Akıl Yürüten Yapay Zekalar

1:32DeepSeek de kimsenin duymadığı bir şirket değildi, en az 1 senedir biliniyordu ve son modellerini geliştirmesi 6 milyondan çok daha fazlaya mal oldu. O rakam sadece bir modelinin nihai eğitiminin maliyetiydi. Uygulaması da şu an App Store'da tam 86. sırada.

1:48Chat GPT ise hala en tepede. Ve genel olarak ABD-Çin arasında bir yapay zeka yarışı olsa da sınırlar o kadar keskin değil. O zamanı Rus-ABD uzay yarışında olduğu gibi değil. DeepSeek çünkü açık kaynak.

2:02Bu yüzden bulguları sadece Çin'e yaramıyor, herkese yarıyor. Ee, yapay zeka alanı zaten sansasyonel bir alan. Bu gelişme de ekstra sansasyoneldi. Herkes o yüzden aynı 3-5 kalıbı tekrarladı, tekrarladı.

2:14E ortalık durulunca da işin aslını öğrenemiyorsun. Çünkü bu sefer bir sonraki şeyle meşgul oluyor gündem. Sürekli bir krizden diğerine, bir devrimden diğerine atlıyoruz. İşin komik yanı, gerçekten de ortada büyük ilerlemeler var.

2:26Bugün bunları soğuğu soğuğuna değerlendireceğiz. Teknolojik yeniliklerden ve uluslararası rekabetten bahsedeceğiz. Hiçbir ön bilgi gerektirmiyor bu arada. O uzun yapay zeka serimizi hatırlıyorsanız ne güzel ama şart değil.

2:48Artık hepimiz bu doğal dil modellerine az çok aşinayızdır. Kullanmıyorsanız da azar azar kullanmaya başlayın derim. Bu podcast hala %100 organik tarımla üretiliyor ama araştırma esnasında makale, yazı, video, özetlerken kullanıyorum. Özetle gülüm diyorum, özetliyor.

3:04Bu arada yapay zeka ile de hep kibar kibar konuşuyorum ben. Soru sorarken yapar mısın, eder misin diyorum. Soru işaretini de ekliyorum. Öteki türlü kötü hissediyorum kendimi.

3:13Alışmışım herhalde. Aşağılık kompleksi olan insanların gücü yettiği zaman etrafına kötü davrandığını düşünürüm. Yapay zeka asistanlarına da hepimizin gücü yettiği için bir numaralı kurban bunlar. Hayvanların yerini almışlar bu konuda.

3:26Üstelik düzgün konuşmak, Roko's Basilisk benzeri durumlara karşı da güvence. Bu bir düşünce egzersiziydi. Yani ileride bunlar efendimiz olursa ve bizimkine benzer bir aşağılık kompleksine sahip olurlarsa, chat tarihçelerimize bakarak bizi sonradan yargılayabilirler. Ben kendimi sağlama alıyorum.

3:43Zaten efendi davranmak bedava, hiçbir maliyet yok. Şimdi, yapay zeka serimizden hatırlarsanız, sadece birkaç ay öncesine kadarki en pahalı modeller bile akıl yürütmeyi pek beceremiyorlardı. Ortalama insanın epey altındaydı performansları. Nasıl çalıştıklarını anlayınca da bu gayet beklendik aslında.

4:01Önce bir dünya örnekle eğitilerek kelimeler arasındaki ilişkiler hakkında genel bir bilgi sahibi oluyorlardı. Sonra da kullanım anındaki muhabbetin bağlamına göre o ilişkileri biraz değiştiriyorlar. Örneğin müzik muhabbeti yapıyorsak Queen dendiğinde bunun bir kraliçe değil de müzik grubu olduğunu anlıyorlar bu sayede. Muhabbetin bağlamının bir sonraki kelimeyi etkileme mekanizmasına da attention deniyordu.

4:25Dikkat mekanizması. Bağlam penceresi ne kadar uzarsa bir sonraki kelimeyi de o kadar iyi tahmin ediyor, muhabbet o kadar doğal geliyor bizlere. Dolayısıyla attention artı devasa eğitim eşittir iyi bir muhabbet. Ama bu şekilde bir sonraki kelimeyi tahmin ede ede karmaşık problemleri çözmek mümkün değil.

