Sağlık Profesyonelleri için Yapay Zekanın Temelleri

2. bölüme git→

Bu kursa hoş geldiniz. Bundan sonra, sağlık profesyonelleri için yapay zekanın temellerini adım adım öğreteceğiz, böylece günlük çalışmalarınızda güvenle kullanmaya başlayabilirsiniz.

Bu blog sayfamızda neler bulacaksınız:

• Isınma: Günlük Hayatta Görünmez Yapay Zeka
• ChatGPT, Gemini ve diğer popüler yapay zeka araçlarının arkasındaki zeka
• Kütüphanedeki robot metaforu
• Bir prompt yazmadan önce: Yapay zeka araçlarının temel yeteneklerini anlayın
• GPT, mantıksal modeller veya Deep Search’ü ne zaman kullanmalı?
• Komut Tasarımı (Prompt Engineering)
  
  

Hadi şimdi başlayalım!

Teknik bir geçmişiniz olmasa bile, yapay zekanın temellerini anlamanız önemlidir. Neden? Çünkü bu, onu pratikte ve hasta bakımında en verimli şekilde kullanmanıza yardımcı olur.

👉 Öncelikli bilmeniz gereken şey: Yapay zeka tek bir şey değildir; birlikte çalışan bir dizi teknolojidir.

Bunu üniversitedeki “Fen Bilimleri” derslerinize benzetin: fizik, biyoloji, kimya… ve alt konuları. Yapay zeka da aynı şekilde işler: birçok alan ve katmandan oluşan bir şemsiye gibidir; her birinin kendine özgü amacı, araçları ve karmaşıklığı vardır.

Bu kısa egzersizi yapmanızı ve günlük yaşamınızda, bazen farkında bile olmadan, kaç tane yapay zeka aracı kullandığınızı görmenizi istiyoruz!

Size yardımcı olması için, en yaygın araçlardan bazılarını tipik kullanım alanlarına göre sıraladık:

1. Sesli asistanlar: Gemini, Alexa veya Siri gibi. Bilgi aramanıza, hatırlatmalar ayarlamanıza veya randevular planlamanıza yardımcı olurlar—hepsi sesinizle kontrol edilir.

2. Sohbet botları: ChatGPT, Gemini, Microsoft Copilot ve DeepSeek gibi. Soruları yanıtlayabilir, verileri analiz edebilir, metinleri özetleyebilir ve hatta görsel veya doküman oluşturabilirler.

3. Tahmine dayalı yazım ve otomatik düzeltme: Telefonunuz bir sonraki kelimenizi önerdiğinde veya yazım hatasını otomatik düzelttiğinde, yazma alışkanlıklarınızı analiz eden ve niyetinizi tahmin eden yapay zekayı kullanır.

4. Streaming servisleri ve öneriler: Netflix, Spotify veya YouTube gibi. İzleme veya dinleme geçmişinizi analiz ederek hoşunuza gidebilecek yeni içerikleri önerirler.

Yani, fark etmeseniz de yapay zeka günlük hayatın birçok alanına sessizce entegre olmuş durumda.

Bu kursta bir adım daha ileri giderek, yapay zekanın tıbbi uygulamalarınızı nasıl destekleyebileceğini inceleyeceğiz—belgelemelerden yönetim süreçlerine, hasta iletişimine kadar.

Ne kadar çok kullanmayı öğrenirseniz, o kadar güçlü hale gelirler. O hâlde, bu araçların temellerini hızlıca gözden geçirelim: İnsan dilini nasıl öğreniyor, anlıyor ve üretiyorlar?

Bunlar, Büyük Dil Modelleri (Large Language Models - LLM) adı verilen bir yapının üzerine inşa edilmiştir.

Ama… hemen korkmayın! “Büyük Dil Modelleri” terimi gözünüzü korkutabilir. Sizi yormadan, bu kavramı kolayca anlayabilmeniz için yalnızca gerekli temel bilgileri göstereceğiz.

Kütüphanedeki robot metaforu

LLM’leri (Büyük Dil Modelleri) kolayca anlamak için bir hikâye: Devasa bir kütüphanede bir robot hayal edin. Bu robot milyonlarca kitap, web sayfası, makale ve hatta sohbet okumuş durumda. Robot insan gibi düşünmüyor ama bizim nasıl konuştuğumuzu, yazdığımızı ve soru sorduğumuzu hatırlamada inanılmaz iyi.

