Editöre göre resim
Geçen yılın sonlarından beri açık kaynak yazılım ve makine öğreniminin kesişimi üzerine okuyor, yazıyor ve konuşuyorum; geleceğin neler getirebileceğini anlamaya çalışıyorum.
Başladığımda çoğunlukla açık kaynaklı yazılımların makine öğrenimi topluluğu tarafından nasıl kullanıldığı hakkında konuşacağımı bekliyordum. Ancak araştırdıkça, iki uygulama alanı arasında pek çok benzerlik olduğunu fark ettim. Bu makalede bu paralelliklerden bazılarını ve makine öğreniminin açık kaynak yazılımdan neleri öğrenip öğrenemeyeceğini tartışacağım.
Kolay ve bariz paralellik, hem modern makine öğreniminin hem de modern yazılımın neredeyse tamamen açık kaynaklı yazılımla oluşturulmuş olmasıdır. Yazılım için derleyiciler ve kod editörleri; makine öğrenimi için PyTorch ve TensorFlow gibi eğitim ve çıkarım çerçeveleridir. Bu alanlara açık kaynaklı yazılım hakimdir ve hiçbir şey bunu değiştirmeye hazır görünmüyor.
Bunun dikkate değer, bariz bir istisnası var: tüm bu çerçeveler, Nvidia'nın çok özel donanım ve yazılım yığınına dayanıyor. Bu aslında ilk bakışta göründüğünden daha paralel. Uzun bir süre boyunca açık kaynak yazılımlar çoğunlukla özel donanım satıcıları tarafından satılan özel Unix işletim sistemlerinde çalışıyordu. Ancak Linux ortaya çıktıktan sonra yığının açık bir "tabanı"nın bile mümkün olduğunu kabul etmeye başladık ve bugünlerde MacOS ve Windows'ta pek çok açık geliştirme yapılıyor. Bunun makine öğreniminde nasıl sonuçlanacağı belli değil. Amazon (AWS için), Google (hem bulut hem de Android için) ve Apple, rakip çiplere ve yığınlara yatırım yapıyor ve bunlardan bir veya daha fazlasının, tarafından belirlenen yolu takip etmesi mümkün. Linus'un (ve Intel'in) serbest bırakılması tüm yığın.
Açık kaynak yazılımın nasıl oluşturulduğu ile makine öğreniminin nasıl oluşturulduğu arasındaki daha kritik bir paralellik, her birinin üzerine inşa edildiği verilerin karmaşıklığı ve kamuya açık olmasıdır.
Bu ayrıntılı olarak ön baskı kâğıt “The Data Provenance Project,” ortak yazarlığını da yaptığım gibi, modern makine öğrenimi de kelimenin tam anlamıyla binlerce veri kaynağı üzerine kuruludur, tıpkı modern açık kaynaklı yazılımın yüz binlerce kütüphane üzerine kurulu olması gibi. Ve her açık kütüphanenin yasal, güvenlik ve bakım zorluklarını beraberinde getirmesi gibi, her halka açık veri seti de aynı zorlukları beraberinde getirir.
Kuruluşumda bu zorluğun açık kaynaklı yazılım versiyonundan "tesadüfi tedarik zinciri.” Yazılım endüstrisi bir şeyler inşa etmeye başladı çünkü açık kaynak kitaplıkların inanılmaz yapı taşları bunu yapabileceğimiz anlamına geliyordu. Bu, endüstrinin açık kaynaklı yazılımları bir tedarik zinciri olarak ele almaya başlaması anlamına geliyordu; bu, bu "tedarikçilerin" çoğu için sürpriz oldu.
Bu zorlukları hafifletmek için, açık kaynak yazılım, neyin kullanıldığını belirlemek için tarayıcılar ve dağıtımdan sonra şeyleri izlemek için meta veriler gibi çok sayıda karmaşık (kusurlu olsa da) teknik geliştirmiştir. Ayrıca endüstriyel ihtiyaçlar ile gönüllü motivasyonları arasındaki uyumsuzluğu gidermek için insanlara yatırım yapmaya başlıyoruz.
Ne yazık ki, makine öğrenimi topluluğu da aynı "kazara" tedarik zinciri hatasına düşmeye hazır görünüyor: tüm ekonomi bu veri kümelerine dayandığında uzun vadeli sonuçlar hakkında fazla düşünmeden pek çok şeyi yapabildiği için yapıyor. .
