Garfield
YZF Admin
Java ile yapay zekâ geliştirmek için önce hangi işi çözmek istediğinizi belirleyin: hazır bir yapay zekâ servisine istek göndermek, kendi verinizle bir model eğitmek veya eğitilmiş bir modeli Java uygulamasında çalıştırmak. Başlangıç için en kısa yol, Java’nın HTTP istemcisiyle bir model API’sine istek gönderip dönen metni uygulamanızda kullanmaktır. Daha sonra ihtiyaç varsa veri işleme, model eğitimi veya yerel çıkarım aşamasına geçebilirsiniz.
Java, tek başına bir yapay zekâ modeli değildir; modelleri çağıran, verileri hazırlayan ve sonuçları uygulamanın iş akışına bağlayan programlama ortamıdır. Kullanılacak yöntem projenin ihtiyacına göre değişir.
Başlangıç projesi için genellikle ilk yöntem daha pratiktir. Ancak API’den alınan yanıt, modelin her zaman doğru olduğu anlamına gelmez; önemli kararlar insan kontrolü ve uygulama içi doğrulamalarla desteklenmelidir.
Aşağıdaki örnek, belirli bir sağlayıcıya bağlı olmayan varsayımsal bir REST uç noktasına metin gönderir. Gerçek projede
Bu kodun çalışması, kullandığınız servisin beklediği JSON alanlarının ve yanıt yapısının
Model çıktısını doğrudan veritabanına yazmak, kullanıcıya kesin bilgi olarak göstermek veya yetkili işlem başlatmak yerine önce doğrulayın. Beklenen çıktı biçimini sınırlayın; örneğin sınıflandırma yapıyorsanız yalnızca izin verilen etiketleri kabul edin. Metin üretimi yapıyorsanız boş yanıt, aşırı uzun yanıt, beklenmeyen komut veya kişisel veri içerip içermediğini kontrol edin.
Küçük bir deneme için birkaç sabit girdiyle beklenen davranışı karşılaştırın. Aynı girdide değişken sonuçlar almanız model üretiminin olasılıksal yapısından kaynaklanabilir; bu durumda uygulama kurallarını model yanıtından ayrı tutun. Üretim aşamasında zaman aşımı, yeniden deneme, kota takibi, günlükleme ve hassas verilerin maskelenmesi gerekir.
Java ile daha ileri bir yapay zekâ projesine geçecekseniz sonraki adım, hedefi ölçülebilir hâle getirmektir: örneğin “müşteri mesajını üç kategoriye ayır” gibi belirli bir görev, örnek veri kümesi ve başarı ölçütü tanımlayın. Böylece API kullanmanın yeterli olup olmadığını veya özel model ve yerel çalıştırma gerekip gerekmediğini somut olarak değerlendirebilirsiniz.
Java ile yapay zekâ kullanmanın üç yolu
Java, tek başına bir yapay zekâ modeli değildir; modelleri çağıran, verileri hazırlayan ve sonuçları uygulamanın iş akışına bağlayan programlama ortamıdır. Kullanılacak yöntem projenin ihtiyacına göre değişir.
| Yöntem | Ne zaman uygundur? | Dikkat edilmesi gereken |
|---|---|---|
| Yapay zekâ API’si | Sohbet, özetleme, sınıflandırma ve metin üretimi gibi işlemlerde hızlı başlangıç için | İnternet bağlantısı, API anahtarı, maliyet ve veri gizliliği dikkate alınmalıdır |
| Hazır modelin Java içinde çalıştırılması | Gecikmeyi azaltmak veya veriyi dış servise göndermemek için | Model dosyası, bellek, işlemci ve uyumluluk gereksinimleri incelenmelidir |
| Kendi modelini eğitmek | Özel ve yeterli büyüklükte etiketli veri bulunduğunda | Veri hazırlama, değerlendirme ve model bakımı gerekir |
Java’dan yapay zekâ servisine istek gönderme
Aşağıdaki örnek, belirli bir sağlayıcıya bağlı olmayan varsayımsal bir REST uç noktasına metin gönderir. Gerçek projede
API_URL, istek gövdesi ve kimlik doğrulama biçimi kullandığınız servisin resmî belgelerine göre değiştirilmelidir. API anahtarını kaynak koduna yazmayın; ortam değişkeninden okuyun.- Java projesini hazırlayın. Java 11 veya daha yeni bir sürümle bir Maven ya da Gradle projesi oluşturun. Örnekte harici kütüphane yerine Java’nın
java.net.http.HttpClientsınıfı kullanılmaktadır. - API adresini ve anahtarı belirleyin.
