{"id":33674,"date":"2025-11-05T19:01:24","date_gmt":"2025-11-05T16:01:24","guid":{"rendered":"https:\/\/fatihsoysal.com\/blog\/isini-gosteren-yapay-zeka-pallerin-seffaf-devrimi\/"},"modified":"2025-11-05T19:01:24","modified_gmt":"2025-11-05T16:01:24","slug":"isini-gosteren-yapay-zeka-pallerin-seffaf-devrimi","status":"publish","type":"post","link":"https:\/\/fatihsoysal.com\/blog\/isini-gosteren-yapay-zeka-pallerin-seffaf-devrimi\/","title":{"rendered":"\u0130\u015fini G\u00f6steren Yapay Zeka: PAL’lerin \u015eeffaf Devrimi"},"content":{"rendered":"

Yapay zeka (YZ) sistemleri hayat\u0131m\u0131z\u0131n her alan\u0131na h\u0131zla entegre olurken, bu sistemlerin nas\u0131l kararlar ald\u0131\u011f\u0131 sorusu zihinleri me\u015fgul etmeye devam ediyor. \u00d6zellikle kritik alanlarda, bir YZ’nin neden belirli bir sonuca ula\u015ft\u0131\u011f\u0131n\u0131 anlamak, sadece g\u00fcven tesis etmekle kalm\u0131yor, ayn\u0131 zamanda sistemin denetlenebilirli\u011fini ve etik uygunlu\u011funu da sa\u011fl\u0131yor. \u0130\u015fte bu noktada, Program Destekli Dil Modelleri (PAL’ler), YZ’nin karar alma s\u00fcre\u00e7lerini \u015feffaf hale getiren devrim niteli\u011finde bir yakla\u015f\u0131m sunuyor. Bu makale, PAL’lerin ne oldu\u011funu, neden \u00f6nemli olduklar\u0131n\u0131 ve modern YZ uygulamalar\u0131nda \u015feffafl\u0131\u011f\u0131 nas\u0131l sa\u011flad\u0131klar\u0131n\u0131 detayl\u0131 bir \u015fekilde inceleyecek.<\/p>\n

Modern yapay zeka, \u00f6zellikle derin \u00f6\u011frenme modelleri, inan\u0131lmaz yeteneklere sahip olmas\u0131na ra\u011fmen, genellikle “kara kutu” olarak adland\u0131r\u0131l\u0131r. Bu terim, modellerin girdileri al\u0131p \u00e7\u0131kt\u0131lar\u0131 \u00fcretirken, bu s\u00fcre\u00e7teki i\u00e7sel mant\u0131\u011f\u0131n insanlar taraf\u0131ndan kolayca anla\u015f\u0131lamamas\u0131 durumunu ifade eder. \u00d6rne\u011fin, bir YZ sistemi bir kredi ba\u015fvurusunu reddetti\u011finde veya t\u0131bbi bir te\u015fhis koydu\u011funda, bu karar\u0131n alt\u0131nda yatan nedenleri bilmek, hem kullan\u0131c\u0131n\u0131n g\u00fcvenini kazanmak hem de yasal ve etik sorumluluklar\u0131 yerine getirmek a\u00e7\u0131s\u0131ndan hayati \u00f6nem ta\u015f\u0131r. E\u011fer bir sistemin kararlar\u0131 \u015feffaf de\u011filse, hatalar\u0131 tespit etmek, \u00f6nyarg\u0131lar\u0131 gidermek veya yasal d\u00fczenlemelere uyum sa\u011flamak neredeyse imkans\u0131z hale gelir. Bu durum, \u00f6zellikle sa\u011fl\u0131k, finans, hukuk ve otonom sistemler gibi y\u00fcksek riskli alanlarda ciddi sorunlara yol a\u00e7abilir. D\u00fc\u015f\u00fcn\u00fcn ki otonom bir ara\u00e7 bir kaza yapt\u0131 ve sistemin neden o karar\u0131 verdi\u011fini kimse a\u00e7\u0131klayam\u0131yor. Bu t\u00fcr senaryolar, sadece teknolojik bir eksiklik de\u011fil, ayn\u0131 zamanda toplumsal g\u00fcven ve kabul a\u00e7\u0131s\u0131ndan da b\u00fcy\u00fck bir bariyer olu\u015fturur. \u015eeffafl\u0131k eksikli\u011fi, YZ’nin daha geni\u015f \u00e7apta benimsenmesinin \u00f6n\u00fcndeki en b\u00fcy\u00fck engellerden biridir ve bu engeli a\u015fmak i\u00e7in yenilik\u00e7i \u00e7\u00f6z\u00fcmlere ihtiya\u00e7 duyulmaktad\u0131r. \u0130\u015fte bu ba\u011flamda, PAL’ler gibi yeni nesil yakla\u015f\u0131mlar, YZ’nin i\u00e7 i\u015fleyi\u015fini ayd\u0131nlatarak, bu kara kutu sorununa g\u00fc\u00e7l\u00fc bir \u00e7\u00f6z\u00fcm sunmay\u0131 hedeflemektedir. Bu sayede, YZ kararlar\u0131 art\u0131k sadece bir \u00e7\u0131kt\u0131dan ibaret kalmayacak, ayn\u0131 zamanda ad\u0131m ad\u0131m nas\u0131l o noktaya gelindi\u011fi de anla\u015f\u0131labilir k\u0131l\u0131nacakt\u0131r. Bu, YZ’ye olan g\u00fcveni art\u0131r\u0131rken, ayn\u0131 zamanda YZ’nin daha adil, daha g\u00fcvenilir ve daha sorumlu bir \u015fekilde geli\u015ftirilmesine olanak tan\u0131yacakt\u0131r. Dolay\u0131s\u0131yla, yapay zeka kutusunun art\u0131k siyah kalmas\u0131na izin vermemek, sadece teknik bir tercih de\u011fil, ayn\u0131 zamanda etik ve toplumsal bir zorunluluktur.<\/p>\n