Son önemli paralellik, makine öğreniminin tıpkı açık kaynak yazılımlarda olduğu gibi pek çok boşluğu dolduracak şekilde genişleyeceğinden kuvvetle şüpheleniyorum. Şu anda (hak edilen) heyecan büyük, üretken modellerle ilgili, ancak daha büyük modellerde yapılan ince ayarların yanı sıra birçok küçük model de var. Aslında, makine öğreniminin birincil barındırma platformu olan barındırma sitesi HuggingFace, sitelerindeki model sayısının katlanarak arttığını bildiriyor.
Bu modeller, açık kaynaklı yazılımların küçük parçaları gibi, muhtemelen çok sayıda olacak ve geliştirilmeye hazır olacak. Bu onları inanılmaz derecede esnek ve güçlü kılacaktır. Sokağımda ucuz, gizliliğe duyarlı trafik ölçümü yapmak için küçük, makine öğrenimi tabanlı bir araç kullanıyorum; örneğin, birkaç yıl önce pahalı cihazlar dışında mümkün olmayan bir kullanım örneği.
Ancak bu çoğalma, bunların takip edilmesi gerektiği anlamına geliyor; modeller ana bilgisayarlardan ziyade, düşük maliyet ve kurulum kolaylığı nedeniyle her yerde ortaya çıkan açık kaynaklı yazılımlara veya SaaS'a benzeyebilir.
Peki, eğer bu önemli paralellikler varsa (özellikle karmaşık tedarik zincirleri ve çoğalan dağıtım konusunda), makine öğrenimi açık kaynak yazılımdan neler öğrenebilir?
Çıkarabileceğimiz ilk paralel ders, makine öğreniminin birçok zorluklarını anlamak için meta verilere ve araçlara ihtiyaç duyacağıdır. Açık kaynaklı yazılım, telif hakkı ve lisans uyumluluğu nedeniyle meta veri çalışmasına girdi, ancak yazılıma yönelik tesadüfi tedarik zinciri olgunlaştıkça, meta verilerin çeşitli cephelerde son derece yararlı olduğu kanıtlandı.
Makine öğreniminde meta veri takibi devam eden bir çalışmadır. Birkaç örnek:
- A anahtar 2019 makalesiSektörde yaygın olarak anılan, model geliştiricilerini çalışmalarını "model kartları" ile belgelemeye çağırdı. Maalesef son araştırmalar gösteriyor ki vahşi doğada uygulama hala zayıf.
- Hem SPDX hem de CycloneDX yazılımı malzeme listesi (SBOM) spesifikasyonları, makine öğrenimi verilerinin ve modellerinin model kartlarından daha yapılandırılmış bir şekilde izlenmesine yardımcı olmak için AI malzeme listeleri (AI BOM'lar) üzerinde çalışıyor (bunun bekleneceği karmaşıklığa uygun). gerçekten paralel açık kaynaklı yazılım yapar).
- HuggingFace'in yarattığı çeşitli özellikler ve araçlar model ve veri kümesi yazarlarının kaynaklarını belgelemelerine olanak sağlamak.
- Yukarıda alıntılanan MIT Veri Kanıtı makalesi, spesifikasyonların gerçek dünya verileriyle detaylandırılmasına yardımcı olmak için veri lisanslamanın "temel gerçeğini" anlamaya çalışıyor.
- Anekdotlara göre, makine öğrenimi eğitimi çalışmaları yapan birçok şirketin, verileri iyi bir şekilde takip etmeden hazneye kürekle atmak için "daha fazlası daha iyidir" ifadesini bahane olarak kullanarak veri izlemeyle biraz sıradan ilişkileri olduğu görülüyor.
Open'dan öğrendiğimiz bir şey varsa o da meta verileri (önce teknik özellikler, ardından gerçek veriler) doğru bir şekilde elde etmenin yıllar sürecek bir proje olacağıdır. Devlet müdahalesi. makine öğrenimi bu meta veri dalmasını en kısa sürede gerçekleştirmelidir.
Güvenlik, açık kaynak yazılımın meta veri talebinin bir diğer önemli etkenidir; ne çalıştırdığınızı bilmiyorsanız, sonsuz gibi görünen saldırı akışına karşı duyarlı olup olmadığınızı bilemezsiniz.
