LLM Nedir? Büyük Dil Modelleri Nasıl Çalışır, Klinikler İçin Ne Anlama Gelir?

LLM (büyük dil modeli), çok büyük metin verisiyle eğitilmiş ve bir metinde sıradaki parçanın ne olacağını olasılıkla tahmin ederek yazı üreten yapay zekâ modelidir. ChatGPT, Gemini ve Claude bu modellerin üzerinde çalışır. Klinikler için önemi şu: hastalar sorularını artık bu sistemlere de soruyor ve yanıtın kaynağı, sitenizdeki içeriğe bağlı.

LLM nedir?

LLM, İngilizce large language model ifadesinin kısaltmasıdır; Türkçede büyük dil modeli denir. Google’ın tanımıyla dil modeli, bir token ya da token dizisinin daha uzun bir dizi içinde yer alma olasılığını tahmin eder; LLM ise bunu çok daha fazla parametre ve çok daha geniş bağlamla yapan yeni nesil modeldir.

Token, modelin işlediği en küçük birimdir: bir kelime, kelimenin bir parçası ya da tek bir karakter olabilir. Google’ın örneğinde İngilizce “unwatched” kelimesi “un”, “watch” ve “ed” diye üç parçaya ayrılır; ön ve son ekler ayrı token olabilir. Karakter başına düşen token sayısı dile göre değişir, bu yüzden aynı metin farklı dillerde farklı uzunlukta işlenir.

Olasılık hesabı tek bir kelimeyle sınırlı değildir. Aynı yöntem metin üretmeye, bir dilden diğerine çeviriye ve uzun belgeleri özetlemeye genişletilir.

LLM ile yapay zekâ arasındaki fark

Yapay zekâ en geniş çatıdır; makine öğrenmesi onun bir alt dalı, LLM ise makine öğrenmesiyle eğitilmiş, dile uzmanlaşmış bir model türüdür. Her LLM bir yapay zekâ uygulamasıdır, ama her yapay zekâ bir LLM değildir: görüntü sınıflandıran ya da sayısal tahmin yapan modeller de yapay zekâ çatısı altındadır.

LLM nasıl çalışır?

LLM’ler üç aşamada çalışır: büyük metin verisiyle ön eğitim, belirli işler için ince ayar ve kullanıcının sorusuna token token yanıt üretme. Bugün LLM’lerde en yaygın kullanılan mimari, 2017’de “Attention Is All You Need” makalesiyle tanıtılan Transformer’dır.

1. Ön eğitim: Model, genellikle filtrelenmiş çok büyük bir metin derlemi üzerinde gizlenen ya da sıradaki kelimeyi tahmin etmeyi öğrenir. OpenAI’ye göre bu aşamada metinlere “doğru” ya da “yanlış” etiketi verilmez; model yalnız akıcı dil örnekleri görür. GPT-4 teknik raporu da modeli, bir belgedeki sıradaki token’ı tahmin etmek üzere önceden eğitilmiş Transformer tabanlı model olarak tanımlar.
2. İnce ayar: Genel modeli belirli bir işe uyarlamak için göreve özel örneklerle ek eğitim yapılır. Talimat ayarı, modelin talimatlara uymasını iyileştirir. ChatGPT, insan geri bildirimiyle pekiştirmeli öğrenme (RLHF) yöntemiyle eğitildi.
3. Yanıt üretme: Sorunuz, ardından boşluk gelen bir metin gibi işlenir; model olası devamların olasılığını hesaplar ve yanıtı token token yazar. Google bunu, binlerce token’ı tamamlayabilen bir otomatik tamamlama mekanizmasına benzetir.

Modele “büyük” denmesinin nedeni parametre sayısıdır. Google’a göre Transformer’lar yüz milyarlarca, hatta trilyonlarca parametre içerir ve araştırmalar daha çok parametreli modellerin tutarlı biçimde daha iyi sonuç verdiğini gösterir. Bu ölçek, eğitimi aylar süren ve büyük işlem gücüyle elektrik tüketen bir işe dönüştürür.