PAL’ler Tam Olarak Nedir ve Neden Bir Devrim Niteli\u011finde?<\/h2>\n

Program Destekli Dil Modelleri (PAL’ler), B\u00fcy\u00fck Dil Modellerinin (LLM’ler) sadece metin \u00fcretmekle kalmay\u0131p, ayn\u0131 zamanda programlama kodu \u00fcretebilme ve bu kodu harici bir yorumlay\u0131c\u0131 veya derleyici arac\u0131l\u0131\u011f\u0131yla y\u00fcr\u00fctebilme yetene\u011fine sahip olmas\u0131n\u0131 ifade eder. Geleneksel LLM’ler, bir soruya do\u011frudan metinsel bir cevap \u00fcretirken, PAL’ler problem \u00e7\u00f6zme s\u00fcrecini bir dizi mant\u0131ksal ad\u0131m olarak ifade eden kod par\u00e7ac\u0131klar\u0131 olu\u015fturur. Bu kod daha sonra ger\u00e7ek bir programlama ortam\u0131nda \u00e7al\u0131\u015ft\u0131r\u0131l\u0131r ve elde edilen sonu\u00e7, nihai cevab\u0131n bir par\u00e7as\u0131 olarak veya bir sonraki ad\u0131m i\u00e7in girdi olarak kullan\u0131l\u0131r. Bu yakla\u015f\u0131m, LLM’lerin yaln\u0131zca sezgisel metin \u00fcretme yeteneklerini a\u015farak, deterministik ve mant\u0131ksal ak\u0131l y\u00fcr\u00fctme becerilerini de sergilemelerini sa\u011flar. PAL’lerin devrim niteli\u011finde olmas\u0131n\u0131n temel nedeni, yapay zeka sistemlerinin “i\u015fini g\u00f6stermesine” olanak tan\u0131mas\u0131d\u0131r. Yani, bir PAL sadece “bu cevapt\u0131r” demekle kalmaz, ayn\u0131 zamanda “bu cevaba ula\u015fmak i\u00e7in bu ad\u0131mlar\u0131 takip ettim” der. Bu ad\u0131mlar genellikle Python gibi yayg\u0131n olarak kullan\u0131lan bir programlama dilinde yaz\u0131lm\u0131\u015f kod bloklar\u0131 \u015feklinde sunulur. Bu \u015feffafl\u0131k, YZ’nin karar alma s\u00fcre\u00e7lerini denetlenebilir, hata ay\u0131klanabilir ve anla\u015f\u0131labilir k\u0131lar. Geleneksel kara kutu modellerinde, bir hata meydana geldi\u011finde veya bir sonu\u00e7 \u015f\u00fcpheli g\u00f6r\u00fcnd\u00fc\u011f\u00fcnde, sorunun k\u00f6kenini bulmak son derece zordur. Ancak PAL’lerle, \u00fcretilen kodu inceleyerek hatan\u0131n hangi a\u015famada yap\u0131ld\u0131\u011f\u0131n\u0131, hangi mant\u0131ksal \u00e7\u0131kar\u0131m\u0131n yanl\u0131\u015f oldu\u011funu veya hangi verinin yanl\u0131\u015f i\u015flendi\u011fini net bir \u015fekilde g\u00f6rebiliriz. Bu durum, YZ geli\u015ftirmeyi ve g\u00fcvenilirli\u011fini \u00f6nemli \u00f6l\u00e7\u00fcde art\u0131r\u0131r. Ayr\u0131ca, PAL’ler karma\u015f\u0131k problemlerin \u00e7\u00f6z\u00fcm\u00fcnde insan uzmanl\u0131\u011f\u0131n\u0131 taklit etme yeteneklerini de geli\u015ftirir. Bir insan problemi \u00e7\u00f6zerken genellikle ad\u0131mlara ay\u0131r\u0131r, ara hesaplamalar yapar ve bu ad\u0131mlar\u0131 belgeleyebilir. PAL’ler de benzer bir yakla\u015f\u0131m sergileyerek, sadece nihai cevab\u0131 de\u011fil, ayn\u0131 zamanda bu cevaba giden mant\u0131ksal yolu da ortaya koyar. Bu, \u00f6zellikle bilimsel ara\u015ft\u0131rmalar, m\u00fchendislik problemleri veya veri analizi gibi alanlarda b\u00fcy\u00fck bir avantaj sa\u011flar. Sonu\u00e7 olarak, PAL’ler, YZ’nin sadece ne yapt\u0131\u011f\u0131n\u0131 de\u011fil, ayn\u0131 zamanda bunu nas\u0131l yapt\u0131\u011f\u0131n\u0131 da g\u00f6stererek, yapay zeka teknolojilerine olan g\u00fcveni k\u00f6kten de\u011fi\u015ftirmekte ve daha \u015feffaf, hesap verebilir ve anla\u015f\u0131labilir YZ sistemlerinin kap\u0131lar\u0131n\u0131 aralamaktad\u0131r.<\/p>\n

Yapay Zeka \u015eeffafl\u0131\u011f\u0131 Neden Bu Kadar Kritik? Ger\u00e7ek D\u00fcnya Senaryolar\u0131<\/h2>\n

Yapay zeka \u015feffafl\u0131\u011f\u0131, g\u00fcn\u00fcm\u00fcz d\u00fcnyas\u0131nda sadece bir tercih olmaktan \u00e7\u0131k\u0131p, bir zorunluluk haline gelmi\u015ftir. Bu durum, \u00f6zellikle YZ’nin kritik alanlarda ald\u0131\u011f\u0131 kararlar\u0131n insan hayat\u0131n\u0131, ekonomiyi ve toplumsal d\u00fczeni do\u011frudan etkileyebilmesi nedeniyledir. \u015eeffaf yapay zeka, sistemlerin neden belirli bir karara ula\u015ft\u0131\u011f\u0131n\u0131 anlamam\u0131z\u0131 sa\u011flayarak, g\u00fcven in\u015fa eder, etik sorumlulu\u011fu art\u0131r\u0131r ve yasal uyumlulu\u011fu kolayla\u015ft\u0131r\u0131r.<\/p>\n

Vaka Analizi 1: Finans Sekt\u00f6r\u00fcnde Kredi Onay\u0131<\/h3>\n

Bir bankan\u0131n, bir m\u00fc\u015fterinin kredi ba\u015fvurusunu YZ destekli bir sistemle de\u011ferlendirdi\u011fini d\u00fc\u015f\u00fcnelim. E\u011fer sistem ba\u015fvuruyu reddederse ve bu karar\u0131n arkas\u0131ndaki nedenler a\u00e7\u0131klanamazsa, m\u00fc\u015fteri kendini ma\u011fdur hissedebilir. Geleneksel kara kutu modellerinde, karar sadece “reddedildi” \u015feklinde gelir ve nedenleri belirsiz kal\u0131r. Ancak \u015feffaf bir PAL sistemi kullan\u0131ld\u0131\u011f\u0131nda, modelin kredi riskini de\u011ferlendirirken hangi finansal verileri (gelir d\u00fczeyi, mevcut bor\u00e7lar, kredi ge\u00e7mi\u015fi vb.) kulland\u0131\u011f\u0131, hangi kriterlere ne a\u011f\u0131rl\u0131k verdi\u011fi ve bu verilerle hangi hesaplamalar\u0131 yaparak sonuca ula\u015ft\u0131\u011f\u0131 ad\u0131m ad\u0131m g\u00f6sterilebilir. \u00d6rne\u011fin, sistem \u015f\u00f6yle bir a\u00e7\u0131klama \u00fcretebilir: “Ba\u015fvurunuz, son 6 aydaki gelir istikrar\u0131n\u0131z\u0131n yetersiz bulunmas\u0131 (%15 a\u011f\u0131rl\u0131k) ve mevcut bor\u00e7\/gelir oran\u0131n\u0131z\u0131n sekt\u00f6r ortalamas\u0131n\u0131n %10 \u00fczerinde olmas\u0131 (%25 a\u011f\u0131rl\u0131k) nedeniyle reddedilmi\u015ftir. Ayr\u0131ca, kredi puan\u0131n\u0131z\u0131n belirlenen e\u015fik de\u011ferin alt\u0131nda olmas\u0131 da etkili olmu\u015ftur.” Bu t\u00fcr bir a\u00e7\u0131klama, m\u00fc\u015fterinin karar\u0131 anlamas\u0131na, itiraz etmesine veya gelecekteki ba\u015fvurusu i\u00e7in finansal durumunu d\u00fczeltmesine olanak tan\u0131r. Ayn\u0131 zamanda, bankan\u0131n da yasal y\u00fck\u00fcml\u00fcl\u00fcklerini (\u00f6rne\u011fin ayr\u0131mc\u0131l\u0131k yapmama) yerine getirdi\u011fini g\u00f6stermesini sa\u011flar ve denetleyici kurumlar kar\u015f\u0131s\u0131nda hesap verebilirli\u011fini art\u0131r\u0131r.<\/p>\n

