Yapay Zeka Sistemleri: Derinlemesine Bir Analiz ve Geleceğe Bakış

Yapay zeka (YZ), son yılların en çok konuşulan, en hızlı gelişen ve insanlığın geleceğini şekillendirme potansiyeline sahip en heyecan verici teknolojik alanlarından biridir. Bilim kurgu filmlerinden günlük yaşantımıza sızan akıllı asistanlara, otonom araçlardan karmaşık bilimsel araştırmalara kadar YZ, hayatımızın her köşesinde kendini göstermektedir. Ancak yapay zeka nedir, nasıl çalışır ve geleceğimizi nasıl etkileyecektir? Bu blog yazısında, yapay zeka sistemlerini derinlemesine inceleyecek, tarihsel gelişiminden günümüzdeki en gelişmiş uygulamalarına, etik tartışmalarından SEO üzerindeki etkilerine kadar birçok konuya değineceğiz. Amacımız, bu karmaşık ama büyüleyici alanı geniş bir perspektifle ele alarak okuyucularımıza kapsamlı bir rehber sunmaktır.

Yapay Zekanın Tarihsel Gelişimi: Bir Fikirden Gerçekliğe

Yapay zeka fikri, modern bilgisayar bilimi kadar eski olmasa da, kökenleri Antik Yunan mitolojisine kadar uzanan “insan benzeri düşünen makineler” hayaline dayanmaktadır. Ancak bilimsel ve teknolojik anlamda yapay zekanın temelleri 20. yüzyılın ortalarında atılmıştır.

Erken Dönem Kavramlar ve İlk Adımlar

• 1940’lar-1950’ler: Alan Turing’in 1950’de yayımladığı “Computing Machinery and Intelligence” makalesi, makine zekası üzerine önemli bir soru ortaya attı: “Makineler düşünebilir mi?” ve Turing Testi kavramını tanıttı. Norbert Wiener’ın sibernetik üzerine çalışmaları ve Warren McCulloch ile Walter Pitts’in yapay sinir ağları üzerine öncü araştırmaları da bu döneme damga vurdu.
• 1956 Dartmouth Konferansı: Bu konferans, yapay zeka alanının resmen doğduğu kabul edilir. John McCarthy, Marvin Minsky, Nathaniel Rochester ve Claude Shannon gibi isimler bir araya gelerek “yapay zeka” terimini ortaya attılar ve alanın geleceğini tartıştılar.

YZ’nin Altın Çağları ve Kışları

Takip eden yıllarda, YZ büyük bir ivme kazandı. LISP programlama dili geliştirildi ve mantık tabanlı sistemler, problem çözme algoritmaları ve uzman sistemler popülerleşti. Ancak 1970’ler ve 1980’lerde, YZ beklentileri karşılayamayınca finansman kesintileri yaşandı ve bu dönemler “YZ Kışı” olarak adlandırıldı.

Yapay Zeka Sistemleri ve Geleceğin Teknolojisi: Kapsamlı Bir Analiz

×

1990’larda ve 2000’lerin başında, daha güçlü bilgisayarların ortaya çıkışı, daha fazla veri erişilebilirliği ve yeni algoritmaların geliştirilmesiyle YZ yeniden canlandı. Özellikle makine öğrenimi ve istatistiksel yöntemler ön plana çıktı. IBM’in Deep Blue bilgisayarı 1997’de dünya satranç şampiyonu Garry Kasparov’u yenerek, makine zekasının insan zekasını belirli alanlarda aşabileceğini gösterdi.

Günümüz: Derin Öğrenme ve Büyük Veri Çağı

Son on yılda, özellikle derin öğrenme (deep learning) ve büyük veri (big data) teknolojilerindeki patlamayla yapay zeka, bir kez daha altın çağını yaşamaktadır. Grafik işlem birimleri (GPU) sayesinde karmaşık sinir ağları çok daha hızlı eğitilebilir hale gelmiş, bu da görüntü tanıma, doğal dil işleme ve konuşma tanıma gibi alanlarda devrim niteliğinde ilerlemelere yol açmıştır. AlphaGo’nun Go dünya şampiyonunu yenmesi, YZ’nin sadece satranç gibi sınırlı alanlarda değil, çok daha karmaşık stratejik oyunlarda da üstün performans sergileyebileceğini kanıtladı. Bugün, YZ sadece bir araştırma alanı değil, günlük hayatımızın ayrılmaz bir parçasıdır.

