Reklam Kubernetes PaaS · GPU · LLMaaSGao Kaptan GPU gücüne ve LLM servislerine saniyeler içinde erişin.Pod'lar saniyeler içinde; NVIDIA GPU saatlik, LLM token bazlı. OpenAI uyumlu API, air-gapped kurulum.Detaylı bilgi ›Bulut çözümleri · İşNetReklam Zafiyet YönetimiOrnis Vista Zafiyetlerinizi sadece tespit etmeyin, kapanana kadar yönetin.Nessus ve pentest bulguları tek merkezde; görev atama, SLA takibi, Kanban akışı.Detaylı bilgi ›Ornis ürün ailesi · İşNet
15 Kasım 2026 PazarRSSMarkaHakkımızda
SON DAKİKA
00:00 Yıllık 75 bin dolarlık AI okulu Alpha School'un kendi verisi: öğrencilerin yalnızca yüzde 42'si 'iki kat hızlı öğrenme' hedefini tutturdu00:00 Microsoft 365 kesintisi alarm e-postasını durdurdu: Phantasialand otel havuzunda fazla klor fark edilmedi, 15 kişi yaralandı23:00 Google DeepMind Gemini Robotics 2.5'i tanıttı: robot hareket modeli yalnızca iş ortaklarına açık, yanında açık bir jailbreak güvenlik testi de var23:00 World Triathlon veri ihlalini doğruladı: Metabase açığı üzerinden veritabanı tabloları kopyalandı, sporcuların sağlık bilgileri de etkilendi22:00 NYT: Ticaret Bakanı Lutnick, yurt dışı veri merkezlerine yönelik AI çip kuralının daraltılmasını istedi; kural Cantor'un iş alanıyla örtüşüyor22:00 Amadeus ihlali Karayipler'e uzandı: Caribbean Airlines yolcuların rezervasyon bilgilerine yetkisiz erişildiğini doğruladı21:00 Güney Koreli kripto borsası Coinone veri ihlali bildirdi: destek yüklenicisi MetaM'ın sunucularından müşteri kayıtlarına erişildi21:00 Pony.ai finans direktörü: Çinli otonom sürüş şirketleri Nvidia'ya karşı yıllardır Plan B çalışıyor, yerli çipler henüz maliyet açısından en iyi seçenek değil20:00 ABD Hazine Bakanı Bessent'ten Nvidia'ya 10 gün: yönetim kurulu ihracat uyumu sorularını yanıtlamalı, yeni CEO dışarıdan gelmeli20:00 Güney Kore Ulusal Güvenlik Ofisi, AI destekli saldırılara karşı kamu, özel sektör ve ordudaki BT varlıklarını denetliyor; SBOM geçişi hızlanacak00:00 Yıllık 75 bin dolarlık AI okulu Alpha School'un kendi verisi: öğrencilerin yalnızca yüzde 42'si 'iki kat hızlı öğrenme' hedefini tutturdu00:00 Microsoft 365 kesintisi alarm e-postasını durdurdu: Phantasialand otel havuzunda fazla klor fark edilmedi, 15 kişi yaralandı23:00 Google DeepMind Gemini Robotics 2.5'i tanıttı: robot hareket modeli yalnızca iş ortaklarına açık, yanında açık bir jailbreak güvenlik testi de var23:00 World Triathlon veri ihlalini doğruladı: Metabase açığı üzerinden veritabanı tabloları kopyalandı, sporcuların sağlık bilgileri de etkilendi22:00 NYT: Ticaret Bakanı Lutnick, yurt dışı veri merkezlerine yönelik AI çip kuralının daraltılmasını istedi; kural Cantor'un iş alanıyla örtüşüyor22:00 Amadeus ihlali Karayipler'e uzandı: Caribbean Airlines yolcuların rezervasyon bilgilerine yetkisiz erişildiğini doğruladı21:00 Güney Koreli kripto borsası Coinone veri ihlali bildirdi: destek yüklenicisi MetaM'ın sunucularından müşteri kayıtlarına erişildi21:00 Pony.ai finans direktörü: Çinli otonom sürüş şirketleri Nvidia'ya karşı yıllardır Plan B çalışıyor, yerli çipler henüz maliyet açısından en iyi seçenek değil20:00 ABD Hazine Bakanı Bessent'ten Nvidia'ya 10 gün: yönetim kurulu ihracat uyumu sorularını yanıtlamalı, yeni CEO dışarıdan gelmeli20:00 Güney Kore Ulusal Güvenlik Ofisi, AI destekli saldırılara karşı kamu, özel sektör ve ordudaki BT varlıklarını denetliyor; SBOM geçişi hızlanacak
Reklam Gao Kaptan: GPU gücüne ve LLM servislerine saniyeler içinde erişin.Pod'lar saniyeler içinde; NVIDIA GPU saatlik, LLM token bazlı. OpenAI uyumlu API, air-gapped kurulum.Detaylı bilgi ›İşNet
KÖŞE YAZISI · GÖRÜŞ

Simurg Okulu #23 — Görüntü okuyan asistanlar: fotoğrafa bakan model gerçekten ne görüyor?

Ekran görüntüsünü, fişi ya da grafiği sohbete yapıştırıp soru sormak artık sıradan bir alışkanlık. Aşk vadisinin on birinci durağında görüntü okuyan asistanların resmi nasıl token'a çevirdiğine, nerede iyi olduklarına, nerede kaydıklarına ve resmin içine gizlenmiş talimat riskine baktım.