Vaka Analizi 2: Sa\u011fl\u0131k Sekt\u00f6r\u00fcnde Te\u015fhis ve Tedavi \u00d6nerileri<\/h3>\n

Sa\u011fl\u0131k, \u015feffafl\u0131\u011f\u0131n en kritik oldu\u011fu alanlardan biridir. Bir YZ sistemi, hastan\u0131n t\u0131bbi g\u00f6r\u00fcnt\u00fclerini analiz ederek bir kanser te\u015fhisi koydu\u011funda veya belirli bir tedavi protokol\u00fcn\u00fc \u00f6nerdi\u011finde, doktorlar\u0131n ve hastalar\u0131n bu karara g\u00fcvenebilmesi gerekir. Kara kutu bir modelin sadece “kanser tespit edildi” demesi, bir doktor i\u00e7in yeterli de\u011fildir. Doktor, te\u015fhisin hangi belirtilere, hangi g\u00f6r\u00fcnt\u00fcdeki anormalliklere veya hangi laboratuvar sonu\u00e7lar\u0131na dayanarak yap\u0131ld\u0131\u011f\u0131n\u0131 bilmek ister. \u015eeffaf bir PAL, bu s\u00fcreci detayland\u0131rabilir. \u00d6rne\u011fin, “MR g\u00f6r\u00fcnt\u00fclerinizdeki sol lobda g\u00f6zlemlenen 2 cm’lik lezyonun (koordinatlar: X, Y, Z), doku yo\u011funlu\u011fu analizinde y\u00fcksek malignite potansiyeli g\u00f6stermesi ve kan testlerinizdeki belirli biyobelirte\u00e7 seviyelerinin (\u00f6rne\u011fin, CA-125 de\u011feri) normalin \u00fczerinde olmas\u0131 nedeniyle t\u00fcm\u00f6r riski y\u00fcksek olarak de\u011ferlendirilmi\u015ftir. \u00d6nerilen tedavi, bu bulgulara dayanarak kemoterapi ve radyoterapi kombinasyonunu i\u00e7ermektedir.” Bu detayl\u0131 a\u00e7\u0131klama, doktorlar\u0131n YZ \u00f6nerilerini daha bilin\u00e7li bir \u015fekilde de\u011ferlendirmesine, hasta ile daha \u015feffaf ileti\u015fim kurmas\u0131na ve nihayetinde daha iyi sa\u011fl\u0131k hizmeti sunmas\u0131na yard\u0131mc\u0131 olur. Hastalar\u0131n da kendi durumlar\u0131 hakk\u0131nda daha fazla bilgi sahibi olmas\u0131, tedaviye uyumlar\u0131n\u0131 art\u0131r\u0131r ve genel g\u00fcveni peki\u015ftirir.<\/p>\n

Vaka Analizi 3: Otomatik S\u00fcr\u00fc\u015f Sistemleri ve Hukuki Sorumluluk<\/h3>\n

Otonom ara\u00e7lar, ula\u015f\u0131m sekt\u00f6r\u00fcnde devrim yaratma potansiyeline sahipken, kazalar durumunda sorumluluk sorunu gibi karma\u015f\u0131k etik ve hukuki zorluklar\u0131 da beraberinde getirmektedir. E\u011fer otonom bir ara\u00e7 bir kaza yaparsa, sistemin o anda neden belirli bir eylemi ger\u00e7ekle\u015ftirdi\u011fini (\u00f6rne\u011fin, neden fren yapmak yerine h\u0131zland\u0131\u011f\u0131n\u0131 veya neden sa\u011fa d\u00f6nmek yerine sola sapt\u0131\u011f\u0131n\u0131) a\u00e7\u0131klamak hayati \u00f6nem ta\u015f\u0131r. Kara kutu sistemler, bu sorulara cevap veremez ve hukuki sorumlulu\u011fun kime ait oldu\u011funu (\u00fcretici, yaz\u0131l\u0131m geli\u015ftirici, ara\u00e7 sahibi?) belirlemeyi zorla\u015ft\u0131r\u0131r. PAL’ler ise, bu t\u00fcr durumlarda arac\u0131n sens\u00f6r verilerini (radar, lidar, kamera), trafik ko\u015fullar\u0131n\u0131, di\u011fer ara\u00e7lar\u0131n konumlar\u0131n\u0131, h\u0131z\u0131n\u0131 ve o anki \u00e7evresel fakt\u00f6rleri analiz ederek ald\u0131\u011f\u0131 kararlar\u0131 ad\u0131m ad\u0131m a\u00e7\u0131klayabilen kodlar \u00fcretebilir. “Kaza an\u0131nda, sa\u011f \u015feritteki arac\u0131n ani \u015ferit de\u011fi\u015ftirmesi nedeniyle (sens\u00f6r verisi X), \u00e7arp\u0131\u015fmay\u0131 \u00f6nlemek i\u00e7in sol \u015feride ge\u00e7i\u015f yapma karar\u0131 al\u0131nm\u0131\u015ft\u0131r. Ancak, ayn\u0131 anda sol \u015feritten gelen ba\u015fka bir ara\u00e7 (sens\u00f6r verisi Y) nedeniyle bu manevra tamamlanamam\u0131\u015f ve kaza meydana gelmi\u015ftir. Sistem, \u00f6ncelik matrisine g\u00f6re \u00e7arp\u0131\u015fma \u015fiddetini minimize etme algoritmas\u0131n\u0131 \u00e7al\u0131\u015ft\u0131rm\u0131\u015ft\u0131r.” Bu t\u00fcr loglar ve a\u00e7\u0131klamalar, kazan\u0131n nedenlerini anlamak, benzer kazalar\u0131 \u00f6nlemek i\u00e7in sistem iyile\u015ftirmeleri yapmak ve hukuki s\u00fcre\u00e7lerde delil sunmak a\u00e7\u0131s\u0131ndan vazge\u00e7ilmezdir. Bu \u00f6rnekler, YZ \u015feffafl\u0131\u011f\u0131n\u0131n sadece bir l\u00fcks de\u011fil, ayn\u0131 zamanda g\u00fcvenilirlik, etik uyumluluk ve yasal hesap verebilirlik a\u00e7\u0131s\u0131ndan temel bir gereklilik oldu\u011funu a\u00e7\u0131k\u00e7a ortaya koymaktad\u0131r.<\/p>\n

PAL’ler Nas\u0131l \u00c7al\u0131\u015f\u0131r? Ad\u0131m Ad\u0131m Mekanizma ve \u00d6rnek Uygulama<\/h2>\n