4:44Tam da öyle problemlerle eğitilmişse belki çözebilir ama genelde takılıp kalıyor. Dünyanın bir modeline sahip değil sonuçta. Dünyanın modeli demek, şeylerin genel olarak nasıl çalıştığını anlamak demek. Biz basit fizik kurallarını biliyoruz dünya ile etkileştiğimiz için.

4:59Örneğin insanların da uçurumdan düşeceğini anlamam için tam da aynı örneklerle eğitilmeme gerek yok. Yani 100 tane insanı uçurumdan atmanıza gerek yok. Masamdan yere düşen kaleme bakarak bir insanın da uçurumdan düşeceğini akıl edebiliyorum mesela. Mevcut yapay zekalar ise, doğal dil modelleri ise sadece kelimeler arasındaki ilişkilerin matematiksel bir temsiline sahipler.

5:20Gerçek dünya hakkında değil. O yüzden de tutarlılık göstermiyorlar. Yahut, ya bir yerde yanlış yaptık sanırım, şu probleme bir daha bakayım diye birkaç adım geri dönüp kendilerini sorgulamıyorlar. Hep ileri, hep bir sonraki kelime o kadar.

5:34Aşırı basit bir örnek düşünelim mesela. Elimizde kaç kitap kaldı? Yapay zeka cevabı tek seferde hesaplamaya çalışıp saçmalıyordu. İnsanlar ne yapıyor adım adım düşünüyorlar.

5:52İlkin, bu devirde kitapçı mı kaldı azizim diyoruz. Eski değerlerimizi bir bir kaybediyoruz. Tamam uzatmayayım. Soruya odaklanalım.

6:00İç seslerim arasında ufak bir tartışma yaşanıyor. 50 kitaptan 40'ı satılırsa geriye 10 tane kalır. 10'da yeni sipariş ettik. Ha o siparişin hemen bize varıp varmadığından emin değiliz ama soruluş biçiminden öyle varsayalım.

6:1310 artı 10, 20 eder. Cevap 20. Bir yapay zekayı da böyle düşünmeye zorlayabilir miyiz? Evet, zorlayabilirsem de epey bir süredir.

6:212022'de Chain of Thought denen bu düşünce zincirleri hakkında makaleler yayınlanmaya başlandı. Onlara göre böyle bir problemi sormadan önce birkaç benzer problemi cevaplarıyla birlikte modele iletirsek, yani sorunun bir parçası olarak o örnekleri de iletirsek, modelin başarı şansı epey artıyordu. Eğitimden bahsetmiyorum bakın. Hali hazırda eğitilmiş bir model var.

6:44Sorumuzla onu doğru yönlendirmekten bahsediyorum. Buna Prompt Mühendisliği de deniyor. Kitap örneğini biraz değiştirip, aynısını bir restoran ve tost için sorabiliriz. Hemen ardından da cevabı verebiliriz.

6:55Doğru cevabı değil, o pek başarılı olmaz. Doğru cevaba ulaşma yöntemini. Böyle bir tane bile referans örnek versek hiç yoktan iyidir. Birkaç tane versek iyice süper.

7:05Hepsi bağlam penceresinin bir parçası oluyorlar. En sonunda da kitap kitapçı sorusunu ekliyoruz, o zaman performans artıyor. Tabii bu aşırı zahmetli. Bir çocuğa her şeyi en baştan öğretmek gibi her farklı soru tipi için aynı süreci tekrarlaman lazım.

7:21Üstelik bu öğrenim kalıcı da değil. Sadece eğitim sürecinde öğrendikleri kalıcı oluyor. Muhabbet esnasında öğrendikleri ise o bağlam penceresiyle sınırlı. GPT çılgınlığı başladığı zaman bu pencere sadece 2000 veya 4000 token'lıktı.

7:35Kabaca 4000 kelime diyelim. 4000 kelime az değil aslında, bütün bu podcast bölümünü 4000 kelimeye sığdırabiliriz. Ama bunun içinde kullanıcının görmediği başka promptlar da var. Yani siz bir soru soruyorsunuz da program ona eklemeler yapıyor.

7:48Kullanıcıya yardımcı olacak cevaplar ver, doğal bir konuşma formatını yürüt, zararlı cevaplardan kaçın, öyle el kol hareketi yapma, müşteri her zaman haklıdır gibi şeyler ekliyor sürekli. Onlardan geri kalan kısım bizim muhabbetimizin içeriğiyle doluyor. Yeni modellerde bu pencere epey uzun. 128 bin.