İşte bir LLM temelde bunu yapıyor. Bu tür bir yapay zeka, insan dilini anlamayı ve üretmeyi öğrenmiş durumda çünkü devasa bir veri seti üzerinde eğitilmiş.

Bu süreç sayesinde, dünyayı derinlemesine anlamak için yeterli bilgi topluyorlar – ve bu anlayış (ya da zeka), tamamen yeni görevleri başarılı bir şekilde yerine getirmelerini sağlıyor. Çünkü onları yalnızca eğitim sırasında gördükleri şeyler için veya okudukları kitapları yeniden üretmeleri için kullanmak istemiyoruz. Onlara daha önce hiç duymadıkları soruları sormak ve bunlara akıllıca cevap vermelerini beklemek istiyoruz (ve bunu gerçekten yapıyorlar.)

🕵️ Dedektif gibi çalışır: Bu kadar çok şey okuduktan sonra, bir LLM dil kalıplarını tespit etmeye başlar.
Örneğin, “Bugün hava nasıl?” diye sorarsanız, beklenen cevap güneş, yağmur veya bulutlar hakkında olur.

🔮 Bir sonraki kelimeyi “tahmin eder”: Ama sadece cümlenizi tamamlamakla kalmaz, tam metinler üretebilir, soruları yanıtlayabilir, makaleleri özetleyebilir, dilleri çevirebilir ve çok daha fazlasını yapabilir.

Bir LLM, talimatlarınıza göre tutarlı ve anlamlı içerik üreten süper zeki bir makine gibidir. Tıpkı bir şefe risotto yapmasını söylemek gibi: sıfırdan icat etmez, öğrendiği en iyi tarif kitabına başvurur.

Özetle, LLM, insan dilini anlamak ve üretmek üzere eğitilmiş bir yapay zeka türüdür. Dilin nasıl çalıştığını anlamak için kitaplar, web siteleri ve makaleler gibi devasa verileri analiz ederek öğrenir.

Buna somut bir örnek, Google arama sonuçlarıdır. Önceden Google, bir “bilgi rehberi”ydi; size cevapları nerede bulacağınızı gösterirdi. Artık LLM’ler sayesinde Google, cevapları doğrudan, sohbet tarzında ve bağlamla sunan bir bilgi derleyici ve özetleyici hâline geldi.

Yeni tanı konmuş tip 2 diyabetli bir hasta için en iyi tedavi seçeneklerini bulmak istediğinizi hayal edin. Önceden Google size bilimsel makaleler veya klinik kılavuzlara giden bağlantılar listesi verirdi. Şimdi ise LLM’ler sayesinde, ilk basamak tedaviler, yaşam tarzı önerileri ve olası ilaç etkileşimleri dahil olmak üzere, tüm bilgileri açık ve sohbet tarzında özetlenmiş bir yanıt olarak sunuyor.

Bir prompt yazmadan önce: Yapay zeka araçlarının temel yeteneklerini anlayın

1. Birinci yetenek: metin üretimi

En temel özellik: metinden metin üretmek. Yaratıcılık, özetleme ve açık uçlu sorular için çok uygundur.

👉 Nerede iyidir:

• Yazma, düzenleme ve özetleme
• Doğrudan veya genel soruları yanıtlamak
• Yaratıcı fikirler üretmek (gerçekleri kontrol etmek iyi olur)
• Şablonlar, kontrol listeleri ve düzenli belgeler oluşturmak

2. İkinci yetenek: medya üretimi

Yazılı talimatları görsel içeriğe dönüştürür. Sağlık alanında sıkça işe yarar.

• Hasta ve danışanlar için görsel açıklamalar
• Kliniğin sosyal medya görselleri
• Sunumlar ve eğitimler için ikonlar ve çizimler
• Klinik düzeni, akışlar ve oda organizasyonunu görselleştirmek

Araçlar: Midjourney (görsel), Sora (video), Veo (video), Nano Banana* (görsel)

Not: Nano Banana Pro gibi yeni modeller oldukça gelişmiş çıktılar üretebilir. Bir örnek görün.

3. Üçüncü yetenek: akıl yürütme

Sadece kelime tahmini yapmaz; adım adım mantık kurarak analiz eder.