AI_API_URLveAI_API_KEYadlı ortam değişkenlerini tanımlayın. Anahtar tanımsızsa programın isteği göndermeden anlaşılır bir hata vermesini sağlayın. - İstek gövdesini oluşturun. Kullanıcı metnini JSON içinde gönderin. Kullanıcıdan gelen metni doğrudan Java koduna eklemeyin; yalnızca veri alanında taşıyın.
- HTTP isteğini gönderin.
POSTyöntemi,Content-Type: application/jsonbaşlığı ve sağlayıcının istediği kimlik doğrulama başlığıyla isteği yollayın. - Yanıt durumunu kontrol edin.
2xxdışındaki durum kodlarında yanıtı başarılı kabul etmeyin.401kimlik doğrulama,429hız sınırı veya kota,5xxise çoğunlukla sunucu tarafı sorununa işaret eder. - Yanıtı ayrıştırıp kullanın. JSON içindeki model yanıtı alanını okuyun ve ekranda gösterin ya da uygulamanızın sonraki işlemine aktarın. Ham yanıtı üretim ortamında gereksiz yere günlüğe yazmayın; hassas kullanıcı verileri içerebilir.
Java:
import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
public class AiExample {
public static void main(String[] args) throws Exception {
String url = System.getenv("AI_API_URL");
String apiKey = System.getenv("AI_API_KEY");
if (url == null || apiKey == null) {
throw new IllegalStateException("AI_API_URL ve AI_API_KEY tanımlanmalıdır.");
}
String input = "Java ile yapay zekâ arasındaki ilişkiyi bir cümlede açıkla.";
String json = "{\"input\":\"" + escapeJson(input) + "\"}";
HttpRequest request = HttpRequest.newBuilder()
.uri(URI.create(url))
.header("Content-Type", "application/json")
.header("Authorization", "Bearer " + apiKey)
.POST(HttpRequest.BodyPublishers.ofString(json))
.build();
HttpResponse<String> response = HttpClient.newHttpClient()
.send(request, HttpResponse.BodyHandlers.ofString());
if (response.statusCode() < 200 || response.statusCode() >= 300) {
throw new IllegalStateException("Yapay zekâ isteği başarısız: "
+ response.statusCode());
}
System.out.println(response.body());
}
private static String escapeJson(String value) {
return value.replace("\\", "\\\\")
.replace("\"", "\\\"")
.replace("\n", "\\n")
.replace("\r", "\\r");
}
}
Bu kodun çalışması, kullandığınız servisin beklediği JSON alanlarının ve yanıt yapısının
input örneğiyle aynı olmasına bağlı değildir; bunları sağlayıcının API sözleşmesine göre uyarlamanız gerekir. Yanıt ekranda görünüyorsa ağ bağlantısı, kimlik doğrulama ve temel istek akışı çalışıyor demektir. Bu sonuç, modelin ürettiği bilginin doğru olduğunu kanıtlamaz.Sonucu güvenilir biçimde uygulamaya bağlama
Model çıktısını doğrudan veritabanına yazmak, kullanıcıya kesin bilgi olarak göstermek veya yetkili işlem başlatmak yerine önce doğrulayın. Beklenen çıktı biçimini sınırlayın; örneğin sınıflandırma yapıyorsanız yalnızca izin verilen etiketleri kabul edin. Metin üretimi yapıyorsanız boş yanıt, aşırı uzun yanıt, beklenmeyen komut veya kişisel veri içerip içermediğini kontrol edin.
Küçük bir deneme için birkaç sabit girdiyle beklenen davranışı karşılaştırın. Aynı girdide değişken sonuçlar almanız model üretiminin olasılıksal yapısından kaynaklanabilir; bu durumda uygulama kurallarını model yanıtından ayrı tutun. Üretim aşamasında zaman aşımı, yeniden deneme, kota takibi, günlükleme ve hassas verilerin maskelenmesi gerekir.
Java ile daha ileri bir yapay zekâ projesine geçecekseniz sonraki adım, hedefi ölçülebilir hâle getirmektir: örneğin “müşteri mesajını üç kategoriye ayır” gibi belirli bir görev, örnek veri kümesi ve başarı ölçütü tanımlayın. Böylece API kullanmanın yeterli olup olmadığını veya özel model ve yerel çalıştırma gerekip gerekmediğini somut olarak değerlendirebilirsiniz.