Yapay Zeka Türleri ve Yaklaşımları

Yapay zeka, geniş bir disiplin olup farklı yaklaşımları ve türleri barındırır. Bu türleri anlamak, YZ’nin yeteneklerini ve sınırlarını kavramak için önemlidir.

Dar YZ (Narrow AI / Weak AI)

Günümüzde deneyimlediğimiz tüm yapay zeka sistemleri dar yapay zeka örnekleridir. Belirli bir görevi veya görev kümesini çok iyi bir şekilde yerine getirmek üzere tasarlanmışlardır. Örneğin, bir satranç programı sadece satranç oynayabilir, bir sesli asistan sadece sesli komutları işleyebilir. İnsan benzeri genel bir zekaya sahip değillerdir ve farklı bir alanda öğrendiklerini uygulayamazlar. Siri, Alexa, Google Asistan, otonom sürüş sistemleri bu kategoriye girer.

Genel YZ (General AI / Strong AI)

Genel yapay zeka, bir insanın herhangi bir entelektüel görevi yerine getirebileceği gibi, çeşitli görevleri öğrenebilen, anlayabilen ve uygulayabilen bir yapay zeka türüdür. İnsan benzeri bir bilişsel yeteneğe sahip olacak ve öğrenme, anlama, akıl yürütme ve problem çözme gibi yetenekleri genel bir bağlamda sergileyebilecektir. Bu tür bir yapay zeka henüz mevcut değildir ve geliştirilmesi bilim insanları için büyük bir hedeftir.

Süper YZ (Superintelligence)

Süper yapay zeka, insan zekasını her alanda, bilimsel yaratıcılıktan genel bilgeliğe ve sosyal becerilere kadar, önemli ölçüde aşan bir zeka seviyesini ifade eder. Bu seviyeye ulaşılırsa, YZ’nin kendi kendini geliştirebilmesi ve insanlığın geleceğini tamamen değiştirebilmesi beklenir. Süper YZ, hem büyük umutları hem de ciddi endişeleri beraberinde getiren bir kavramdır.

Yapay Zeka Yaklaşımları

• Sembolik YZ (Good Old-Fashioned AI – GOFAI): Bilgiyi semboller ve kurallar aracılığıyla temsil etmeye odaklanır. Mantık ve çıkarım motorları kullanarak karar verir. Erken dönem YZ’nin temelini oluşturmuştur.
• Bağlantısalcı YZ (Connectionist AI): Biyolojik sinir ağlarından esinlenerek yapay sinir ağları kullanır. Öğrenme, örneklerden desenleri çıkararak ve ağırlıkları ayarlayarak gerçekleşir. Makine öğrenimi ve derin öğrenme bu yaklaşıma dayanır.

Temel Teknolojiler ve Algoritmalar

Yapay zeka sistemlerinin kalbinde yatan çeşitli teknolojiler ve algoritmalar bulunmaktadır. Bunları anlamak, YZ’nin nasıl çalıştığına dair daha net bir tablo çizer.

Makine Öğrenimi (Machine Learning – ML)

Makine öğrenimi, bilgisayarların açıkça programlanmadan verilerden öğrenmesini sağlayan yapay zeka alt dalıdır. Algoritmalar, büyük veri kümelerinden desenleri ve ilişkileri öğrenerek tahminlerde bulunur veya kararlar alır. Makine öğreniminin temel paradigmaları şunlardır:

• Denetimli Öğrenme (Supervised Learning): Algoritma, etiketlenmiş veri kümeleri üzerinde eğitilir (yani giriş verileri ve beklenen çıktı çiftleri verilir). Amaç, yeni, etiketsiz veriler için doğru tahminler yapabilen bir model oluşturmaktır. Örnekler: Sınıflandırma (spam tespiti), Regresyon (ev fiyatı tahmini).
• Denetimsiz Öğrenme (Unsupervised Learning): Algoritma, etiketsiz verilerdeki gizli yapıları ve desenleri bulmaya çalışır. Amaç, verilerdeki doğal grupları veya ilişkileri keşfetmektir. Örnekler: Kümeleme (müşteri segmentasyonu), Boyut İndirgeme.
• Pekiştirmeli Öğrenme (Reinforcement Learning): Bir ajan, belirli bir ortamda deneme-yanılma yoluyla öğrenir. Hedefi, aldığı eylemler karşılığında aldığı ödülleri maksimize etmektir. Örnekler: Robotik, oyun oynama (AlphaGo).