8:06Genelde Google'ın Gemini'yi 1 milyon. O sayede zaten koca koca kitapları, videoları çat diye yükleyip özetlemesini isteyebiliyoruz. En son kelimeyi seçerken dahi hala ilk kelimeleri hatırlayabiliyor. Onların etkilerini hesaplayabiliyor.

8:20O yüzden de çok isabetli oluyor. Ama nihayetinde sınırlı bir kaynak bu. Dolunca da muhabbetin başında verdiğiniz o akıl yürütme örnekleri unutulup gidecek. O tip sorular tekrar çözülemez hale gelecekler.

8:32Aslında modeli hack ediyoruz bir nevi. Her seferinde de tekrar tekrar hacklememiz lazım. Birileri epey basit bir yöntem bulmuş. Demin anlattığım gibi konuya dair örneklerle uğraşmak yerine herhangi bir sorunun sonuna basitçe adım adım düşünelim kalıbını eklemeyi önermişler.

8:47Sırf bu sayede daha önce hiç görmediği problem tiplerindeki başarı şansı da biraz artıyor modelin. Yine 2022'den bir makale bıraktım açıklamalara. Velhasıl zeka denince aklımıza gelen ilk şeylerden biri olan problem çözme becerisi mevcut modellerde hiç yok değil, var ama kullanışsız ve sınırlı. O yüzden de son birkaç senede yaşanan baş döndürücü gelişmeler bu alana hiç uğramadılar.

9:11Durgunluğu anlatmak için bir örnek yeterli olacaktır sanırım. Görsel bir akıl yürütme testi olan Arc AGI'da insanların ortalama performansı %85. GPT-3'ün skoru 0'du. Hiçbir şey yapamamış.

9:25Zaten görselleri doğal olarak anlamadığı için önce yazıya dönüştürüp soruyorlardı. Hiçbirini çözememişti. Ama görselleri anlayan versiyonların da durumu çok farklı değil. 2024'te çıkan, geçen sene çıkan GPT-4O'nun skoru sadece %5'ti.

9:404 sene içinde 0'dan %5'e gerilebilmiş ancak. Fakat 4O'dan sadece birkaç ay sonra, 4-5 ay sonra görücüye çıkan ve özellikle akıl yürütmek için geliştirilen ilk model olan OpenAI-O1 bu testten 32 puan aldı. Onun bir sonraki modeli olan O3 daha da acayip. Bir sonraki modele O2 demediler bu arada.

10:02Telekom şirketinin ismiyle karışmasın, daha lağlık olmayalım diye. Direkt O3'e atlamışlar. Hemen hemen aynı günlerde, Aralık 2024'te duyurdular. Henüz hiçbir versiyonu halka açık değilken, OpenAI yetkilileri ve ArcAGI yetkililerinin katıldığı bir testte %75'lik skora ulaştı.

10:19Dahası bu, sınırlı hesap gücüyle edinilen bir skor. Çünkü verimlilik de o test kıstaslarından biri. Ama bir de düşük verimlilik klansmanı var. Oradaki model yaklaşık 100 kat daha fazla hesap gücü kullanmış ve o zaman insan performansını yakaladı.

10:33Tarihte ilk defa. Bakın 4 sene boyunca tık yok. Sonraki birkaç ay içinde %5'den 75'e ve 85'e fırlamış. Burada sadece OpenAI modellerinden bahsettim de artık bir sürüsü açık kaynaklı olanlar dahi Arc'ta epey yüksek puanlar alıyorlar.

10:50O yüzden bu sene içinde ikinci versiyonunu çıkaracak Arc, testin ikinci versiyonunu. Mevcut yapay zekalar için çok daha zor olacağını söylüyorlar. Merakla bekliyorum. Yalnız ortalıktaki tek önemli akıl yürütme testi bu değil, bir dolu var.

11:02AIM denen, IMEH diye yazılıyor, ileri düzey bir matematik sınavı var. GPT-4'ün skoru %13'tü. O1 ise yine %75'e çıkmış. Soru başına sadece bir benzer örnek ile eğitilirse, birkaç tane örnek kullanırsa, daha fazla örnekle eğitilirse bu başarı şansı %93'e kadar çıkıyor.

