Akıl Yürüten Yapay Zekalar

Merhaba Foularsızlar, yaklaşık 1,5 ay önce borsalardan 1,5 milyon dolarlık değer serinip gitmişti. Bu kaybını yarısından fazlasıda tek bir şirket ay etti, en videoya, bir gün içinde 600 milyar dolar kaybederek bu alanı bir rekor kırdılar. Paniye sebep olan şey adını daha önce kimsenin duymadığı çinli bir şirketti. Deepseek, App Store'daki bir numaralı uygulama oldu ve yapay zeka alanında Amerikan teknoloji devlerinin üstündüğünü tamamen bitirde Çin'in devrini başlattı hem de sadece 6 milyon dolar harcayarak. Teknoloji haberlerini takip edenler bu özettin 3-5 yukarı aynısını duymuşlardır defalarca. Takip etmeyenler de üzülmesinler çünkü söylediğim her şey ya eksik ya da yanıtıcıydı. Bir trilyon dolar öyle buhar olup uçmadı, borçlalar öyle çalışmıyorlar çünkü. En videonun hissefiyatı düştü ama 3 hafta içinde eski haline döndü. Deepseek'te kimsenin duymadığı bir şirket değildi. En az bir senedir biliniyordu ve son modellerini geliştirmesi altı milyondan çok daha fazla hemal oldu. Orakam sadece bir modelinin nihayı eğitiminin maliyetiydi. Uygulaması da şu an Epstor'da tam 86. sırada çatçı pt ise hala entepede. Ve genel olarak ABD Çin arasında bir yapay zeka yarış olsa da sınırlar o kadar keskin değil. O zaman Rus ABD uzay yarışında olduğu gibi değil. Deepseek çünkü açık kaynak. Bu yüzden bulguları sadece Çin'e yaramıyor. Herkese yarıyor. Eee yapay zeka alanı zaten sensasyonel bir alan bu gelişme de ekstra sensasyoneldi. Herkes o yüzden aynı 3-5 kalıbı tekrarladı tekrarladı ve ortalık duruluğunca da işin aslını öğrenemiyorsun. Çünkü bu sefer bir sonraki şeyle meşgul oluyor günden. Sürekli bir krizden diğerine bir devrimden diğerini atlıyoruz. İşin komik yana gerçekten de ortada büyük ilerlemeler var. Bugün bunları soğuğu soğuğuna değerlendireceğiz. Teknoloji kendiklerden ve uluslar arası rekabetten bahsedeceğiz. Hiçbir ömbelki gerektirmiyor bu arada. O uzun yapay zeka sereyimize hatırlıyorsanız ne güzel ama şart değil. Artık hepimiz bu doğal değil modellerini az çok aşınayızdır. Kullanmıyorsanız da azar azar kullanmaya başlayın derim. Bu podcast hala %100 organik tarımla üretiliyor ama araştırma esnasında makhali yazı video özetlerken kullanıyorum. Özetlik gülüm diyorum özetliyor. Bu arada yapay zeka ile de hep kibar kibar konuşuyorum ben. Soru sorarken yapar mısın, edermişsin diyorum. Soru işaretinde ekliyorum. Öteki türlü kötü hissediyorum kendimi. Alışmış merakdı. Aşağılık kompleksi olan insanların gücü yettiği zaman etrafına kötü davrandığını düşündürüm. Yapay zeka asistanlarına da hepimizin gücü yettiği için bin numaralı kurban bunlar. Hayvanların yerine almışlar bu konuda. Üstelik düzgün konuşmak rohkoz beselesik benzeri durumlara karşıla güvence. Bu bir düşünce egzersizydi. Yani ileride bunlar efendimiz olursa. Ve bizimkine benzer bir aşağılık kompleksine sahip olursa. Çet tarihçelerimize bakarak bizi sonradan yargılayabilirler. Ben kendimi sağlamı alıyorum. Zaten efendiyi davranmak bedava hiçbir maliyet yok. Şimdi yapay zeka serimizden hatırlarsanız. Sadece birkaç ay öncesine kadar ki en pahalı modeller bile akıl yürütmeyi pek beceremiyorlardı. Ortalama