PAL’lerin \u00e7al\u0131\u015fma prensibi, geleneksel B\u00fcy\u00fck Dil Modellerinden (LLM’ler) farkl\u0131 olarak, sadece metin \u00fcretmekle kalmay\u0131p, bu metni bir programlama dili format\u0131nda (genellikle Python) \u00fcreterek, harici bir y\u00fcr\u00fctme ortam\u0131nda \u00e7al\u0131\u015ft\u0131rma yetene\u011fine dayan\u0131r. Bu s\u00fcre\u00e7, birka\u00e7 temel ad\u0131mdan olu\u015fur ve YZ’nin “d\u00fc\u015f\u00fcnce s\u00fcrecini” d\u0131\u015fa vurmas\u0131n\u0131 sa\u011flar.<\/p>\n

    \n
  1. Kullan\u0131c\u0131 \u0130steminin Al\u0131nmas\u0131 ve Anla\u015f\u0131lmas\u0131:<\/strong>\n
      \n
    • S\u00fcre\u00e7, kullan\u0131c\u0131n\u0131n do\u011fal dilde ifade etti\u011fi bir soru veya g\u00f6revle ba\u015flar. \u00d6rne\u011fin, “T\u00fcrkiye’nin en kalabal\u0131k 5 \u015fehrinin toplam n\u00fcfusu nedir?” gibi bir soru.<\/li>\n
    • PAL sistemi, bu istemi analiz eder ve alt\u0131nda yatan hesaplama veya veri i\u015fleme ihtiyac\u0131n\u0131 anlar.<\/li>\n<\/ul>\n<\/li>\n
    • Kod \u00dcretimi:<\/strong>\n
        \n
      • LLM \u00e7ekirde\u011fi, kullan\u0131c\u0131n\u0131n istemini yerine getirmek i\u00e7in gerekli olan ad\u0131mlar\u0131 mant\u0131ksal olarak par\u00e7alara ay\u0131r\u0131r ve her bir ad\u0131m\u0131 programlama koduna d\u00f6n\u00fc\u015ft\u00fcr\u00fcr. Bu, bir t\u00fcr “i\u00e7sel muhakeme” s\u00fcrecinin kod format\u0131na d\u00f6k\u00fclmesidir.<\/li>\n
      • Model, belirli bir g\u00f6revi yerine getirecek fonksiyonlar\u0131, de\u011fi\u015fkenleri ve kontrol yap\u0131lar\u0131n\u0131 i\u00e7eren bir kod blo\u011fu (genellikle Python) \u00fcretir. Bu kod, harici ara\u00e7lar\u0131 (\u00f6rne\u011fin, bir veritaban\u0131 sorgusu, bir web API’si \u00e7a\u011fr\u0131s\u0131, matematiksel bir hesaplama) kullanabilir.<\/li>\n<\/ul>\n<\/li>\n
      • Kodun Y\u00fcr\u00fct\u00fclmesi (Execution):<\/strong>\n
          \n
        • \u00dcretilen kod, g\u00fcvenli bir y\u00fcr\u00fctme ortam\u0131nda (sandbox) \u00e7al\u0131\u015ft\u0131r\u0131l\u0131r. Bu ortam, kodun sistemde potansiyel zararl\u0131 eylemler yapmas\u0131n\u0131 engellemek i\u00e7in izole edilmi\u015ftir.<\/li>\n
        • Kodun \u00e7\u0131kt\u0131s\u0131 (\u00f6rne\u011fin, bir hesaplama sonucu, bir API’den d\u00f6nen veri) yakalan\u0131r.<\/li>\n<\/ul>\n<\/li>\n
        • Geri Bildirim ve Tekrar:<\/strong>\n
            \n
          • Y\u00fcr\u00fctme sonucunda elde edilen \u00e7\u0131kt\u0131, tekrar LLM’e geri beslenir. LLM, bu \u00e7\u0131kt\u0131y\u0131 analiz ederek g\u00f6revine devam edip etmeyece\u011fine, kodu iyile\u015ftirmeye veya nihai cevab\u0131 olu\u015fturmaya karar verir.<\/li>\n
          • E\u011fer ilk kod istenen sonucu vermezse veya bir hata olu\u015fursa, LLM bu geri bildirimi kullanarak kodu d\u00fczeltebilir veya farkl\u0131 bir yakla\u015f\u0131m deneyebilir. Bu bir t\u00fcr otomatik hata ay\u0131klama d\u00f6ng\u00fcs\u00fcd\u00fcr.<\/li>\n<\/ul>\n<\/li>\n
          • Nihai Cevab\u0131n Olu\u015fturulmas\u0131:<\/strong>\n
              \n
            • T\u00fcm kod y\u00fcr\u00fctmeleri ve hesaplamalar tamamland\u0131ktan sonra, LLM elde edilen sonu\u00e7lar\u0131 derleyerek kullan\u0131c\u0131ya do\u011fal dilde anla\u015f\u0131l\u0131r bir cevap sunar. Bu cevap, ayn\u0131 zamanda kullan\u0131lan kod ad\u0131mlar\u0131n\u0131 da i\u00e7erebilir, b\u00f6ylece \u015feffafl\u0131k sa\u011flanm\u0131\u015f olur.<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n

              Basit Bir \u00d6rnek: Matematik Problemi \u00c7\u00f6z\u00fcm\u00fc<\/strong><\/p>\n

              Kullan\u0131c\u0131n\u0131n PAL’e \u015f\u00f6yle bir soru sordu\u011funu varsayal\u0131m: “Bir araba saatte 90 km h\u0131zla gidiyor. 3,5 saatte ka\u00e7 km yol kat eder?”<\/p>\n