11:21%93 demek matematik olimpiyatlarına katılmaya yeterli bir skor demek. Bir başka deyişle ilk 500 kişi arasına giriyorsun. En son modelden bahsetmiyoruz. Bakın, ilk akıl yürütme modelinden bahsediyoruz.

11:33Bununla birlikte doktora seviyesindeki orijinal, yani internette bulunmayan fizik, biyoloji ve kimya sorularını da çözebiliyorlar. Henüz halka açılmamış en son model ise bir kodlama sınavında dünyadaki en iyi 200 programcının arasına girmiş. Tam olarak rekamlar önemli değil. 200 olmasın, 500 olsun veya 50 olsun, neyse.

11:51Bir önceki nesildeki başarıyla kıyaslamak önemli. O zaman ilk 1 milyon programcının arasındaydı. Önümüzdeki aylarda sürekli benzer haberler duyacağız. Her hafta yeni bir rekor kırılacak neredeyse.

12:03Nasıl ki dil çevirisinde veya chatbot performansında GPT 3.5 ile birlikte bir patlama yaşanmıştı. Şimdi bunun bir benzerini akıl yürütme için yaşıyoruz. Bunun gerçek akıl yürütme olup olmadığı bence o kadar önemli bir tartışma değil.

12:17Aslında ilginç bir tartışma. Yani şöyle diyebiliriz. İnsanların akıl yürütmesi nasıl ki? Ya matriz çarpımı yapmıyoruz da elektrik akılları sağdan sola gidiyor.

12:25Bizim yine daha fazla soyutlama seviyemiz olduğunu düşünüyorum bu tartışmanın içine şimdilik girmeyeyim. Sonuçta biz sadece kendi gerçekliğimizi bildiğimiz için tamam diyelim. Gerçek akıl yürütme insanların yaptığı, bunlarınki bunun bir taklidi. Ama dışarıdan bakılınca artık ayırt edilemez noktaya gelmiş.

13:12Önemli olan bu. Neredeyse insan seviyesindeler, hatta geçip gittiler. İnsan derken bu arada artık ortalama insandan da bahsetmiyoruz. Hani o konunun uzmanlarının seviyesine geldiler.

13:23Peki, son birkaç sene içindeki gelişmelere bakarsak bu ikinci bahara ne sebep oldu? Demin akıl yürütmek için eğitilmiş ilk model derken bununla ne kastediyordum? Ve DeepSeek bu tablonun neresinde? Henüz onlardan bahsetmedik.

13:37Akıl yürütme modellerinin farkı, çat diye tek seferde cevap vermeye çalışmak yerine kendi kendilerine uzun düşünce zincirleri üreterek cevaba ulaşmaları. Temel mekanizma halen aynı aslında. Yani hala bir sonraki kelimeyi tahmin eden bir sinir ağı var elimizde. Ama o tahmin için kullandığı bağlamı kendi kendini zenginleştirebiliyor.

13:58Problemi ufak parçalara ayırıyor konuşa konuşa ve konuştukça o parçaları çözmesi kolaylaşıyor. Müthiş bir şey çünkü gevezelik miktarı değişken ayarlanabiliyor. Eskiden bir modelin performansını belirleyen şey ölçekti. Değişik şekillerde ölçekti.

14:13Model ne kadar büyük? Kaç tane bağlantı ayarı var? Bağlam penceresi ne kadar büyük? Eğitim materyali ne kadar büyük?

14:21Hepsi ölçek. Hepsi de önceden belli. Yani tasarım esnasında belirliyorsun, artık kullanılıma sunduğunda değişmiyor. Şimdi daha dinamik bir parametre var.

14:30Düşünme süresi. Aynı model, kullanım esnasında daha uzun süre sesli düşünmeyi seçebilir. Chatbot olarak kullanılan bir yapay zekada bu düşünme süresi hep kısa olmak zorunda. Hep anında cevap vermek zorunda, muhabbet aksın diye.

14:43Ama problem çözücüler için böyle bir kısıt yok. Dakikalarca kendi kendilerine konuşarak, yani bağlamı zenginleştirerek, farklı farklı yollar deneyebilirler. Süper bir şey aslına bakarsanız. Geliştiriciler için de süper.