insanın ep epeği altındaydı performansları. Nasıl çalıştıklarını anlayınca da bu gayet peklendik aslında. Önce bir dünya örnekle eğitilere kelimeler arasındaki ilişkiler hakkında genel bir bilgi sahibi oluyorlardı. Sonra da kullanım anındaki muhabbetin bağlamına göre o ilişkileri biraz değiştiriyorlar. Örneğin müzik muhabbeti yapıyorsak kuyinden deyinde bunun bir kraliçe değil de müzik grubu olduğunu anlıyorlar bu sahede. Muhabbetin bağlamının bir sonraki kelimeyi etkileme mekanizmasına da etençinden yordu. Dikkat mekanizması. Bağlam pencerisine kadar uzarsa bir sonraki kelimeyi de o kadar iyi tahmin ediyor muhabbet o kadar doğal geliyor bizlere. Dolayısıyla etençin artı devasa eğitim eşittir iyi bir muhabbet. Ama bu şekilde bir sonraki kelimeyi tahmini edey de karmaşık problemleri çözmek mümkün değil. Tam 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 dünyayla etkileştiğimiz için. Örneğin insanların da uçurundan düşeceğini anlamam için tam da aynı örneklerle eğitilmeme gerek yok yani 100 tane insanı uçurundan atmanza gerek yok. Masamdan yere düşen kaleme bakarak bir insanın da uçurundan düşeceğini akıl edebiliyorum mesela. Mevcut yapay zekalar ise, doğal dil modeller ise sadece kelimeler arasındaki ilişkilerin matematiksel bir temsiline sahipler. Gerçek dünya hakkında değil o yüzden de tutarlalık göstermiyorlar. Yağut 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. Aşırı basit bir örnek düşünelim mesela bizim için, bir kitapçımız olsun, depomuzda 50 tane kitap var, kırkını sattık, stocklarımız azaldığı için de 10 tane yeni kitap aldık. Elimizde kaç kitap kaldı? Yapay zeka cevabı tek seferde hesaplamaya çalışıp saçmalıyordu. İnsanlar ne yapıyor adım adım düşünüyorlar. İlkün bu devirde kitapçımı kaldı az izim diyoruz. Eski değerlerimizi bir, bir kaybediyor tamam uzatmayayım. Soruyu odaklanalım, iç seslerim arasında ufak bir tartışmaya yaşadıyor. 50 kitaptan kırkı satılırsa, geriye 10 tane kalır, 10 da yeni sipariş ettik. Ha o siparişin hemen bize varıp varmadığından emin değiliz. Ama soruluş biçiminden öyle varsa yalım, 10 artı 10, 20 eder cevap 1 mi? Bir yapay zekayı da böyle düşünmeye zorlayabilir miyiz? Evet zorlayabilir, sen de epeği bir süredir. 2022'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 epeği artıyordu. Eğitimden bahsetmiyorum bakın, hali hazır da eğitilmiş bir model var. Sorumuz da 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. Doğru cevabı değil, o pek başarılı olmaz. Doğru cevabı ulaşma yöntemini. Böyle bir tane bile referans örnek versek, hiç yoktan iyidir, birkaç tane versek iyice süper. Hepsi bağlant penceresinin bir parçası oluyorlar. En sonunda da kitap kitapçı sorusunda ekliyoruz, o zaman performans artıyor. Tabi bu aşırı zahmetli, bir çocuğa her şeyi en baştan öğretmek gibi, her farklı soru tipi için aynı süreci tekrarlaman lazım. Üstelik bu öğrenim kalıcı da değil. Sadece eğitim sürecinde öğrendikleri kalıcı oluyor. Muhabbet esnasında öğrendikleri ise bu bağlant penceresiyle sınırdı. GPT çılgını başladı, zaman bu pencere sadece 2000 veya 4000 to kınlıktı. Kabacı 4000 kelime diyelim. 