              PAL’in \u00c7al\u0131\u015fma Ad\u0131mlar\u0131:<\/strong><\/p>\n

                \n
              1. \u0130stem Analizi:<\/strong> PAL, kullan\u0131c\u0131n\u0131n h\u0131z ve zaman de\u011ferlerini kullanarak mesafeyi hesaplamak istedi\u011fini anlar.<\/li>\n
              2. Kod \u00dcretimi:<\/strong> PAL, bu hesaplamay\u0131 yapacak Python kodunu \u00fcretir:<\/li>\n<\/ol>\n
                \nhiz = 90\nzaman = 3.5\nmesafe = hiz * zaman\nprint(mesafe)\n\n<\/pre>\n
                <\/code><\/p>\n
                  \n
                1. Kodun Y\u00fcr\u00fct\u00fclmesi:<\/strong> G\u00fcvenli ortamda bu kod \u00e7al\u0131\u015ft\u0131r\u0131l\u0131r.<\/li>\n
                2. \u00c7\u0131kt\u0131:<\/strong> Kodun \u00e7\u0131kt\u0131s\u0131 315.0<\/code> olur.<\/li>\n
                3. Nihai Cevap:<\/strong> PAL, bu \u00e7\u0131kt\u0131y\u0131 do\u011fal dile \u00e7evirerek kullan\u0131c\u0131ya sunar: \"Araba 3,5 saatte 315 kilometre yol kat eder. Bu sonuca ula\u015fmak i\u00e7in h\u0131z (90 km\/s) ve zaman (3,5 saat) \u00e7arp\u0131lm\u0131\u015ft\u0131r.\"<\/li>\n<\/ol>\n
                  Bu \u00f6rnek, PAL'lerin nas\u0131l bir g\u00f6revi programlama ad\u0131mlar\u0131na d\u00f6n\u00fc\u015ft\u00fcrd\u00fc\u011f\u00fcn\u00fc, bu ad\u0131mlar\u0131 \u00e7al\u0131\u015ft\u0131rd\u0131\u011f\u0131n\u0131 ve sonucu do\u011fal dilde a\u00e7\u0131klad\u0131\u011f\u0131n\u0131 g\u00f6stermektedir. Bu mekanizma, YZ'nin sadece nihai bir cevap vermekle kalmay\u0131p, ayn\u0131 zamanda o cevaba nas\u0131l ula\u015ft\u0131\u011f\u0131n\u0131 da \u015feffaf bir \u015fekilde ortaya koymas\u0131n\u0131 sa\u011flar. B\u00f6ylece, kullan\u0131c\u0131lar ve geli\u015ftiriciler, YZ'nin mant\u0131ksal ak\u0131l y\u00fcr\u00fctme s\u00fcrecini ad\u0131m ad\u0131m takip edebilirler.<\/p>\n
                  Kendi PAL Uygulaman\u0131z\u0131 Geli\u015ftirmek: \u0130lk Ad\u0131mlar ve Pratik \u0130pu\u00e7lar\u0131<\/h2>\n
                  PAL uygulamalar\u0131 geli\u015ftirmek, B\u00fcy\u00fck Dil Modellerinin (LLM'ler) programlama yeteneklerini kullanarak daha \u015feffaf ve g\u00fc\u00e7l\u00fc yapay zeka \u00e7\u00f6z\u00fcmleri olu\u015fturman\u0131z\u0131 sa\u011flar. Bu s\u00fcre\u00e7, temel programlama bilgisi ve LLM API'leri ile \u00e7al\u0131\u015fma tecr\u00fcbesi gerektirir. \u0130\u015fte kendi PAL uygulaman\u0131z\u0131 geli\u015ftirmek i\u00e7in izleyebilece\u011finiz ad\u0131mlar ve pratik ipu\u00e7lar\u0131:<\/p>\n
                  Gerekli Ara\u00e7lar ve Altyap\u0131:<\/h3>\n
                    \n
                  • Python:<\/strong> PAL geli\u015ftirmek i\u00e7in en yayg\u0131n kullan\u0131lan dil Python'd\u0131r. Geni\u015f k\u00fct\u00fcphane deste\u011fi ve okunabilirli\u011fi sayesinde ideal bir se\u00e7imdir.<\/li>\n
                  • LLM API Eri\u015fimi:<\/strong> OpenAI (GPT-3.5, GPT-4), Google (PaLM, Gemini), Anthropic (Claude) gibi sa\u011flay\u0131c\u0131lardan birinin LLM API'sine eri\u015fiminiz olmal\u0131d\u0131r. Bu API'ler, PAL'inizin kod \u00fcretme \"beyni\"ni olu\u015fturacakt\u0131r.<\/li>\n
                  • Kod Y\u00fcr\u00fctme Ortam\u0131 (Sandbox):<\/strong> \u00dcretilen kodu g\u00fcvenli bir \u015fekilde \u00e7al\u0131\u015ft\u0131rmak i\u00e7in izole bir ortam \u015fartt\u0131r. Kendi sisteminizde bir subprocess<\/code> mod\u00fcl\u00fc kullanarak veya daha geli\u015fmi\u015f bir Docker kapsay\u0131c\u0131s\u0131 i\u00e7inde \u00e7al\u0131\u015ft\u0131rarak bu ortam\u0131 olu\u015fturabilirsiniz. Jupyter Notebook'lar veya Google Colab gibi etkile\u015fimli ortamlar da h\u0131zl\u0131 prototipleme i\u00e7in uygun olabilir.<\/li>\n
                  • \u0130stem M\u00fchendisli\u011fi K\u00fct\u00fcphaneleri:<\/strong> LangChain, LlamaIndex gibi k\u00fct\u00fcphaneler, LLM'lerle karma\u015f\u0131k etkile\u015fimleri ve PAL benzeri zincirleri (chains) y\u00f6netmek i\u00e7in harika ara\u00e7lard\u0131r.<\/li>\n<\/ul>\n
                    Ad\u0131m Ad\u0131m Geli\u015ftirme S\u00fcreci:<\/h3>\n
                      \n
                    1. LLM'i Yap\u0131land\u0131r\u0131n:<\/strong>\n
                        \n
                      • API anahtar\u0131n\u0131z\u0131 ayarlay\u0131n ve kullanaca\u011f\u0131n\u0131z LLM'i se\u00e7in.<\/li>\n
                      • Modelin davran\u0131\u015f\u0131n\u0131 etkileyecek parametreleri (s\u0131cakl\u0131k\/temperature, max_tokens vb.) belirleyin.<\/li>\n<\/ul>\n<\/li>\n
                      • \u0130stem (Prompt) Tasar\u0131m\u0131:<\/strong>\n
                          \n
                        • En kritik ad\u0131mlardan biri, LLM'e ne yapmas\u0131 gerekti\u011fini a\u00e7\u0131k\u00e7a belirten bir istem olu\u015fturmakt\u0131r.<\/li>\n
                        • \u0130steminizde, modelden Python kodu \u00fcretmesini istedi\u011finizi ve bu kodu belirli bir g\u00f6revi yerine getirecek \u015fekilde yazmas\u0131n\u0131 belirtin.<\/li>\n
                        • Gerekirse, modelin kullanabilece\u011fi fonksiyonlar\u0131 veya veri yap\u0131lar\u0131n\u0131 a\u00e7\u0131klayan \"few-shot\" \u00f6rnekler (az say\u0131da \u00f6rnek) ekleyin.<\/li>\n
                        • \u00d6nemli: Modelin \u00fcretece\u011fi kodun sadece cevab\u0131 de\u011fil, ayn\u0131 zamanda ad\u0131mlar\u0131 da g\u00f6sterecek \u015fekilde tasarlanmas\u0131na \u00f6zen g\u00f6sterin.<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n