• Karmaşık klinik vakaları adım adım çözmek
• Triyaj ve önceliklendirme desteği
• Klinik iş akışlarını analiz etmek ve iyileştirme önerileri sunmak

* Bazı modellerde manuel olarak etkinleştirmek gerekir, örn. Claude “extended thinking”.

4. Dördüncü yetenek: web araması

Model, gerçek zamanlı kaynakları tarayarak yanıt verir.

👉 Nerede iyidir:

• Güncel haberleri bulmak
• Birden fazla kaynağı karşılaştırmak
• Referans göstermek
• Güncel verilere dayalı pazar araştırması yapmak

5. Beşinci yetenek: derin araştırma

Akıl yürütme + web araması birleşimidir. Sadece bilgi bulmak değil, analiz edip gerçekten değerli olanı seçmektir.

• Çok sayıda kaynaktan güvenilir olanları seçmek
• Dağınık bilgileri tek bir net yanıt hâline getirmek
• İlk bakışta görünmeyen eğilim ve desenleri bulmak
• Farklı görüşleri karşılaştırmak ve hangisinin daha güçlü olduğunu açıklamak
  
  • Yararlı araçlar:
    • Perplexity: hızlı deep-research modu, kaynakları gösterir
    • Google Gemini: Google araması + çoklu veri türleriyle mantık yürütme
    • ChatGPT: çok adımlı tarama, kaynak analizi, detaylı raporlar
    • Claude: güçlü akıl yürütme + web araması, net kaynak açıklamaları"

Size özel ipuçları!

#1

Konu değiştirdiğinizde her zaman yeni bir sohbet başlatın. Bu, bağlamı sıfırlar ve yapay zekanın önceki konuşmalardan kaynaklanan karışıklığı önleyerek odaklanmasını sağlar.

#2

Yazmak her zaman pratik olmayabilir, özellikle yoğun bir klinikte. Pek çok platform artık sesli giriş destekliyor; sorularınızı veya talimatlarınızı doğrudan konuşabilirsiniz.

#3

Video özeti isteyin: diyelim ki online bir tıp konferansında sunumu izlemek istiyorsunuz ama tüm videoya zamanınız yok. YouTube linkini kopyalayıp sohbet penceresine yapıştırın ve özet istemeniz yeterli.

⚙️ Komut Tasarımı (Prompt Engineering)

LLM’lerin temellerini anladıktan sonra, bir sonraki önemli konu bu araçlarla en verimli şekilde nasıl etkileşim kurulacağını öğrenmektir. İşte burada prompt engineering (komut tasarımı) devreye girer.

Öncelikle: Prompt tam olarak nedir?

Prompt, bir yapay zekâ aracına yanıt almak için verdiğiniz mesaj veya sorudur. Yapay zekâyla “konuşma” şeklinizdir; yardım istemek, içerik üretmek, bir problemi çözmek veya bilgi aramak için kullanılır.

Bir prpmpt yazdığında, araç o anda verdiğin bilgileri içeren kısa süreli hafızasını ve eğitim sırasında öğrendiği bilgileri içeren uzun süreli hafızasını birlikte kullanarak isteğini anlar ve sana en iyi cevabı verir. Her ikisi de sonucu etkiler.

→ Bir örnek görelim: Diyelim ki hastalarınıza hipertansiyonun ne olduğunu açık ve anlaşılır şekilde anlatmanız gerekiyor.

Göreviniz şunlardan biri olabilir:

• “Hipertansiyonu, herhangi bir hasta kolayca anlayacak şekilde kısa ve net bir biçimde açıklayın.”

• “Tıbbi geçmişi olmayan bir hastaya hipertansiyonu nasıl anlatırsınız?”

İpucu: LLM’ler uzun süreli hafızalarına hızlıca erişemez — bazen eğitimde gördükleri verileri hatırlarlar ama bu çok güvenilir değildir. Ancak, onlara prompt içinde bilgi verdiğinde (örneğin bir kitabın bölümü), bu kısa süreli hafızayı çok iyi kullanır ve doğru özetler ya da açıklamalar üretirler.

Gördünüz mü? LLM tabanlı sistemlerde, verdiğiniz bilgiler ne kadar kesin ve bağlama uygun olursa, yapay zekanın danışabileceği veri o kadar artar.

Bir sonraki derste, mükemmel prompt (komut) oluşturma formülünü göreceksiniz.