Derin Öğrenme (Deep Learning – DL)

Derin öğrenme, makine öğreniminin bir alt dalıdır ve çok katmanlı yapay sinir ağları (derin sinir ağları) kullanır. Bu ağlar, insan beynindeki nöronların çalışma prensibinden esinlenerek oluşturulmuştur. Derin öğrenme, özellikle büyük ve karmaşık veri kümelerinden (görüntüler, sesler, metinler) otomatik olarak özellik çıkarabilme yeteneği sayesinde büyük bir atılım sağlamıştır.

• Evrişimsel Sinir Ağları (Convolutional Neural Networks – CNNs): Görüntü ve video işleme, nesne tanıma gibi görevlerde devrim yaratmıştır.
• Tekrarlayan Sinir Ağları (Recurrent Neural Networks – RNNs): Doğal dil işleme, konuşma tanıma gibi sıralı verilerle çalışmak için tasarlanmıştır. LSTM ve GRU gibi varyantları yaygın olarak kullanılır.
• Üretken Çekişmeli Ağlar (Generative Adversarial Networks – GANs): Gerçekçi görüntüler, videolar veya diğer veri örnekleri oluşturmak için kullanılır.
• Transformer Modelleri: Doğal dil işleme (NLP) alanında çığır açmıştır. Özellikle GPT-3/4 gibi büyük dil modellerinin (LLM) temelini oluşturur.

Doğal Dil İşleme (Natural Language Processing – NLP)

NLP, bilgisayarların insan dilini anlamasını, yorumlamasını ve üretmesini sağlayan bir YZ dalıdır. Konuşma tanıma, metin çevirisi, duygu analizi, sohbet botları ve özetleme gibi birçok uygulamada kullanılır.

Bilgisayar Görüşü (Computer Vision – CV)

Bilgisayar görüşü, bilgisayarların dijital görüntü ve videolardan anlamlı bilgiler çıkarmasını sağlayan bir YZ dalıdır. Nesne tanıma, yüz tanıma, otonom araçlar, tıbbi görüntü analizi gibi alanlarda hayati öneme sahiptir.

Uygulama Alanları: Yapay Zeka Hayatımızın Neresinde?

Yapay zeka, günümüzde birçok sektörde ve günlük yaşantımızda devrim niteliğinde değişikliklere yol açmaktadır. İşte bazı önemli uygulama alanları:

Sağlık Sektörü

• Hastalık Teşhisi: Görüntüleme teknikleri (MR, BT, röntgen) ile kanser gibi hastalıkların erken teşhisinde doktorlara yardımcı olur.
• İlaç Geliştirme: Yeni ilaç moleküllerinin keşfini hızlandırır, klinik deneme süreçlerini optimize eder.
• Kişiselleştirilmiş Tedavi: Hastanın genetik yapısı, yaşam tarzı ve diğer verilerine göre en uygun tedavi planlarını önerir.
• Robotik Cerrahi: Cerrahların daha hassas ve minimal invaziv operasyonlar yapmasına olanak tanır.

Finans Sektörü

• Dolandırıcılık Tespiti: Anormal işlem desenlerini belirleyerek kredi kartı dolandırıcılığını ve kara para aklamayı engeller.
• Algoritmik Ticaret: Piyasaları analiz ederek otomatik alım satım kararları alır.
• Kredi Riski Değerlendirmesi: Bireylerin veya şirketlerin kredi riskini daha doğru bir şekilde değerlendirir.
• Kişiselleştirilmiş Finans Danışmanlığı: Yatırım tavsiyeleri ve bütçeleme konusunda kişiselleştirilmiş öneriler sunar.

Otomotiv Sektörü

• Otonom Araçlar: Çevre algılama, yol planlama ve karar verme algoritmaları sayesinde sürücüsüz araç teknolojisini mümkün kılar.
• Sürücü Destek Sistemleri (ADAS): Adaptif hız sabitleyici, şerit takip asistanı, otomatik park etme gibi özellikler sunar.
• Bakım Tahmini: Araç performans verilerini analiz ederek potansiyel arızaları önceden tahmin eder.