                          \n# \u00d6rnek bir prompt (istem)\nprompt = \"\"\"\nA\u015fa\u011f\u0131daki g\u00f6revi yerine getirmek i\u00e7in Python kodu yaz. Kodun \u00e7\u0131kt\u0131s\u0131n\u0131 alabilmek i\u00e7in son sat\u0131rda 'print()' fonksiyonunu kullan.\nKodun, matematiksel i\u015flemleri yaparken ad\u0131m ad\u0131m ilerlemesini ve ara de\u011ferleri de gerekirse yorum sat\u0131rlar\u0131nda belirtmesini istiyorum.\nG\u00f6rev: Bir \u00fcr\u00fcn\u00fcn KDV hari\u00e7 fiyat\u0131 120 TL ise ve KDV oran\u0131 %18 ise, KDV dahil fiyat\u0131n\u0131 ve KDV tutar\u0131n\u0131 hesapla.\n\"\"\"\n\n<\/pre>\n
                          <\/code><\/p>\n
                            \n
                          1. Kod \u00dcretimi ve Ay\u0131klanmas\u0131:<\/strong>\n
                              \n
                            • LLM'e istemi g\u00f6nderin ve d\u00f6nen kodu al\u0131n.<\/li>\n
                            • D\u00f6nen kodun ge\u00e7erli bir Python kodu olup olmad\u0131\u011f\u0131n\u0131 kontrol edin (syntax kontrol\u00fc).<\/li>\n<\/ul>\n<\/li>\n
                            • G\u00fcvenli Kod Y\u00fcr\u00fctme:<\/strong>\n
                                \n
                              • \u00dcretilen kodu g\u00fcvenli bir ortamda \u00e7al\u0131\u015ft\u0131r\u0131n. Python'da exec()<\/code> fonksiyonunu dikkatli kullanmak veya subprocess<\/code> ile ayr\u0131 bir s\u00fcre\u00e7te \u00e7al\u0131\u015ft\u0131rmak m\u00fcmk\u00fcnd\u00fcr. Ancak g\u00fcvenlik her zaman \u00f6ncelikli olmal\u0131d\u0131r. Bir sandbox (kum havuzu) ortam\u0131 kullanmak en iyisidir.<\/li>\n
                              • Kodun \u00e7\u0131kt\u0131s\u0131n\u0131 yakalay\u0131n.<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n
                                \nimport io\nimport contextlib\nimport traceback\n\ndef execute_python_code(code):\n    \"\"\"G\u00fcvenli bir ortamda Python kodunu \u00e7al\u0131\u015ft\u0131r\u0131r ve \u00e7\u0131kt\u0131s\u0131n\u0131 d\u00f6nd\u00fcr\u00fcr.\"\"\"\n    old_stdout = sys.stdout\n    redirected_output = io.StringIO()\n    sys.stdout = redirected_output\n    \n    try:\n        # Kodun g\u00fcvenli bir \u015fekilde \u00e7al\u0131\u015ft\u0131r\u0131lmas\u0131 \u00f6nemlidir.\n        # Ger\u00e7ek uygulamalarda daha geli\u015fmi\u015f sandbox y\u00f6ntemleri kullan\u0131lmal\u0131d\u0131r.\n        exec(code, {'__builtins__': None}, {}) # S\u0131n\u0131rl\u0131 ortam\n        output = redirected_output.getvalue()\n        return output, None\n    except Exception as e:\n        error_message = traceback.format_exc()\n        return None, error_message\n    finally:\n        sys.stdout = old_stdout\n\n# LLM'den gelen kod (\u00f6rnek)\nllm_generated_code = \"\"\"\nfiyat_kdvsiz = 120\nkdv_oran = 0.18 # %18\nkdv_tutari = fiyat_kdvsiz * kdv_oran # KDV tutar\u0131n\u0131 hesapla\nfiyat_kdv_dahil = fiyat_kdvsiz + kdv_tutari # KDV dahil fiyat\u0131 hesapla\nprint(f\"KDV tutar\u0131: {kdv_tutari:.2f} TL\")\nprint(f\"KDV dahil fiyat: {fiyat_kdv_dahil:.2f} TL\")\n\"\"\"\n\noutput, error = execute_python_code(llm_generated_code)\nif error:\n    print(f\"Kod y\u00fcr\u00fct\u00fcl\u00fcrken hata olu\u015ftu: {error}\")\nelse:\n    print(f\"Kod \u00e7\u0131kt\u0131s\u0131:\\n{output}\")\n\n<\/pre>\n
                                <\/code><\/p>\n
                                  \n
                                1. Sonucu Bi\u00e7imlendirme ve Geri Bildirim:<\/strong>\n
                                    \n
                                  • Y\u00fcr\u00fctme sonucunu kullan\u0131c\u0131ya anla\u015f\u0131l\u0131r bir \u015fekilde sunun.<\/li>\n
                                  • E\u011fer kod hata verirse veya beklenen sonucu \u00fcretmezse, bu hatay\u0131 LLM'e geri bildirim olarak vererek kodu d\u00fczeltmesini isteyebilirsiniz. Bu, \"self-correction\" (kendi kendini d\u00fczeltme) d\u00f6ng\u00fcs\u00fc olu\u015fturur.<\/li>\n<\/ul>\n<\/li>\n<\/ol>\n
                                    Pratik \u0130pu\u00e7lar\u0131 ve \u0130leri Teknikler:<\/h3>\n
                                      \n
                                    • G\u00fcvenlik Her \u015eeyden \u00d6nce Gelir:<\/strong> LLM'lerin \u00fcretti\u011fi kod rastgele veya k\u00f6t\u00fc niyetli olabilir. Bu nedenle kodu daima g\u00fcvenli, izole bir ortamda (\u00f6rne\u011fin, Docker kapsay\u0131c\u0131lar\u0131 veya k\u0131s\u0131tl\u0131 exec<\/code> \u00e7a\u011fr\u0131lar\u0131) \u00e7al\u0131\u015ft\u0131r\u0131n. Asla tam yetkiye sahip bir ortamda \u00e7al\u0131\u015ft\u0131rmay\u0131n.<\/li>\n
                                    • Hata \u0130\u015fleme:<\/strong> Kod y\u00fcr\u00fctmesinde olu\u015fabilecek hatalar\u0131 (syntax hatalar\u0131, \u00e7al\u0131\u015fma zaman\u0131 hatalar\u0131) yakalay\u0131n ve bunlar\u0131 LLM'e geri bildirim olarak vererek d\u00fczeltme mekanizmas\u0131 geli\u015ftirin.<\/li>\n
                                    • Ara Ad\u0131mlar\u0131 \u0130steyin:<\/strong> \u0130steminizde, LLM'den sadece nihai cevab\u0131 de\u011fil, ayn\u0131 zamanda sonuca giden ara ad\u0131mlar\u0131 ve mant\u0131ksal \u00e7\u0131kar\u0131mlar\u0131 da kod yorumlar\u0131 veya print<\/code> ifadeleri arac\u0131l\u0131\u011f\u0131yla belirtmesini isteyin. Bu, \u015feffafl\u0131\u011f\u0131 art\u0131r\u0131r.<\/li>\n
                                    • \u00d6rneklerle \u00d6\u011fretin (Few-Shot Prompting):<\/strong> Modelin istenen formatta kod \u00fcretmesini sa\u011flamak i\u00e7in, isteminizde birka\u00e7 ba\u015far\u0131l\u0131 \u00f6rnek kod\/\u00e7\u0131kt\u0131 \u00e7ifti sunmak \u00e7ok etkili olabilir.<\/li>\n
                                    • Ara\u00e7 Kullan\u0131m\u0131:<\/strong> E\u011fer LLM'in belirli ara\u00e7lar\u0131 (API'ler, veritabanlar\u0131) kullanmas\u0131n\u0131 istiyorsan\u0131z, bu ara\u00e7lar\u0131n nas\u0131l kullan\u0131laca\u011f\u0131na dair net talimatlar ve \u00f6rnekler verin.<\/li>\n<\/ul>\n