Makine öğrenimi, geleneksel yazılım saldırılarının çoğuna maruz kalmaz ancak bu, onların zarar görmeyeceği anlamına gelmez. (En sevdiğim örnek, bunun mümkün olduğudur. zehir görseli eğitim setleri çünkü çoğu zaman ölü alanlardan yararlanıyorlardı.) Bu alandaki araştırmalar o kadar sıcak ki, "kavram kanıtını" geçtik ve "yeterince saldırı var" konusuna geçtik. liste ve taksonomik hale getirmek".
Ne yazık ki, açık kaynak yazılımlar makine öğrenimine güvenlik için herhangi bir sihirli değnek sunamaz; eğer onlara sahip olsaydık onları kullanıyor olurduk. Ancak açık kaynaklı yazılımın bu kadar çok alana nasıl yayıldığına dair tarih, makine öğreniminin, kullanım ve dağıtım meta verilerinin izlenmesinden başlayarak bu zorluğu ciddiye alması gerektiğini gösteriyor; çünkü tam da şu anda kullanılanların ötesinde pek çok şekilde uygulanması muhtemel. konuşlandırıldı.
Açık kaynak meta verilerini (lisanslama, ardından güvenlik) yönlendiren motivasyonlar bir sonraki önemli paralelliğe işaret ediyor: Bir sektörün önemi arttıkça, ölçülmesi ve takip edilmesi gereken şeylerin kapsamı da genişleyecektir çünkü düzenleme ve sorumluluk genişleyecektir.
Açık kaynaklı yazılımlarda, uzun yıllardır temel hükümet “düzenlemesi” telif hakkı yasasıydı ve bu nedenle bunu desteklemek için meta veriler geliştirildi. Ancak açık kaynak yazılımlar artık çeşitli güvenlik ve ürün sorumluluğu kurallarıyla karşı karşıyadır ve tedarik zincirlerimizi bu yeni gereksinimleri karşılayacak şekilde olgunlaştırmamız gerekir.
Yapay zeka, giderek daha önemli hale geldikçe, benzer şekilde giderek artan çok sayıda yolla düzenlenecektir. Düzenlemenin kaynakları, içerik (hem girdiler hem de çıktılar), ayrımcılık ve ürün sorumluluğu dahil olmak üzere son derece çeşitli olacaktır. Bu bazen "" olarak adlandırılan şeyi gerektirecektir.izlenebilirlik”—modellerin nasıl oluşturulduğunu ve bu seçimlerin (veri kaynakları dahil) modellerin sonuçlarını nasıl etkilediğini anlamak.
Bu temel gereksinim; elimizde ne var? buraya nasıl geldi?—artık kurumsal açık kaynak yazılım geliştiricileri için çok tanıdık bir konu. Ancak makine öğrenimi geliştiricileri için bu radikal bir değişiklik olabilir ve benimsenmesi gerekiyor.
Makine öğreniminin açık kaynaklı yazılımdan (ve aslında ondan önceki, en azından ana bilgisayara kadar uzanan birçok yazılım dalgasından) çıkarabileceği bir başka paralel ders de, kullanım ömrünün çok çok uzun olacağıdır. Bir teknoloji "yeterince iyi" olduğunda kullanıma sunulacaktır ve bu nedenle çok çok uzun bir süre boyunca muhafaza edilmesi gerekir. Bu, bu yazılımın bakımını mümkün olduğu kadar erken düşünmemiz gerektiği ve bu yazılımın onlarca yıl hayatta kalmasının ne anlama geleceğini düşünmemiz gerektiği anlamına geliyor. “On yıllar” abartı değil; Karşılaştığım birçok müşteri oy verebilecek kadar eski bir yazılım kullanıyor. Pek çok açık kaynaklı yazılım şirketi ve bazı projeler artık bu tür kullanım senaryolarına yönelik "Uzun Süreli Destek" adı verilen sürümlere sahip.
Buna karşılık OpenAI, Kodeks aracını iki yıldan daha kısa bir süre boyunca kullanılabilir durumda tuttu.özellikle akademik camiada çok fazla öfkeye yol açıyor. Makine öğrenimindeki değişimin hızlı temposu ve benimseyenlerin çoğunun muhtemelen en son teknolojiyi kullanmakla ilgilendiği göz önüne alındığında, bu muhtemelen mantıksız değildi; ancak bunun için planlama yapması gereken gün, sektörün düşündüğünden daha erken gelecek. sorumluluk ve güvenlikle nasıl etkileşime girdiği de dahil olmak üzere bir tür "uzun vadeli".