Transformer ve dikkat mekanizması

Transformer’ı güçlü kılan öz-dikkat (self-attention) mekanizmasıdır: model her token için “girdideki diğer token’lar bunun anlamını ne kadar etkiliyor?” sorusunu hesaplar. Google’ın örneğinde “Hayvan caddeyi geçmedi, çünkü çok yorgundu” anlamındaki İngilizce cümlede “o” zamirinin caddeyi değil hayvanı gösterdiğini bu mekanizma çözer. 2017 makalesi, mimarinin tekrarlayan ve evrişimli ağlar yerine yalnız dikkat mekanizmasına dayandığını ve daha paralel eğitilebildiğini gösterdi.

Bağlam penceresi nedir?

Bağlam penceresi, modelin tek bir istekte işleyebildiği token sınırıdır; sınır modelden modele değişir ve çıktı için ayrıca bir üst sınır bulunur. Girdi bu sınırı aşarsa OpenAI, metni kısaltmayı, gereksiz bağlamı çıkarmayı ya da girdiyi daha küçük parçalara bölmeyi önerir.

LLM ile arama motoru arasındaki fark

Arama motoru dizine eklediği sayfaları bulup sıralar; saf bir LLM ise eğitim verisinden öğrendiği kalıplarla yeni metin yazar ve kaynağa bakmaz. Bugünkü asistanlar ikisini birleştirir: gerektiğinde web’de arar, bulduğu sayfaları okuyup yanıta bağlantı ekler.

Bunun nedeni eğitim verisinin bir tarihte bitmesidir. ChatGPT’nin 2022’deki ilk sürümü, eğitimi 2022 başında tamamlanan GPT-3.5 serisinden bir modelle çalışıyordu; eğitimden sonra olan biteni model kendi başına bilemez. 2020’de yayımlanan RAG (retrieval-augmented generation, erişimle güçlendirilmiş üretim) çalışması, modelin parametrelerindeki bilgiye dış bir kaynaktan getirilen metni eklemeyi önerdi. Arama özellikli asistanlar da yanıtı yazmadan önce kaynak getirir:

• ChatGPT arama: 31 Ekim 2024’te tanıtıldı. ChatGPT soruya göre web’de aramaya kendisi karar verir ya da kullanıcı arama simgesine tıklar; yanıtta kaynak bağlantıları yer alır.
• Google AI Overviews ve AI Modu: Google, AI Overviews’u arama için özelleştirilmiş bir Gemini modeliyle çalıştırdığını Mayıs 2024’te, AI Modu’nu Gemini 2.0’ın özel bir sürümüyle Mart 2025’te duyurdu. İkisi de alt konulara ve veri kaynaklarına birden çok ilgili arama gönderen “query fan-out” tekniğini kullanabilir.

Bu fark kliniğin görünürlüğünü doğrudan etkiler. Quixify‘ın 3 Ekim 2026’da DataForSEO ile yaptığı 30 soruluk ölçümde markasız 26 yanıtın yalnız 1’inde Quixify geçti; ChatGPT’nin ajans önerilerinin 6’sından 4’ü Google Haritalar verisine dayanıyordu. Aynı ölçümde izlenen 26 Google sorgusunun 22’sinde AI özeti çıktı. Harita verisinin ağırlığı, Google İşletme Profili’ni LLM görünürlüğünün de parçası yapıyor. Platformların farkını yapay zekâ arama motorları rehberimizde karşılaştırdık.

LLM neden yanlış bilgi verir?

LLM’ler halüsinasyon görür: akıcı ve inandırıcı ama yanlış bir ifadeyi kendinden emin biçimde üretebilir. OpenAI’ye göre bunun iki temel nedeni var: ön eğitimde metinlere doğru ya da yanlış etiketi verilmez ve modeller çoğu değerlendirmede “bilmiyorum” demek yerine tahmin yürütmeye teşvik edilir.

OpenAI’nin açıklamasında yazım ve parantez gibi düzenli kalıplar ölçek büyüdükçe hatasız hale gelir; ama bir evcil hayvanın doğum günü gibi seyrek ve rastgele olgular kalıptan tahmin edilemez ve halüsinasyona yol açar. Google da LLM tahminlerinin sık sık hata içerdiğini ve modellerin yanlılık gösterebildiğini sorunlar arasında sayar. OpenAI, ilk ChatGPT duyurusunda modelin soru ifadesindeki küçük farklara duyarlı olduğunu da yazdı: bir ifadede bilmediğini söyleyen model, hafifçe değiştirilmiş soruda doğru cevap verebiliyor.