Eğitim Sektörü

• Kişiselleştirilmiş Öğrenme: Öğrencilerin öğrenme hızına ve tarzına göre içerik ve ödevler sunar.
• Akıllı Öğretici Sistemler: Öğrencilere birebir rehberlik ve geri bildirim sağlar.
• İdari Görevlerin Otomatikleştirilmesi: Notlandırma, kayıt işlemleri gibi idari süreçleri kolaylaştırır.

Perakende ve E-ticaret

• Kişiselleştirilmiş Öneri Sistemleri: Müşterilerin geçmiş alışveriş ve arama geçmişine göre ürün önerileri sunar.
• Envanter Yönetimi: Talep tahminleri yaparak stok seviyelerini optimize eder.
• Müşteri Hizmetleri: Sohbet botları ve sanal asistanlar aracılığıyla 7/24 müşteri desteği sağlar.

Üretim ve Endüstri

• Tahmini Bakım: Makine sensörlerinden gelen verileri analiz ederek arızaları önceden tahmin eder ve üretim kesintilerini azaltır.
• Kalite Kontrolü: Üretim hattındaki ürünlerin kusurlarını otomatik olarak tespit eder.
• Robotik ve Otomasyon: Montaj, kaynak, paketleme gibi görevleri otonom olarak gerçekleştirir.

Güvenlik ve Savunma

• Gözetim ve İzleme: Güvenlik kameralarından gelen görüntüleri analiz ederek şüpheli hareketleri veya yüzleri tespit eder.
• Siber Güvenlik: Anormal ağ trafiğini veya kötü amaçlı yazılım saldırılarını tespit eder.
• Otonom Silah Sistemleri: Tartışmalı olmakla birlikte, savunma sanayisinde karar alma ve hedef tespiti için YZ kullanılır.

Yapay Zekanın Geleceği ve Potansiyel Etkileri

Yapay zeka, sadece mevcut sorunlara çözümler sunmakla kalmıyor, aynı zamanda gelecekteki yaşam biçimimizi ve toplumumuzu kökten değiştirme potansiyeli taşıyor.

İnovasyon ve Gelişme

• Yeni Bilimsel Keşifler: YZ, karmaşık bilimsel verileri analiz ederek yeni hipotezler üretme ve çözümler bulma potansiyeline sahiptir. Tıp, malzeme bilimi ve astronomi gibi alanlarda çığır açabilir.
• Verimlilik Artışı: Endüstrinin her alanında otomasyon ve optimizasyon sayesinde verimlilik önemli ölçüde artacaktır.
• Kişiselleştirilmiş Deneyimler: Eğitimden sağlığa, eğlenceden hizmetlere kadar her alanda daha kişiselleştirilmiş ve etkin deneyimler sunulacaktır.

İş Gücü Piyasasına Etkileri

Yapay zeka, bazı işleri otomatize ederek işgücü piyasasında önemli değişikliklere yol açacaktır. Rutin ve tekrarlayan görevler büyük ölçüde YZ sistemleri tarafından üstlenilebilirken, yeni iş alanları ortaya çıkacak ve insan-YZ iş birliği daha önemli hale gelecektir. Yaratıcılık, eleştirel düşünme, karmaşık problem çözme ve sosyal beceriler gibi insan odaklı yetenekler daha da değer kazanacaktır.

Ekonomik Büyüme

PwC gibi araştırma şirketleri, yapay zekanın 2030 yılına kadar küresel ekonomiye trilyonlarca dolarlık katkı sağlayacağını tahmin etmektedir. Bu büyüme, üretkenlik artışı, yeni ürünler ve hizmetler ile yeni iş modelleri aracılığıyla gerçekleşecektir.

Etik ve Toplumsal Tartışmalar

Yapay zeka, sunduğu fırsatlarla birlikte ciddi etik ve toplumsal endişeleri de beraberinde getirmektedir. Bu konuların dikkatle ele alınması, YZ’nin insanlık yararına gelişmesini sağlamak için kritik öneme sahiptir.

Gizlilik ve Veri Güvenliği

YZ sistemleri, büyük miktarda kişisel veriye ihtiyaç duyar. Bu verilerin toplanması, saklanması ve işlenmesi, bireysel gizlilik endişelerini artırmaktadır. Veri ihlalleri ve kötüye kullanımlar, büyük riskler taşır.