14:56Adım adım akıl yürütme yaparken hangi adımda patladığını görebiliyorsun. Bu sayede debugging veya yeniden eğitim mümkün. Nasıl eğitelim ki bu hatayı bir daha yapmasın? Peki nasıl eğitilmişler?

15:07İşe eski modellerle başlıyorlar, sıfırdan başlamıyorlar. Sonuçta her şeyden önce modelin konuşabilmesi lazım, dili kullanabilmesi lazım. O baz modelin üstüne akıl yürütme örnekleriyle bir cila çekiliyor. Sorun şu ki, bu çok pahalı.

15:21Normal bir dil eğitimi kolay. İnternette her şey yazılı ve her metni bir sonraki kelimeyi tahmin etmek için bir referans kaynağı olarak kullanabilirsin. Hiçbir insana gerek yok. Anca o eğitimleri yaptıktan sonra insanları getiriyorsun, bu cevabı tercih ederim, bu biraz daha yardımcı diye ince ayar çekiyorsun.

15:39Ama problem çözmek için kullanabileceğin öyle devasa metinler yok. Kimse oturup bunları yazmamış ki uzun uzun. Veya ancak belli problem tipleri için yeterince vardır materyal. İnsanlara oturup tek tek yazdırman lazım çözümleri.

15:51Kimse bunu yapmayacak ki. Burada reinforcement learning devreye giriyor. Bir şeyin nasıl yapılacağını anlatmadan sadece sonunda başarılı olup olmadığını söyleyerek modelin kendi kendini geliştirmesine dayalı. Satranç gibi oyunları anlatırken bahsetmiştik bundan.

16:07Çünkü öyle durumlar için biçilmiş kaftan. Bir hamle seçiyor yapay zeka. 10 hamle sonrasında daha avantajlı bir duruma geldin mi gelmedin mi biliyorsun. Veya en sonunda oyunu kaybedip kaybetmediğini biliyorsun.

16:18O geri bildirimi kullanarak o hamlenin doğru bir karar olup olmadığını öğreniyor sistem. Ve ona göre kendini değiştiriyor. Bazen rastgele yeni şeyler de deniyor. Farklı ihtimalleri keşfediyor yani.

16:29Bazen de genelde işe yaradığını bildiği yöntemleri tekrarlıyor. Satrançta rock yapmak gibi mesela. Buna da exploit deniyor. Explore ile exploit arasında bir denge var.

16:38Ona göre oyunlar oynayıp her seferinde kendini biraz daha geliştiriyor, değiştiriyor. Hiçbir insan müdahalesine gerek olmadan. Bunu akıl yürütme için nasıl yapabiliriz? Felsefi, paradoksları filan bu şekilde öğrenemez de orada insanlarca yazılmış metinleri okumak zorunda.

16:53Ama sonucu belli olan matematik sorularını, mantık sorularını kendi kendine çözmeye çalışabilir. Önünde bir takım olası hamleler var, olası akıl yürütme metodları var. Bazılarının genelde işe yaradığını öğrenecek, bazen de biraz keşfe çıkacak, yeni yeni yöntemler deneyecek, çoğu bir işe yaramayacak. Böyle böyle bir sürü örnek çözdükçe model akıl yürütmeyi öğreniyor.

17:14Ve gördüler ki kendi kendine konuşmasını arttırıyor model. Yani ara adımları uzadıkça karmaşık problemleri çözme kabiliyeti artıyor. Gevezelik etmesini eğitim sırasında öğrenmiş. Bu yaklaşım tabii ki prensip olarak biliniyordu da şeytan detaylarda gizli, tam olarak o ödül cezayı nasıl ayarlayacaksın, kullandıkları bir takım fonksiyonlar var, onların iyisini bulmuşlar.

17:35Buraya kadar anlattığım her şeyi OpenAI'ın O1 modeli yapabiliyordu ve dediğim gibi bu konuda öncüydüler fakat akıl yürütme süreci dışarıya neredeyse tamamen kapalı. Sadece en sonunda doğru cevabı veriyor ve onunla birlikte kullandığı düşünce zincirinin bir özetini sunuyor kullanıcıya ama ara adımları kendine saklıyor. Bu OpenAI'nin bilinçli bir kararı. Modelin çalışma prensibini rakiplerinin öğrenmemesi için böyle yapmayı seçmişler.