Klinik için anlamı açık: kliniğinizin adresi, hekim kadrosu, çalışma saatleri ya da hangi tedaviyi verdiği internet ölçeğinde seyrek bilgidir. Bu bilgi her yerde tutarlı değilse model boşluğu tahminle doldurabilir. Sağlıkta yanlış yanıt hem hasta hem klinik için risklidir; güven sinyallerini sağlık sitelerinde E-E-A-T ve YMYL rehberimizdeki gibi kurmak bu yüzden önemlidir.

Bilinen LLM’ler ve nerede karşınıza çıkarlar

Sık anılan dört model ailesi GPT, Gemini, Claude ve Llama’dır; her biri farklı bir şirketin ürünlerinde çalışır.

Bu modellerin bir kısmı yalnız metinle sınırlı değildir. Gemini, Google’ın en baştan çok kipli, yani metin, görsel ve ses gibi farklı veri türlerini birlikte işleyecek biçimde geliştirdiği modeldir; GPT-4 de görsel ve metin girdisi alıp metin üretebilir.

ChatGPT bir LLM midir?

İlk sürümü için evet: OpenAI 2022 duyurusunda ChatGPT’yi, GPT-3.5 serisinden bir modelin insan geri bildirimiyle ince ayarlanmış hali olarak tanıttı. Bugün ChatGPT adı daha çok GPT modelleri üzerinde çalışan sohbet ürününü anlatır; LLM arkadaki modeldir. Ürün, web araması gibi modelin dışındaki araçları da kullanabilir.

Klinikler için pratik sonuç: LLM’lere kaynak olmak

Kliniğin LLM tabanlı asistanlarda doğru anılması için üç şey gerekir: alıntılanabilir içerik, her yerde aynı kurum bilgisi ve taranabilir bir site. Google, AI Overviews ve AI Modu’nda görünmek için ek bir gereklilik ya da özel optimizasyon olmadığını, temel SEO uygulamalarının geçerli kaldığını söyler. Destekleyici bağlantı olabilmek için sayfanın dizine eklenmiş ve snippet ile gösterilebilir olması gerekir; bu özelliklerden gelen tıklamalar Search Console Performans raporunda “Web” arama türü içinde sayılır.

1. Alıntılanabilir içerik: Hastanın sorduğu soruya ilk cümlede net cevap veren, hekimin kontrol ettiği sayfalar. Yöntemi AI Overviews ve ChatGPT’de alıntılanmak yazımızda anlattık.
2. Varlık tutarlılığı: Klinik adı, adres, telefon ve hekim adları sitede, İşletme Profili’nde ve dizinlerde aynı olmalı. Google da İşletme Profili bilgisinin güncel tutulmasını önerir. Ayrıntısı klinikler için entity SEO rehberinde.
3. Taranabilir site: robots.txt taramaya izin vermeli, önemli bilgi metin olarak bulunmalı, sayfalar iç linklerle bulunabilmeli ve yapılandırılmış veri görünür metinle örtüşmeli.
4. llms.txt: Sitenin özetini ve önemli sayfaların bağlantılarını dil modellerine Markdown biçiminde sunmayı öneren açık bir öneridir, resmî bir standart değildir; öneriyi yazanlara göre binlerce site bu dosyayı yayımlıyor. Google ise AI Overviews ve AI Modu için yeni bir makine okunur dosya ya da yapay zekâ metin dosyası gerekmediğini açıkça belirtir. Yani yardımcı bir adımdır, Google görünürlüğünün şartı değildir. Kurulumu llms.txt rehberimizde bulabilirsiniz.

Bu adımları ölçümle birlikte yürütmek GEO (üretken motor optimizasyonu) işinin özüdür. Kliniğe özel uygulama planını klinikler için GEO rehberinde, hizmet kapsamını GEO ve yapay zekâ görünürlüğü hizmetimizde bulabilirsiniz.