP ise bilgisayarların bu doğal dilleri okumasını, anlamlandırmasını ve üretmesini sağlayan yapay zekâ alanıdır. Kısaca özetlemek gerekir: insan makinenin diline alışmak yerine, makine insan diline alışır.

Doğal Dil Neden İşlenmesi Zor Bir Veridir?

Bilgisayar için sayısal veri sıradandır: 17 sayısı her koşulda 17'dir. Doğal dilde ise aynı kelime bile bağlama göre farklı anlamlara gelebilir. Bu belirsizlik, NLP'yi diğer veri işleme alanlarından daha zor hâle getirir:

• Çok anlamlılık: "Yüz" kelimesi sayı da olabilir, vücut organı da; "ağır" kelimesi taş için, yemek için, insan için farklı şeyler ima eder.
• Bağlam bağımlılığı: "Maçı attı" ifadesi sporda golü kaçırmak, başka bir bağlamda davet etmemek anlamına gelebilir.
• Mecaz ve deyimler: "Ayağına çabuk" sözünde ayak organından söz edilmez; deyimler birebir çevrildiğinde anlam tamamen bozulur.
• Yazım hataları ve varyasyonlar: Gerçek kullanımda "olur mu", "olurmı", "olurmu" biçimleri iç içe geçer; sistem hepsine dayanıklı olmalıdır.
• Dil çeşitliliği: Aynı anlamları taşıyan yüzlerce dil, farklı alfabeler ve birbirinden çok farklı dilbilgisi kuralları vardır.

Bu yüzden NLP'nin tarihi, aslında bu belirsizliği yönetmenin yollarını arama çabasının hikâyesidir.

Bilgisayar İnsan Dilini Nasıl İşler?

NLP sistemleri metni doğrudan "anlamaz"; önce makinenin çalışabileceği sayısal bir biçime dönüştürür. Klasik bir NLP hattı şu adımlardan geçer:

1. Hazırlık: Gereksiz boşluklar ve artık karakterler temizlenir, harf dönüşümleri yapılır.
2. Parçalama: Metin kelime ve kelime parçalarına bölünür; bu parçalara token denir. Ayrıntısını Token nedir? dersinde işliyoruz.
3. Sayısallaştırma: Her parça, anlamını taşıyan sayı dizilerine (vektörlere) çevrilir; bu işlemin adı embedding'dir. Konunun tamamı Embedding nedir? dersinde.
4. Modelleme: Sayıya çevrilen veri, örüntüleri önceden öğrenmiş bir modelden geçer. Günümüz modellerinin çoğu dil modelidir; Dil modeli nedir? dersinde nasıl çalıştıklarını anlatıyoruz.
5. Çıktı: Model bir sonuç üretir: bir etiket, bir çeviri, bir özet ya da yeni bir metin.

Somut bir örnekle görelim: "Bu film harikaydı, tekrar izlerim." cümlesi önce token'lara bölünür, kelimeler vektörlere çevrilir ve model bu sayılardan hareketle cümlenin olumlu bir duygu taşıdığı sonucuna varır. Aynı hat, son adımı değiştirilerek bir çeviri ya da özet de üretebilir.

NLP Günümüzde Nerede Kullanılır?

NLP artık yalnızca laboratuvar konusu değildir; her gün kullandığın araçların çoğunun içinde sessizce çalışır:

• E-posta spam filtresi: Mesajın içeriğine bakıp "spam / spam değil" kararı veren sistemler metin sınıflandırmadır; ayrıntısı Metin sınıflandırma dersinde.
• Yorum ve kampanya analizi: Bir ürün hakkındaki yorumların olumlu-olumsuz ayrıştırılması duygu analiziyle yapılır; örnekleri Duygu analizi dersinde görebilirsin.
• Çeviri uygulamaları: Telefonundaki çeviri uygulaması, makine çevirisinin günlük hayata girmiş hâlidir; gelişimini Makine çevirisi dersinde izleyebilirsin.
• Özetleyiciler: Uzun makale ve raporların birkaç cümleye indirgenmesi metin özetleme görevidir; türleri Metin özetleme dersinde.
• Sohbet botları ve asistanlar: Müşteri hizmetleri botları ve sesli asistanlar NLP'nin en görünür yüzüdür; arkasındaki mekanizmayı Chatbotlar nasıl çalışır? dersinde inceliyoruz.
• Arama ve otomatik tamamlama: Arama motorunun yazım hatanı düzeltmesi ve klavyenin bir sonraki kelimeyi önermesi de NLP'dir.

Kural Temelli Sistemlerden Büyük Dil Modellerine

NLP'nin yöntemi üç büyük dönemden geçti:

• Kural temelli dönem (1950'ler–1980'ler): Dilbilgisçiler kuralları elle yazardı: "Fiilde -di eki varsa geçmiş zamandır." Bu sistemler anlaşılır ama kırılgandı; kuralda olmayan bir cümle geldiğinde sistem çökerdi.
• İstatistiksel dönem (1990'lar–2010'lar): Kuralların yerine büyük metin arşivlerinden hesaplanan olasılıklar geçti. "Hangi kelime, hangi kelimeden sonra hangi sıklıkta gelir?" sorusu çeviriyi ve yazım denetimini dönüştürdü.
• Sinir ağları ve büyük dil modelleri (2017 ve sonrası): Transformer mimarisiyle birlikte modeller, devasa metinlerle tek seferde eğitilir hâle geldi. 2024–2025 itibarıyla sohbet eden, belge özetleyen, kod yazan çok yönlü asistanlar günlük araçlara dönüştü.

Bu son dönemin ürünlerine büyük dil modeli, kısaca LLM denir; LLM nedir? dersinde bu kavramı ayrıntılarıyla ele alıyoruz. Sohbet botlarının bu noktaya nasıl geldiğini merak ediyorsan ChatGPT nasıl çalışır? dersi iyi bir başlangıçtır; metin üreten bu sistemlerin genel çerçevesi için ise Üretken yapay zekâ nedir? dersine bakabilirsin.

NLP Hakkında Sık Yapılan Yanılgılar

• "Sohbet botu beni anlıyor." Günümüz modelleri, öğrendiği istatistiksel örüntülerle son derece inandırıcı yanıtlar üretir; bu, insan anlamında bir kavrayış olduğu anlamına gelmez. Model yanlış bilgiyi de aynı özgüvenle üretebilir.
• "NLP demek LLM demektir." LLM, NLP alanında kullanılan güçlü bir araçtır; ama spam filtresi, çeviri ve arama gibi klasik NLP görevlerinin çoğu hâlen LLM'siz çalışır.
• "Türkçe için de işler aynıdır." Türkçe eklemeli bir dildir: "evlerindeymişçesine" gibi tek bir kelime, bir cümlenin taşıyacağı bütün bilgiyi barındırabilir; kelimeyi kök ve eklerine ayırmak gerekir. Ayrıca Türkçe eğitim verisi, İngilizceye göre çok daha azdır; bu yüzden Türkçe NLP daha zordur.
• "NLP yalnızca yazılı metinle uğraşır." Konuşma tanıma ve konuşma sentezi de alanın parçasıdır; sesli asistanla konuştuğunda sözlerin önce metne çevrilir, sonra NLP hattından geçer.

Bu ders, Doğal Dil İşleme ünitesinin ilk dersi; yol haritamız şu: önce Token nedir? dersiyle metnin parçalarını, ardından Embedding nedir? dersiyle kelimelerin sayısal temsillerini öğreneceğiz; sonraki derslerde dil modelleri ve LLM'lerle modern sistemlerin çalışma biçimini derinleştireceğiz. Kod uygulamasına geçmek istersen Yazılım dersleri kategorisindeki konular sana yol gösterecektir.