4000 kelime ağız değil aslında bütün bu podcast bölümünü 4000 kelimeye sıldırabiliriz. Ama bunun içinde kullanıcının görmediği başka promptlarda var. Yani siz bir soru soruyorsunuz da program ona eklemeler yapıyor. Kulanıcı'ya yardımcı olacak cevaplar var. Doğal bir konuşma formatını yürüt, zararlı cevaplardan kaçın öyle elkol hareket yapma müşteri her zaman hakkıdır gibi şeyler ekliyor sürekli. Onlardan geri kalan kısım, bizim muhabbetimizin içeriyle doluyor. Yeni modellerde bu pencere LP uzun 128.000 genelde Googleın Cemina'yı 1 milyon. O sayede zaten koca koca kitapları videoları çat diye yükleyip özetlemesini isteyebiliyoruz. En son kelimeyi seçerken dayı hala ilk kelimeleri hatırlayabiliyor. Onların etkilerini hesaplayabiliyor, o yüzden de çok hisabetli oluyor. Ama nihayetinde sınırlı bir kaynak bu. Doğunca da muhabbetin başında verdiğinizi o akıl yürütme örnekleri unutulup gidecek. O tip sorular tekrar çözülemez hale gelecekler. Aslında modeli hek ediyoruz bir nevi. Her seferinde de tekrar tekrar heklememiz lazım. Birileri LP basit bir yöntem bulmuş. Demin anlattığım gibi konuya dair örneklerle uğraşmak yerine herhangi bir sorunun sonuna basitçe adım adım düşünelim kalıbunu eklemeyi önermişler. Sırf bu sayede daha önce hiç görmediği problem tiplerindeki başarı şansıda biraz artıyor modelin. Yine 2022'den bir makale bıraktım açıklamaları. Lelasıl. Zeka derince aklımıza gelen ilk şeylerden biri olan problem çözme becerisi, mevcut modellerde hiç yok değil var ama kullanışsız ve sınırlı. O yüzden de son birkaç sene de yaşanan baş döndürcü gelişmeler bu alanı hiç uğramadılar. Durgunluğu anlatmak için bir örnek yeterli olacaktır sanırım. Görsel bir akıl yürütme testi olan ARK-AGI'de insanların ortalama performansı %85. GPT3'ün skoru sıfırdı. Hiçbir şey yapamamış. Zaten görselleri doğal olarak anlamadığı için önce yazıya dönüştürüp soruyorlardı. Hiçbirini çözememişti. Ama görselleri anlayan versiyonlarında durmuş o farklı değil. 2024'te çıkan geçen sene çıkan GPT410'un skoru sadece %5'de. 4 sene içinde sıfırdan %5'e gelinebilmiş ancak. Fakat 4 odan sadece birkaç ay sonra. 4-5 ay sonra görücüye çıkan ve özellikle akıl yürütmek için geliştirilen ilk model olan OPEI, O1 bu testen 32 poan aldı. Onun bir sonraki modeli olan O3 daha da acayip. Bir sonraki modeli O2 demediler bu arada telekom şirketin ismiyle karışmasın daha vallık olmayalım diye direkt O3'e atlamışlar. Hemen hemen aynı günlerde aralık 2024'da duyurdular. Henüz hiçbir versiyonu halkı açık değilken OPEI'ya yetkilleri ve ARC-AGI'ya yetkilerinin katıldı bir teste %75'lik skora ulaştı. Daha bu sınırlı hesap gücüyle edinilen bir skor. Çünkü verimlilik de o test kıstaslarından biri. Ama bir de düşük verimlilik klandsmanı var. Oradaki model yaklaşık 100 kat daha fazla hesap gücü kullanmış ve o zaman insan performansını yakaladı. Tarihte ilk defa. Bakın 4 sene boyunca tık yok. Sonraki birkaç ay içinde %75'e ve 85'e fırlamış. Burada sadece OPEI modellerinden bahsettim de artık bir sürüsü. Açık kaynaklı olanlar dahi ARC'da EPE yüksek puanlar alıyorlar. O yüzden bu sene içinde 2. versiyonunu çıkaracak ARC, testin 2. versiyonunu mevcut yapay zekalar için çok daha zor olacağını söylüyorlar. Merak