Algoritmik Önyargı ve Ayrımcılık

Eğitim verilerindeki mevcut önyargılar (bias), YZ algoritmalarına yansıyabilir. Bu durum, ırk, cinsiyet, sosyoekonomik durum gibi faktörlere dayalı ayrımcılığa yol açan kararlar alınmasına neden olabilir. Örneğin, bir işe alım algoritması geçmiş verilerden öğrenerek belirli demografik grupları dışlayabilir.

İş Kaybı ve Ekonomik Eşitsizlik

Otomasyonun getireceği iş kayıpları ve bu durumun toplumsal eşitsizliği artırma potansiyeli, önemli bir tartışma konusudur. Evrensel Temel Gelir (UBI) gibi çözümler, bu soruna yönelik önerilerden biridir.

Şeffaflık ve Açıklanabilirlik (Explainable AI – XAI)

Özellikle derin öğrenme modelleri, “kara kutu” olarak nitelendirilebilir; yani nasıl karar verdikleri tam olarak anlaşılamaz. YZ’nin önemli kararlar aldığı alanlarda (sağlık, hukuk, finans), bu kararların nasıl verildiğinin anlaşılması ve açıklanabilmesi kritik öneme sahiptir.

Otonom Silahlar ve Kontrol Problemi

Yapay zekanın askeri uygulamaları, özellikle insan müdahalesi olmadan karar alabilen otonom silah sistemleri (katil robotlar), uluslararası alanda büyük endişelere yol açmaktadır. Ayrıca, süper zekalı bir YZ’nin kontrolünden çıkması ve insanlığın hedefleriyle çelişmesi “kontrol problemi” olarak adlandırılan felsefi bir sorundur.

Hukuki Sorumluluk

Yapay zeka sistemleri tarafından verilen kararlar veya gerçekleştirilen eylemler sonucunda ortaya çıkan zararlardan kimin sorumlu olacağı (geliştirici, kullanıcı, YZ’nin kendisi?) hukuki bir belirsizlik oluşturmaktadır.

Yapay Zeka ve SEO İlişkisi: Dijital Pazarlamanın Geleceği

Yapay zeka, sadece teknoloji dünyasını değil, dijital pazarlamanın ve özellikle SEO’nun (Arama Motoru Optimizasyonu) geleceğini de derinden etkilemektedir. Arama motorları, içerik üreticileri ve web siteleri için YZ’nin etkisi her geçen gün artmaktadır.

Arama Motorlarının YZ Kullanımı

Google gibi arama motorları, algoritmalarında yıllardır yapay zeka ve makine öğrenimi tekniklerini kullanmaktadır. Bu algoritmalar, kullanıcı sorgularını daha iyi anlamak, en alakalı sonuçları sunmak ve spam içeriği filtrelemek için sürekli olarak geliştirilmektedir:

• RankBrain: Google’ın 2015’ten beri kullandığı bir makine öğrenimi sistemidir. Özellikle daha önce hiç görülmemiş, karmaşık veya belirsiz sorguları anlamak ve bu sorgulara en uygun sonuçları sunmak için kullanılır. RankBrain, anahtar kelime eşleştirmesinin ötesine geçerek kullanıcı niyetini anlamaya odaklanır.
• BERT (Bidirectional Encoder Representations from Transformers): 2019’da devreye giren BERT, doğal dil işlemeyi kullanarak arama sorgularının bağlamını ve kelimeler arasındaki ilişkileri daha iyi anlamasını sağlar. Bu sayede, uzun kuyruklu anahtar kelimeler ve karmaşık cümle yapıları içeren sorgulara daha doğru yanıtlar verilir.
• MUM (Multitask Unified Model): 2021’de duyurulan MUM, BERT’in bir sonraki evrimidir ve hem metin hem de görüntüler gibi farklı formatlardaki bilgileri anlayabilir ve bunları çeşitli dillerde işleyebilir. Bu, daha karmaşık sorgulara tek bir yanıtla veya farklı kaynaklardan toplanmış bilgilerle cevap verme potansiyelini artırır.
• Yapay Zeka Destekli İçerik Değerlendirmesi: Google, E-E-A-T (Deneyim, Uzmanlık, Yetkinlik, Güvenilirlik) prensiplerini uygularken de YZ’den faydalanmaktadır. YZ algoritmaları, bir içeriğin kalitesini, yazarın uzmanlığını ve genel güvenilirliğini değerlendirmek için sinyalleri analiz edebilir.