Son olarak, açık kaynak yazılımlarda olduğu gibi, makine öğrenimine çok fazla para akacağı açık, ancak bu paranın büyük bir kısmı bir yazarın adlandırdığı şey etrafında toplanacak: “işlemci açısından zengin” şirketler. Açık kaynak yazılımla benzerlikler ortaya çıkarsa, bu şirketlerin ortalama model yaratıcısından (veya kullanıcısından) çok farklı kaygıları ve harcama öncelikleri olacaktır.
Şirketimiz Tidelift, bir süredir açık kaynaklı yazılımlardaki teşvik sorunu üzerinde düşünüyor ve dünyanın en büyük yazılım alıcısı olan ABD hükümeti gibi kuruluşlar da bu sorunu çözmeye çalışıyor. soruna da bakıyorum.
Makine öğrenimi şirketleri, özellikle de yaratıcılardan oluşan topluluklar yaratmayı amaçlayanlar, bu zorluk üzerinde iyice düşünmelidir. Binlerce veri setine bağımlılarsa, bunların bakım, yasal uyumluluk ve güvenlik için onlarca yıl boyunca finanse edilmesini nasıl sağlayacaklar? Büyük şirketlerin şirket çapında düzinelerce veya yüzlerce model konuşlandırılmasıyla sonuçlanırsa, en iyi uzmanlık bilgisine sahip olanların (modelleri yaratanların) yeni sorunlar keşfedildikçe hala orada olmalarını nasıl sağlayacaklar?
Güvenlik gibi bu zorluğun da kolay bir yanıtı yok. Ancak makine öğrenimi sorunu ne kadar erken ciddiye alırsa (bir hayırseverlik eylemi olarak değil, uzun vadeli büyümenin önemli bir bileşeni olarak), tüm sektör ve tüm dünya için o kadar iyi olacaktır.
Makine öğreniminin akademinin deneysellik kültüründeki derin kökleri ve Silikon Vadisi'nin hızlı yineleme kültürü buna çok iyi hizmet etti ve inanılmaz bir inovasyon patlamasına yol açtı. on yıldan daha kısa bir süre önce büyülü görünüyordu. Açık kaynak yazılımın geçtiğimiz on yılda izlediği yol belki daha az çekiciydi, ancak bu süre zarfında tüm kurumsal yazılımların temelini oluşturdu ve bu süreçte pek çok ders aldı. Umarım makine öğrenimi bu tekerlekleri yeniden icat etmez.
Luis villası Tidelift'in kurucu ortağı ve genel danışmanıdır. Daha önce, Fortune 50 şirketlerinden önde gelen yeni girişimlere kadar müşterilere ürün geliştirme ve açık kaynak lisanslama konularında danışmanlık yapan üst düzey bir açık kaynak avukatıydı.
- SEO Destekli İçerik ve Halkla İlişkiler Dağıtımı. Bugün Gücünüzü Artırın.
- PlatoData.Network Dikey Üretken Yapay Zeka. Kendine güç ver. Buradan Erişin.
- PlatoAiStream. Web3 Zekası. Bilgi Genişletildi. Buradan Erişin.
- PlatoESG. karbon, temiz teknoloji, Enerji, Çevre, Güneş, Atık Yönetimi. Buradan Erişin.
- PlatoSağlık. Biyoteknoloji ve Klinik Araştırmalar Zekası. Buradan Erişin.