ile bekliyorum. Yalnız ortalıkdaki tek önemli akıl yürütme testi bu değil. Bir dolu var. E'm denen A'yı meh diye yazılıyor. İleri düzey bir matematik sınavı var. GPT 4'ün sukoru %13. O bir ise yine %75'e çıkmış. Soru başına sadece bir Benzer örnek ile eğitilirse. Birkaç tane örnek kullanırsa daha fazla örnek ile eğitilirse bu başarı şansı %90'a kadar çıkıyor. %93 demek matematik olimpiyatlarına katılmaya yeterli bir sukor demek. Bir başka değişti. İlk 500 kişi arasına giriyorsun. En son modelden bahsetmiyoruz. Bakın ilk akıl yürütme modelinden bahsediyoruz. Bununla birlikte doktora seviyesindeki orijinal yani internet'ta bulunmayan fizik bioloji ve kimya sorularında çözebiliyorlar. Henüz halkı açılmamış en son model ise bir kodlamasında dünyadaki en iyi 200 programcın arasına girmiş. Tam olarak rekamlar önemli değil. Yani 200 olmasın, 500 olsun veya 50 olsun neyse. Bir önceki nesildeki başarı ile kıyaslamak önemli. O zaman ilk 1 milyon programcınlarasındaydı. Önümüzdeki aylarda sürekli benzer haberler duyacağız. Her hafta yeni bir rekor kırılacak neredeyse nasıl ki değil çevresinde veya chatbot performansında GPT 3.5 ile birlikte bir patlama yaşanmıştı. Şimdi bunun bir benzerini akıl yürütme için yaşıyoruz. Ha bunun gerçek akıl yürütme olup olmadı bence o kadar önemli bir tartışma değil. Aslında ilginç bir tartışma yani şöyle diyebiliriz. İnsanların akıl yürütmesini nasıl ki. Ya matres çarpımı yapmıyoruz da elektrik akıllarızlardan sonra gidiyor. Bizim yine daha fazla soyutlama seviyemiz olduğunu düşünüyorum. Bu tartışmanı içine şimdilik girmeyeyim. Sonuçta bir sadece kendi gerçekliğimizi bildiğimiz için tamam diyelim. Gerçek akıl yürütme insanların yaptı. Bunların ki bunun bir takledi. Ama dışarıdan bakılınca artık ayır dedilemez noktaya gelmiş önemli olan bu. Neredeyse insan seviyesinde rahat da geçip gittiler. İnsan derken bu arada artık ortalama insanlandan da bahsetmiyoruz hani o konunun uzmanlarının seviyesine geldiler. Peki son bir kaç sene içindeki gelişmelerine bakarsak bu ikinci bahara ne sebep oldu. Demin akıl yürütmek için eğitilmiş ilk model derken bununla ne kast ediyordum. Ve diyip sık bu tablolunun neresinde henüz onlardan bahsetmedik. İş sanat sahnesi şubat ayında gremi ödüldü, kremara atabaltika ve stradaşı pianist Luka Debarga ağırlıyor. Bah'tan mozarta uzanan büyüleyici müzik yolculuğu 19 şubat perşem bakşamı iş kuleleri salunun da biletler bileti ise. Akıl yürütme modellerinin farkı çat diye tek seferde cevap vermeye çalışmak yerine. Kendi kendilerine uzun düşünce zincirleri üreterek cevabı ulaşmaları. Temel mekanizmi halen aynı aslında yani hala bir sonraki kelimeyi tahmin eden bir sinir ağvar elimizde ama o tahmin için kullandığı bağlamı kendi kendini zenginleştirebiliyor. Problemi ufak parçaları ayırıyor konuşa konuşa ve konuştukça o parçaları çözmesi kolaylaşıyor. Mütiş bir şey çünkü gevezelik miktarı değişken ayarlanabiliyor. Eskiden bir modelin performansını belirleyen şey ölçekte değişik şekillerde ölçekte model ne kadar büyük. Kaç tane bağlantayar var, bağlant pencerisi ne kadar büyük, eğitim materyalı ne kadar büyük. Hepsi ölçek, hepsi de önceden belli. Yani