18:00Zaten adının aksine şirkette açık olan hiçbir şey yok, her şey gizli saklı. Böyle olunca da yaptıkları şeyin ne kadar müthiş olduğunu benim gibi düz kullanıcılar pek anlamadılar. En azından ben anlamamıştım. Öf yeni bir model işte diye geçiştirmiştim, çok da dikkat etmemiştim.

18:14İşte DeepSeek'in bu kadar büyük etki yaratmasının ilk sebebi bu konudaki şeffaflığıydı. Bütün akıl yürütme sürecini görüyorsun kullanıcı olarak. Daha önce hiç yapılmamış bir şey yapmadılar yani. Sadece daha önce hiç görülmemiş bir şeffaflıkla yaptılar onu.

18:28Üstelik performansı da aynı, hatta daha iyiydi. Etkinin ikinci sebebi de ucuzdu. Burada sıkça dile getirdikleri 6 milyon dolar, 5.5 milyon dolar tamamen yanıltıcı figürler.

18:38Yine de benzer bir sistemi kurmak rakiplerine göre ucuz. Demek ki eğitim kısmında bir yenilik yapmışlar. Dahası kurulu bir sistemi kullanması da ucuz. İşin hesap kitap kısmında da bir yenilik olmalı.

18:50Normalde kullanıcılar ne yapıyorlar? Open AI gibi bir sisteme web arayüzünden bağlanıp konuşuyorsun yahut bir sürü programlar yazılmış API üstünden sistemle konuşuyorlar arka planda. İki durumda da sisteme ilettiğin veya oradan aldığın kelime başına para ödüyorsun. Bedava kullanım da mümkün tabii ama ileri modelleri ciddi biçimde kullanacaksan para veriyorsun.

19:10Çünkü sistemi her çalıştırdığında bir dünya hesap kitap yapıyor arkada. O akıl yürütme cümlelerinin her birinin ardında bir sürü çarpım var. Su yakmıyor alet. DeepSeek'in kullanımı ise 10 kat daha ucuzdu.

19:22Hatta duruma göre daha da fazla. Demek ki o alanda da yenilikler yapmışlar. Son olarak da tüm bu yenilikleri herkesle paylaştılar. Bütün teknik detayları sundular.

19:31Böylece sadece kullanımı şeffaf değil, kurulumu da şeffaf oldu. İsteyen bizi kullansın, bu kadar işe yarayan bir sistemin daha ucuzunu zaten bulamazsınız ama Çinli minni diye güvenmeyen olursa da isteyen aynısını kendisi kursun kardeşim, denesin görsün. Dolayısıyla akıl yürütme şeffaflığı, ucuzluk, ucuzluğa yol açan verimlilik ilerlemeleri ve açık kaynak yaklaşım hep birlikte ciddi bir şok oldu sisteme. Bu noktada akıl yürütme modellerinin genel olarak ne yaptıklarını, kısa zamanda kaydettikleri ilerlemeleri, nasıl eğitildiklerini ve DeepSeek'in neden meşhur olduğunu anladık.

20:07Bundan sonra getirdikleri teknik yeniliklere biraz daha yakından bakmak istiyorum. Sonra da birkaç adım geriye çekilip stratejik mercekten bakarız. Nvidia neden bu kadar darbe aldı? Şu ana kadar söylediğimiz hiçbir şey bunu açıklamıyordu.

20:19500 milyar dolarlık Stargate projesi nedir? Balon mu? Bunlara bakarız ama kafamız tazeyken bakalım. O yüzden bir sonraki bölümde halledeceğiz.

20:27Unutmadan ikinci kitabımız da çıktı. İsmi Fularsız Felsefe 4 Önemli Mesele. Bayinizden ısrarla isteyin. Aslında şimdilik fazla ısrar etmeyin, yakasına yapışmayın çünkü ön satışta.

20:39Mart ayının ortası itibariyle kitapçılarda ne zaman olacağını ben bu hafta öğrenmeye çalışacağım. Ondan sonra bayinizi derlersiniz. E-Kitap, Sesli Kitap bunlar da gelecek. Yalnız önce Patreon destekçilerine gelecekler.

20:53Geneli açmam için biraz süre geçmesi lazım anlaşma gereği. Haberlerimiz böyle. Hepinize iyi pazarlar dilerim. Devam bölümünde görüşmek üzere.