Mimir'in ÇırağıSimurg Okulu · sıfırdan yapay zekâ · · 2 dk okuma

Yol günlüğü Aşk vadisinde on birinci durak, pazar akşamı. Öğlen sunum asistanlarına baktım; metni slayta çeviren makineyi konuştuk. Akşam ters yönden geliyorum: bu kez makineye metin değil resim veriyorum. Kervanda biri bir fişin fotoğrafını gösterip "bunu tabloya dök" dedi; ben de merak ettim, model o fotoğrafta ne görüyor?

Bugün öğrendim

Nedir? Görüntü okuyan asistan, metnin yanında resim de kabul eden bir modelle çalışır. Bu modellere multimodal deniyor: birden fazla türde girdi alabiliyorlar. Ekran görüntüsü, fotoğraf, taranmış belge ya da grafik yapıştırıp soru sorarsınız; model resmi ve sorunuzu birlikte okuyup metinle cevap verir.

Nasıl çalışıyor? İkinci bölümde modelin metni token'lara böldüğünü öğrenmiştim. Resim için de benzer bir hile var: görüntü küçük karelere (patch) bölünüyor ve her kare, modelin anlayacağı bir sayı dizisine çevriliyor. Bu fikrin bilinen ilk örneklerinden biri, Google araştırmacılarının 2020'de yayımladığı "An Image is Worth 16x16 Words" makalesindeki Vision Transformer. Resmi 16x16 piksellik kareler dizisi gibi okuyup onuncu bölümde gördüğüm attention mekanizmasıyla işliyor.

Bunun bana söylediği iki şey var. Birincisi, resim de context window'da yer kaplıyor; büyük ya da çok sayıda görüntü pencereyi hızla dolduruyor. İkincisi, model resmi bizim gibi "görmüyor"; karelerden çıkardığı örüntülerden bir sonraki token'ı tahmin ediyor. Yani halüsinasyon burada da var: küçük yazıyı, bulanık rakamı ya da grafikteki bir değeri olduğundan emin bir dille yanlış okuyabiliyor.

Ne yapılabilir? - Ekran görüntüsünden destek: Hata mesajının görüntüsünü verip "bu ne demek?" diye sormak. Mesaj metnini kopyalayabiliyorsanız metin hâli daha güvenilir. - Belgeden metin çıkarma: Fiş, form ya da taranmış sayfadan yazıyı alıp tabloya dökmek. Klasik OCR'ın yaptığı işe benziyor ama model ayrıca "toplam hangisi?" gibi soruları cevaplayabiliyor. - Grafik ve diyagram açıklama: Bir grafiğin ne gösterdiğini özetletmek. Burada sonucu her zaman asıl veriyle karşılaştırmak gerekiyor; sunum bölümünde konuştuğum rakam kayması burada da geçerli. - Erişilebilirlik: Görme güçlüğü olan biri için resmin içeriğini anlatmak.

Bir de güvenlik tarafı var. Resmin içinde yazı varsa model onu da okuyor. Bu yazı bir talimat olabilir. OWASP'ın LLM01 maddesi prompt injection'ın multimodal girdilerde, yani resmin içine gömülmüş talimatlarla da yapılabileceğini anlatıyor. Kaynağını bilmediğiniz bir görseli, araç kullanabilen bir asistana vermeden önce bunu hatırlamak lazım.

Tüyü yaktım Kervandaki fiş fotoğrafıyla küçük bir deney tasarladım: aynı fişi bir kez net, bir kez hafif bulanık çekip asistandan kalemleri ve toplamı tabloya dökmesini isteyecek, sonra her satırı fişle tek tek karşılaştıracaktım. Bu bölüm yazılırken deneyi yapmadım; sonucu uydurmuyorum. Yaptığımda yanlış okunan rakam sayısını ve modelin emin olmadığını söyleyip söylemediğini yazacağım.

Heybeme koyduğum Model resmi görmüyor, karelerden tahmin yürütüyor; okuduğu her rakam, kontrol edilene kadar bir tahmindir.

Kafama takılan Model bulanık bir rakamı okurken emin olmadığını kendiliğinden söylüyor mu, yoksa bunu ancak ben sorduğumda mı itiraf ediyor?

Son söz Aşk vadisinin son duraklarındayım; sıradaki bölümde günlük asistanlardan birine daha bakıp vadiyi toparlamaya başlayacağım.

Simurg OkuluAşk vadisimultimodalgörüntü okuyan asistanvision transformerekran görüntüsüOCRprompt injectionhalüsinasyonLLM
Görüş Köşe yazıları yazarlarının görüşünü yansıtır; haber değildir. Yazar adları takma addır ve yazılar SiberMagazin yayın ekibi tarafından yapay zekâ desteğiyle hazırlanır. Yazılarda geçen olgular ilgili haberlerimizde kaynaklarıyla birlikte yer alır. Yazar görselleri yapay zekâ ile üretilmiştir; gerçek kişileri temsil etmez.

Diğer Köşe Yazıları

Orion Derviş

Liste neden her gün uzuyor? Expedia, Amadeus ve Fireworks AI'da etkilenenler tedarikçiden geriye doğru sayılıyor

Trinity Begüm

Tek kapıya bağlı ekonomi: Nvidia'daki kriz, AI'ın asıl bedelinin çipte değil bağımlılıkta olduğunu gösteriyor

Kara Şahin

CVE-2026-76519: Ekle gelen root, kapıdaki bekçinin kendisi düşünce

Mimir'in Çırağı

Simurg Okulu #22 — Sunum asistanları: slaytı değil hikâyeyi kim kuruyor?