tasarım esnasında belirliyorsun, artık kullanılma son duunda değişmiyor. Şimdi daha dinamik bir parametre var. Düşünme süresi. Aynı model, kullanı mesnasında daha uzun süresesi düşünmeyi seçebilir. Çet bot olarak kullanılan bir yapay zekada bu düşünme süresi kısı olmak zorunda. Hep anında cevap vermek zorunda muhabbet aksın diye. Ama problem çözücüler için böyle bir kısıt yok. Daki kalarca kendi kendilerine konuşarak yani bağlamı zenginleştirerek farklı farklı yollar deneyebilirler. Süper bir şey aslında bakarsanız geliştirciler içinde süper. Adım adım akıl yürütmeye parken hangi adımda patladığını görebiliyorsun bu sayede debugging veya yeniden eğitim mümkün. Nasıl eğitelim ki bu hatayı bir daha yapmasın. Peki nasıl eğitilmişler? İşe eski modellerle başlıyorlar, sıfırdan başlamıyorlar. Sonuçta her şeyden önce modelin konuşabilmesi lazım, dili kullanabilmesi lazım. O bazı modelin üstüne akıl yürütme örneklerle bir cilah çekiliyor. Sorun şu ki, bu çok bağlı. Normal bir dil eğitimi kolay, internet de 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. Ama problem çözmek için kullanabileceğin öyle devasa metinler yok. Kimse oturup bunları yazmamış ki uzun uzun. Baya ancak belli problem tipleri için yeterince vardır materyel. İnsanlara oturup tek tek yazdırman lazım çözümleri. Kimse bunu yapmayacak ki. Burada reinforcement learning devreye giriyor. Bir şey nasıl yapılacağını anlatmadan, sadece sonunda başarılı olup olmadığını söyleyerek, modelin kendi kendini geliştirmesine dayılı. Satranç gibi oyunları anlatırken bahsetmiştik bundan. Çünkü öyle durumlar için bir çilmiş kaffadan. Bir hamle seçiyor yapayacak ya, 10 hamle sonrasında daha avantajlı bir duruma geldin mi gelmedi mi biliyorsun veya en sonunda oyunu kaybedip kaybetmediğini biliyorsun. O geri bildirme kullanarak, o hamlenin doğru bir karar olup olmadığını öğreniyor sistem. Ve ona göre kendini değiştiriyor. Bazen ras gele yeni şeyler de deniyor. Farklı ihtimalleri keşf ediyor yani. Bazen de genelde işe yaradığını bildiği yöntemleri tekrarlıyor. Satranç da rock yapmak gibi mesela, buna da exploit deniyor. Explorer ile exploit arasında bir denge var. Ona göre oyunlar oynayıp her seferinde kendini biraz daha geliştiriyor, değiştiriyor. Hiçbir insan müdahalesine gerek olmadan. Bunu akıl yürütme için nasıl yapabiliriz? Ferssefi, paradoksları filan bu şekilde öğrenemez de. Orada insanlarca yazılmış, metinleri okumak zorunda. Ama 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 keşfet çıkacak, yeni yeni yöntemler deneyecek, çoğu bir işe yaramayacak. Böyle böyle bir sürü örnek çözdükçe, model akıl yürütmeyi öğreniyor. Ve gördüler ki, kendi kendine konuşmasını arttırıyor model. Yani ara adımları uzadıkça karmaşık problemleri çözme kabiliyete artıyor. Gevezelik etmesini eğitim sırasında öğrenmiş. Bu yaklaşım tabii ki, prensip olarak biliniyordu da şeytan detaylarda gizli, tam olarak ödül cezayı nasıl ayarlayacaksın, kullandıkları bir takım fonksiyonlar var, onların iyisini bulmuşlar. Buraya kadar anlattığım her şeyi, OP'un A'yı'n o bir modeli yapabiliyordu. Ve dediğim gibi bu konuda öncüydüler, fakat akıl yürütme süreci dışarıya neredeyse