- Kaynak: https://www.kdnuggets.com/ai-and-open-source-software-separated-at-birth?utm_source=rss&utm_medium=rss&utm_campaign=ai-and-open-source-software-separated-at-birth
- :vardır
- :dır-dir
- :olumsuzluk
- :Neresi
- $UP
- 2019
- 50
- a
- Hakkımızda
- yukarıdaki
- akademik
- kazara
- Hareket
- gerçek
- aslında
- adres
- benimseyenler
- danışmanlık
- Sonra
- önce
- AI
- Türkiye
- izin vermek
- neredeyse
- boyunca
- zaten
- Ayrıca
- şaşırtıcı
- Amazon
- an
- ve
- android
- öfke
- Başka
- cevaplar
- herhangi
- bir şey
- bariz
- görünmek
- belirir
- Apple
- uygulamalı
- ARE
- ALAN
- alanlar
- etrafında
- göre
- AS
- At
- saldırılar
- yazar
- Yazarlar
- kullanılabilirliği
- mevcut
- AWS
- Arka
- merkezli
- BE
- Çünkü
- müşterimiz
- olur
- olmuştur
- önce
- başladı
- olmak
- İYİ
- Daha iyi
- arasında
- Ötesinde
- Fatura
- doğum
- Blokları
- her ikisi de
- getirmek
- Getiriyor
- bina
- yapılı
- fakat
- by
- denilen
- geldi
- CAN
- Kartlar
- dava
- durumlarda
- gündelik
- zincir
- zincirler
- meydan okuma
- zorluklar
- değişiklik
- sadaka
- ucuz
- cips
- choices
- atıf
- açık
- istemciler
- bulut
- Kurucu
- kod
- nasıl
- topluluklar
- topluluk
- Şirketler
- şirket
- rakip
- karmaşık
- karmaşıklık
- uyma
- bileşen
- Endişeler
- içerik
- kontrast
- telif hakkı
- çekirdek
- Ücret
- olabilir
- avukat
- kurs
- yaratmak
- çevrimiçi kurslar düzenliyorlar.
- yaratıcı
- yaratıcıları
- kritik
- Kültür
- Şu anda
- Müşteriler
- kesim
- veri
- veri seti
- veri kümeleri
- Bayan
- gün
- Günler
- ölü
- onyıl
- yıl
- derin
- bağımlı
- konuşlandırılmış
- açılma
- detaylı
- gelişmiş
- geliştiriciler
- gelişme
- Cihaz
- DID
- farklı
- zorluklar
- keşfetti
- ayırt etme
- tartışmak
- dağıtım
- çeşitli
- do
- belge
- yok
- Değil
- yapıyor
- etki
- yapılmış
- Dont
- onlarca
- çekmek
- sürücü
- sırasında
- her
- Erken
- kolaylaştırmak
- kolay
- ekonomisini
- kenar
- editörler
- kucakladı
- karşılaşma
- son
- Sonsuz
- yeterli
- sağlamak
- kuruluş
- Tüm
- Baştan sona
- kişiler
- özellikle
- Eter (ETH)
- Hatta
- sürekli büyüyen
- kesinlikle
- örnek
- örnekler
- Dışında
- istisna
- Genişletmek
- beklemek
- beklenen
- pahalı
- keşfedilmeyi
- patlama
- katlanarak
- son derece
- yüzler
- tanıdık
- HIZLI
- Favori
- az
- doldurmak
- Ad
- esnek
- Akan
- takip et
- İçin
- Kısmet
- çerçeveler
- itibaren
- finanse
- gelecek
- genel
- üretken
- almak
- alma
- GitHub
- verilmiş
- gidiş
- gitmiş
- Hükümet
- verilmiş
- Büyüyen
- Büyür
- vardı
- Zor
- donanım
- Var
- he
- yardım et
- okuyun
- tarih
- İnşallah
- hosting
- SICAK
- Ne kadar
- Ancak
- HTTPS
- SarılmaYüz
- İnsanlar
- Yüzlerce
- Yutturmaca
- i
- Ben
- belirlenmesi
- IEEE
- if
- görüntü
- son derece
- darbe
- etkileri
- önem
- önemli
- iyileşme
- in
- teşvikler
- Dahil olmak üzere
- inanılmaz
- inanılmaz
- Sanayi
- sanayi
- Yenilikçilik
- girişler
- Intel
- yönelik
- etkileşime
- ilgili
- kavşak
- içine
- Yatırım yapmak
- yatırım
- IT
- tekrarlama
- ONUN
- sadece
- KDNuggets
- tuttu
- anahtar
- Bilmek
- büyük
- büyük
- büyük
- Soyad
- Geçen yıl
- Geç
- sonra
- Kanun
- avukat
- önemli
- ÖĞRENİN
- öğrendim
- öğrenme
- en az
- Yasal Şartlar
- az
- ders
- Dersler
- yükümlülük
- kütüphaneler
- Kütüphane
- ruhsat verme
- hayat
- sevmek
- Muhtemelen
- linux
- Uzun
- uzun zaman
- uzun süreli
- Bakın
- Çok
- bir sürü
- Düşük
- makine
- makine öğrenme
- macos
- sihirli
- bakım
- büyük
- yapmak
- tavır
- çok
- malzemeler
- olgun
- Mayıs..