SEO Uzmanları İçin YZ’nin Anlamı

Yapay zekanın arama motorlarındaki artan rolü, SEO stratejilerinin de evrilmesini gerektirmektedir:

1. Kullanıcı Niyeti Odaklı İçerik: Anahtar kelime doldurmanın yerini, kullanıcıların gerçekte ne aradığını ve hangi sorularına yanıt bulmak istediğini anlamak almıştır. YZ destekli arama motorları, sorgunun arkasındaki niyeti çok daha iyi anladığı için, içeriğin bu niyete tam olarak hitap etmesi kritik öneme sahiptir.
2. Doğal Dil ve Semantik SEO: Artık tekil anahtar kelimelere odaklanmak yerine, ilgili terimler, eş anlamlılar ve bağlamsal kelimelerle zenginleştirilmiş, doğal bir dil akışına sahip içerikler üretmek önemlidir. Semantik SEO, konuları derinlemesine ele almayı ve ilgili varlıkları birbirine bağlamayı hedefler.
3. Kalite ve Derinlik: YZ, düşük kaliteli, kopyalanmış veya yüzeysel içeriği kolayca tespit edebilir. Arama motorları, kullanıcılara gerçekten değer katan, kapsamlı ve uzmanlık içeren içerikleri ödüllendirir.
4. Konuşma Bazlı Arama ve Sesli SEO: Akıllı asistanların ve sesli aramanın yaygınlaşmasıyla, insanlar doğal ve konuşma diline yakın sorular sormaktadır. SEO stratejileri, bu uzun kuyruklu ve soru bazlı sorguları hedeflemelidir.
5. Yapay Zeka Destekli SEO Araçları: YZ, anahtar kelime araştırması, rakip analizi, içerik optimizasyonu ve teknik SEO denetimleri gibi alanlarda SEO uzmanlarına yardımcı olan araçların geliştirilmesini sağlamıştır. Bu araçlar, verileri daha hızlı analiz edebilir ve daha derinleşimli içgörüler sunabilir.
6. İçerik Üretiminde YZ: ChatGPT gibi gelişmiş YZ modelleri, içerik taslağı oluşturma, başlık önerme veya mevcut metinleri optimize etme gibi görevlerde kullanılabilir. Ancak, YZ tarafından tamamen otomatik olarak üretilen içeriğin özgünlük, doğruluk ve E-E-A-T prensiplerine uygunluğu konusunda dikkatli olunmalıdır. Google, YZ destekli içerikleri değil, “kaliteli” içeriği ödüllendireceğini belirtmiştir. İnsan dokunuşu, uzmanlık ve özgün bakış açısı hala vazgeçilmezdir.

Kısacası, YZ, SEO’yu daha insan odaklı, daha kaliteli ve daha niyet odaklı hale getirmektedir. Başarılı bir SEO stratejisi, YZ’nin arama motorlarındaki gücünü anlamayı ve buna göre içerik ve teknik yaklaşımları adapte etmeyi gerektirir.

Yapay Zeka ile İlgili Zorluklar ve Riskler

Yapay zekanın potansiyeli sınırsız olsa da, gelişim ve uygulamasında karşılaşılan ciddi zorluklar ve riskler bulunmaktadır. Bu zorlukların üstesinden gelmek, YZ’nin insanlık için gerçekten faydalı olmasını sağlamak adına hayati öneme sahiptir.

Teknik Zorluklar

• Veri İhtiyacı ve Kalitesi: YZ modelleri, özellikle derin öğrenme, büyük ve yüksek kaliteli veri setlerine ihtiyaç duyar. Bu verileri toplamak, etiketlemek ve temizlemek maliyetli ve zaman alıcıdır.
• Hesaplama Gücü: Özellikle büyük dil modellerinin eğitimi ve çalıştırılması için muazzam hesaplama gücü ve enerji tüketimi gereklidir.
• Model Karmaşıklığı ve Şeffaflık: Derin öğrenme modellerinin karmaşıklığı, karar mekanizmalarını anlamayı zorlaştırır. Bu