tamamen kapalı. Sadece en son da doğru cevabı veriyor ve onunla birlikte kullandığı düşünce zincirinin bir özetini sunuyor kullanıcı. Ama ara adımları kendine saklıyor. Bu OP'un A'yı'n bilinçli bir karar. Model'in çalışma prensibini rakiplerini öğrenmemesi için böyle yapmayı seçmişler. Zaten adının aksine şirkette açık olan hiçbir şey yok her şey gizli saklı. Böyle olunca da yaptıkları şey ne kadar müthiş olduğunu benim gibi düz kullanıcılar pek anlamadılar. En azından ben anlamamıştım. Öfkenin bir model işte diye geçiştirmiştim, çok da dikkat etmemiştim. İşte Deep Seek'in bu kadar büyük etki eratmasının ilk sebebi bu konudaki şeffaflıydı. Bütün akıl yürütme sürecini görüyorsun kullanıcı olarak. Daha önce hiç yapılmamış bir şey yapmadılar yani. Sadece daha önce hiç görülmemiş bir şeffaflıkla yaptılar onu. Üstelik 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. Yine de benzer bir sistemi kurmak, rakiplerine göre ucuz. Demek ki eğitim kısmında bir yenilik yapmışlar. Daha sonra kurulu bir sistemi kullanması da ucuz. İşin hesap kitap kısmında da bir yenilik olmalı. Normalde kullanıcılar ne yapıyorlar? Open AI gibi bir sisteme, web ara yüzünden bağlanıp konuşuyorsun. Yaut bir sürü programlar yazılmış, apya üstünden sistemle konuşuyorlar arkapilanda. İki durumda da sisteme ilettiğin veya oradan aldığın kelime başına para ödüyorsun. Bedava kullanımda mümkün tabii ama ileri modelleri ciddi biçimde kullanacaksan para veriyorsun. Çünkü sistemi her çalıştırdığını bir dünyaya hesap kitap yapıyor arkada. O akıl yürütme cümlelerinin her birinin ardında bir sürü çarpın var. Suyak müaleti. Deepseek'in kullanımıysa 10 kat daha ucuzdu, hatta durma göre daha da fazla. Demek ki o alanda da yenilikler yapmışlar. Son olarak da tüm bu yenilikleri herkesle paylaştılar. Bütün teknik detayları sundular. Böylece sadece kullanımı şefaf değil, kurulumu da şefaf oldu. İsteyen bizi kullansın bu kadar işe yarayan bir sistemi daha ucuzunu zaten bulamazsınız ama Çinli minni diye güvenmeyen olursa da isteyen aynısını kendisi kursun kardeşim denesin görsün. Dolayısıyla akıl yürütme şefaflığı 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 eğitirdiklerini ve Deepseek'in neden meşru olduğunu anladık. Bundan sonra getirdikleri teknik yeniliklere biraz daha yakından bakmak istiyorum. Sonra da birkaç adım geriye çekirip stratejik mercekten bakarız. En vidya neden bu kadar darbe aldı? Şu ana kadar söylediğimiz hiçbir şey buna açıklamıyordu. 500 milyar dolarlık Stargate projesi nedir? Balon mu? Bunlara bakarız. Ama kafamız tazeyken bakalım, o yüzden bir sonraki bölümde halledeceğiz. Unutmadan ikinci kitabımızda çıktı, ismi, fularsız, felsefe, dört önemli mesele, bainizden ısrarla isteğin, aslında şimdilik fazla ısrar etmen yakası da yapışmayı çünkü ön satışta. Mart Aydın ortası itibariyle, kitapçılardan e zaman olacağını ben bu hafta öğrenmeye çalışacağım. Ondan sonra bainizi darlarsınız. Ey kitap, sessik kitap, bunlar da gelecek, yalnız önce Patryon destekçilerine gelecekler, geneli açmam için biraz süre geçmesi lazım, anlaşma gereği. Haberlerimiz böyle, hepinize iyi pazarlardilerim, devam bölümünde görüşmek üzere.