                                      \n  Uzman \u0130pucu: Karma\u015f\u0131k PAL uygulamalar\u0131nda, LLM'in kod \u00fcretme yetene\u011fini belirli k\u00fct\u00fcphanelerle veya fonksiyonlarla s\u0131n\u0131rlamak (bir \"ara\u00e7 kutusu\" sunmak) modelin odaklanmas\u0131n\u0131 ve daha g\u00fcvenilir kod \u00fcretmesini sa\u011flayabilir. Bu teknikle hata oran\u0131n\u0131 %30'a kadar azaltabilirsiniz.\n<\/div>\n
                                      Kendi PAL uygulaman\u0131z\u0131 geli\u015ftirmek, YZ'nin yeteneklerini derinlemesine anlaman\u0131za ve \u015feffafl\u0131k, g\u00fcvenilirlik gibi kritik \u00f6zelliklere sahip uygulamalar in\u015fa etmenize olanak tan\u0131r. Unutmay\u0131n, iyi bir istem tasar\u0131m\u0131 ve sa\u011flam bir g\u00fcvenlik altyap\u0131s\u0131, ba\u015far\u0131l\u0131 bir PAL uygulamas\u0131n\u0131n temelini olu\u015fturur.<\/p>\n
                                      PAL'lerin Potansiyel Zorluklar\u0131 ve \u00c7\u00f6z\u00fcm Yakla\u015f\u0131mlar\u0131 Nelerdir?<\/h2>\n
                                      Program Destekli Dil Modelleri (PAL'ler), yapay zekaya \u015feffafl\u0131k ve denetlenebilirlik getiren devrimci bir yakla\u015f\u0131m olsa da, kendi i\u00e7inde baz\u0131 potansiyel zorluklar\u0131 bar\u0131nd\u0131r\u0131r. Bu zorluklar\u0131n fark\u0131nda olmak ve bunlara y\u00f6nelik \u00e7\u00f6z\u00fcm yakla\u015f\u0131mlar\u0131 geli\u015ftirmek, PAL'lerin daha geni\u015f \u00e7apta ve g\u00fcvenli bir \u015fekilde benimsenmesi i\u00e7in hayati \u00f6nem ta\u015f\u0131r.<\/p>\n
                                      1. Kod G\u00fcvenli\u011fi ve Yetkilendirme Riski:<\/h3>\n
                                        \n
                                      • Zorluk:<\/strong> LLM'in \u00fcretti\u011fi kodun potansiyel olarak k\u00f6t\u00fc niyetli veya zararl\u0131 olabilece\u011fi riski her zaman vard\u0131r. K\u00f6t\u00fc ama\u00e7l\u0131 bir kod, sistem dosyalar\u0131na eri\u015febilir, hassas verileri \u00e7alabilir, a\u011f sald\u0131r\u0131lar\u0131 ba\u015flatabilir veya sisteme zarar verebilir. Bu, \u00f6zellikle LLM'in d\u0131\u015f d\u00fcnya ile etkile\u015fim kuran API'ler veya sistem komutlar\u0131 \u00fcretebildi\u011fi durumlarda b\u00fcy\u00fck bir endi\u015fe kayna\u011f\u0131d\u0131r.<\/li>\n
                                      • \u00c7\u00f6z\u00fcm Yakla\u015f\u0131m\u0131:<\/strong>\n
                                          \n
                                        • G\u00fcvenli Sandbox Ortam\u0131:<\/strong> \u00dcretilen t\u00fcm kodlar, sistemin geri kalan\u0131ndan tamamen izole edilmi\u015f bir \"sandbox\" (kum havuzu) ortam\u0131nda \u00e7al\u0131\u015ft\u0131r\u0131lmal\u0131d\u0131r. Docker kapsay\u0131c\u0131lar\u0131 veya sanal makineler bu ama\u00e7 i\u00e7in idealdir. Bu ortamlar, kodun belirli dosya sistemlerine, a\u011f kaynaklar\u0131na veya sistem komutlar\u0131na eri\u015fimini k\u0131s\u0131tlar.<\/li>\n
                                        • S\u0131n\u0131rl\u0131 \u0130zinler:<\/strong> Sandbox i\u00e7indeki kodun \u00e7al\u0131\u015faca\u011f\u0131 kullan\u0131c\u0131ya yaln\u0131zca kesinlikle gerekli olan en d\u00fc\u015f\u00fck izinler verilmelidir.<\/li>\n
                                        • Kod \u0130ncelemesi ve Beyaz Liste:<\/strong> \u00dcretilen kod, y\u00fcr\u00fct\u00fclmeden \u00f6nce otomatik g\u00fcvenlik kontrollerinden ge\u00e7irilebilir. Belirli k\u00fct\u00fcphanelerin veya fonksiyonlar\u0131n kullan\u0131m\u0131n\u0131 bir beyaz listeyle s\u0131n\u0131rlamak, potansiyel olarak tehlikeli i\u015flevlerin \u00e7a\u011fr\u0131lmas\u0131n\u0131 engelleyebilir.<\/li>\n
                                        • Zaman A\u015f\u0131m\u0131 (Timeout):<\/strong> Sonsuz d\u00f6ng\u00fcleri veya kaynak t\u00fcketimini \u00f6nlemek i\u00e7in kod y\u00fcr\u00fctme s\u00fcre\u00e7lerine zaman a\u015f\u0131m\u0131 s\u0131n\u0131rlar\u0131 konulmal\u0131d\u0131r.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
                                          2. Performans Etkileri ve Gecikme:<\/h3>\n
                                            \n
                                          • Zorluk:<\/strong> Geleneksel LLM'ler sadece metin \u00fcretirken, PAL'ler kod \u00fcretme, bu kodu derleme\/yorumlay\u0131c\u0131dan ge\u00e7irme ve y\u00fcr\u00fctme gibi ek ad\u0131mlar i\u00e7erir. Bu ad\u0131mlar, \u00f6zellikle karma\u015f\u0131k g\u00f6revler veya yo\u011fun i\u015flem gerektiren kodlar i\u00e7in \u00f6nemli bir gecikmeye ve kaynak t\u00fcketimine neden olabilir. Ger\u00e7ek zamanl\u0131 uygulamalarda bu gecikmeler kabul edilemez olabilir.<\/li>\n
                                          • \u00c7\u00f6z\u00fcm Yakla\u015f\u0131m\u0131:<\/strong>\n
                                              \n
                                            • Verimli Kod \u00dcretimi:<\/strong> LLM'e, g\u00f6revi en verimli \u015fekilde \u00e7\u00f6zecek, gereksiz hesaplamalardan ka\u00e7\u0131nan kodlar \u00fcretmesi i\u00e7in daha iyi istemler sa\u011flanmal\u0131d\u0131r.<\/li>\n
                                            • \u00d6n-bellekleme (Caching):<\/strong> S\u0131k\u00e7a sorulan benzer sorular i\u00e7in \u00fcretilen kodlar veya sonu\u00e7lar \u00f6n-belle\u011fe al\u0131narak tekrar tekrar \u00e7al\u0131\u015ft\u0131r\u0131lmas\u0131 \u00f6nlenebilir.<\/li>\n
                                            • Optimizasyon:<\/strong> Kod y\u00fcr\u00fctme ortam\u0131n\u0131 optimize etmek ve donan\u0131m h\u0131zland\u0131rmadan (GPU vb.) faydalanmak performans\u0131 art\u0131rabilir.<\/li>\n