- ortalama
- anlamına geliyor
- demek
- ölçülü
- ölçüm
- Neden
- Metadata
- olabilir
- İLE
- Azaltmak
- model
- modelleri
- Modern
- an
- para
- Daha
- çoğu
- çoğunlukla
- motivasyonları
- çok
- çokluk
- şart
- my
- zorunlu olarak
- gerek
- ihtiyaçlar
- yeni
- sonraki
- yok hayır
- dikkate değer
- hiçbir şey değil
- şimdi
- numara
- Nvidia
- Açık
- of
- kapalı
- teklif
- sık sık
- Eski
- on
- bir Zamanlar
- ONE
- bir tek
- açık
- açık kaynak
- OpenAI
- işletme
- işletim sistemleri
- or
- kuruluşlar
- bizim
- dışarı
- sonuçlar
- çıkışlar
- tekrar
- Barış
- kâğıt
- Paralel
- Parallels
- özellikle
- geçmiş
- yol
- belki
- parçalar
- yer
- plan
- platform
- Platon
- Plato Veri Zekası
- PlatoVeri
- OYNA
- dalma
- Nokta
- havuz
- pop
- mümkün
- güçlü
- uygulama
- Önceden
- birincil
- muhtemelen
- Sorun
- sorunlar
- PLATFORM
- ürün geliştirme
- Ilerleme
- proje
- Projeler
- özel
- kanıtlanmış
- kaynak
- halka açık
- alıcı
- pytorch
- radikal
- hızlı
- daha doğrusu
- Okuma
- hazır
- Gerçek dünya
- fark
- son
- düzenlenmekte olan
- Değişiklik Yapıldı
- kalkmasından
- İlişkiler
- Raporlar
- gerektirir
- Yer Alan Kurallar
- araştırma
- Araştırma gösteriyor
- krallar gibi yaşamaya
- kökleri
- koşu
- s
- SaaS
- aynı
- SBOM
- kapsam
- sektör
- güvenlik
- arayan
- görünüyor
- cidden mi
- set
- Setleri
- meli
- Silikon
- benzerlikler
- benzer şekilde
- sadece
- beri
- yer
- küçük
- So
- Yazılım
- Yazılım geliştiricileri
- satılan
- biraz
- bazen
- biraz
- sofistike
- Kaynak
- kaynaklar
- alanlarda
- konuşma
- uzman
- özellikler
- gözlük
- Harcama
- yayılma
- yığın
- Yığınları
- başladı
- XNUMX dakika içinde!
- Startups
- Yine
- durdurma
- dere
- sokak
- şiddetle
- yapılandırılmış
- konu
- Önerdi
- arz
- tedarik zinciri
- Tedarik zinciri
- destek
- sürpriz
- hayatta kalmak
- eğilimli
- Sistemler
- Bizi daha iyi tanımak için
- alır
- konuşma
- teknikleri
- Teknoloji
- tensorflow
- dönem
- göre
- o
- The
- Gelecek
- ve bazı Asya
- Onları
- sonra
- Orada.
- bu nedenle
- Bunlar
- onlar
- işler
- düşünmek
- Düşünme
- Düşünüyor
- Re-Tweet
- Bu
- gerçi?
- Binlerce
- İçinden
- zaman
- için
- araç
- üst
- iz
- Takip
- geleneksel
- trafik
- Eğitim
- tedavi
- gerçekten
- denemek
- çalışıyor
- tweaks
- iki
- türleri
- belirsiz
- temel
- anlamak
- ne yazık ki
- unix
- us
- kullanım
- kullanım
- kullanım durumu
- Kullanılmış
- kullanıcı
- kullanma
- çeşitlilik
- satıcıları
- versiyon
- çok
- gönüllü
- Oy
- oldu
- dalgalar
- Yol..
- yolları
- we
- İYİ
- Ne
- Nedir
- hangi
- DSÖ
- geniş ölçüde
- Vahşi
- irade
- pencereler
- ile
- olmadan
- İş
- çalışma
- Dünya
- Dünyanın en
- olur
- yazı yazıyor
- yıl
- yıl
- sen
- zefirnet