                                            • Asenkron Y\u00fcr\u00fctme:<\/strong> Kod y\u00fcr\u00fctme i\u015flemlerini asenkron olarak y\u00f6neterek, kullan\u0131c\u0131n\u0131n ana i\u015flemden kopmadan di\u011fer i\u015flemlerle devam etmesine olanak tan\u0131nabilir.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
                                              3. Karma\u015f\u0131kl\u0131k Y\u00f6netimi:<\/h3>\n
                                                \n
                                              • Zorluk:<\/strong> PAL'ler, LLM'lerin kendi i\u00e7 karma\u015f\u0131kl\u0131\u011f\u0131na ek olarak, \u00fcretilen kodun y\u00f6netimi, hata ay\u0131klanmas\u0131 ve yorumlanmas\u0131 gibi ek bir karma\u015f\u0131kl\u0131k katman\u0131 getirir. \u00d6zellikle birden fazla ad\u0131mda kod \u00fcreten ve y\u00fcr\u00fcten sistemler, geli\u015ftirme ve bak\u0131m a\u00e7\u0131s\u0131ndan daha zorlay\u0131c\u0131 olabilir.<\/li>\n
                                              • \u00c7\u00f6z\u00fcm Yakla\u015f\u0131m\u0131:<\/strong>\n
                                                  \n
                                                • Mod\u00fcler Tasar\u0131m:<\/strong> PAL uygulamalar\u0131n\u0131 mod\u00fcler bir \u015fekilde tasarlamak, her bir bile\u015fenin (istem motoru, kod y\u00fcr\u00fct\u00fcc\u00fc, sonu\u00e7 yorumlay\u0131c\u0131) ayr\u0131 ayr\u0131 geli\u015ftirilmesine ve test edilmesine olanak tan\u0131r.<\/li>\n
                                                • Geli\u015fmi\u015f G\u00f6zetim ve Loglama:<\/strong> \u00dcretilen kodlar\u0131, y\u00fcr\u00fctme \u00e7\u0131kt\u0131lar\u0131n\u0131 ve hatalar\u0131 detayl\u0131 bir \u015fekilde loglamak, hata ay\u0131klama ve sorun giderme s\u00fcre\u00e7lerini kolayla\u015ft\u0131r\u0131r.<\/li>\n
                                                • Otomatik Testler:<\/strong> \u00dcretilen kodun do\u011frulu\u011funu ve beklenen \u00e7\u0131kt\u0131y\u0131 verip vermedi\u011fini kontrol eden otomatik testler geli\u015ftirmek, sistemin g\u00fcvenilirli\u011fini art\u0131r\u0131r.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
                                                  4. Modelin \"Hallucination\" Yapma \u0130htimali (Yanl\u0131\u015f Kod \u00dcretimi):<\/h3>\n
                                                    \n
                                                  • Zorluk:<\/strong> LLM'ler, bazen ger\u00e7ek olmayan veya yanl\u0131\u015f bilgiler \u00fcretebilir (\"hallucination\"). Bu durum, PAL ba\u011flam\u0131nda, anlams\u0131z, mant\u0131k hatal\u0131 veya amaca uygun olmayan kod \u00fcretimine yol a\u00e7abilir. Bu t\u00fcr kodlar, yanl\u0131\u015f sonu\u00e7lar do\u011furabilir veya sistemde beklenmeyen davran\u0131\u015flara neden olabilir.<\/li>\n
                                                  • \u00c7\u00f6z\u00fcm Yakla\u015f\u0131m\u0131:<\/strong>\n
                                                      \n
                                                    • Geli\u015fmi\u015f \u0130stem M\u00fchendisli\u011fi:<\/strong> LLM'e, kod \u00fcretirken daha az \"yarat\u0131c\u0131\" olmas\u0131n\u0131 ve sadece g\u00f6reve odaklanmas\u0131n\u0131 sa\u011flayacak net ve k\u0131s\u0131tlay\u0131c\u0131 istemler sunulmal\u0131d\u0131r. \"Cevab\u0131n kesinlikle ge\u00e7erli Python kodu olmal\u0131\" gibi talimatlar yard\u0131mc\u0131 olabilir.<\/li>\n
                                                    • Kendi Kendini D\u00fczeltme Mekanizmalar\u0131:<\/strong> \u00dcretilen kodda bir hata olu\u015ftu\u011funda (\u00f6rne\u011fin syntax hatas\u0131 veya \u00e7al\u0131\u015fma zaman\u0131 hatas\u0131), bu hatay\u0131 LLM'e geri besleyerek kodu revize etmesini isteyebilirsiniz. Bu, hata ay\u0131klama d\u00f6ng\u00fcs\u00fcn\u00fc LLM'in kendisine yapt\u0131rmak anlam\u0131na gelir.<\/li>\n
                                                    • \u00c7\u0131kt\u0131 Do\u011frulama:<\/strong> Kodun \u00e7\u0131kt\u0131s\u0131n\u0131, harici bir do\u011frulama mekanizmas\u0131yla (\u00f6rne\u011fin, beklenen bir aral\u0131kta m\u0131, belirli bir veri format\u0131na uygun mu) kontrol etmek.<\/li>\n
                                                    • \u0130nsan Denetimi:<\/strong> \u00d6zellikle kritik uygulamalarda, LLM taraf\u0131ndan \u00fcretilen kodlar\u0131n bir insan uzman\u0131 taraf\u0131ndan g\u00f6zden ge\u00e7irilmesi, hatalar\u0131n yakalanmas\u0131 i\u00e7in ek bir g\u00fcvenlik katman\u0131 sa\u011flar.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
                                                      Bu zorluklar\u0131n \u00fcstesinden gelmek, PAL'lerin sadece bir konsept olmaktan \u00e7\u0131k\u0131p, ger\u00e7ek d\u00fcnya uygulamalar\u0131nda g\u00fcvenle kullan\u0131labilen, sa\u011flam ve \u015feffaf yapay zeka \u00e7\u00f6z\u00fcmlerine d\u00f6n\u00fc\u015fmesini sa\u011flayacakt\u0131r. Her yeni teknolojide oldu\u011fu gibi, PAL'lerin de potansiyel riskleri dikkatli bir \u015fekilde y\u00f6netilmesi gereken bir alan oldu\u011fu unutulmamal\u0131d\u0131r.<\/p>\n
                                                      PAL'lerle Gelece\u011fe Y\u00f6nelik \u0130pu\u00e7lar\u0131 ve En \u0130yi Uygulamalar<\/h2>\n
                                                      PAL'lerin potansiyelini tam olarak a\u00e7\u0131\u011fa \u00e7\u0131karmak ve onlar\u0131 sa\u011flam, g\u00fcvenilir ve etkili sistemler olarak geli\u015ftirmek i\u00e7in belirli stratejiler ve en iyi uygulamalar mevcuttur. Bu ipu\u00e7lar\u0131, hem geli\u015ftiricilerin hem de i\u015fletmelerin PAL entegrasyonundan en y\u00fcksek fayday\u0131 sa\u011flamas\u0131na yard\u0131mc\u0131 olacakt\u0131r.<\/p>\n
                                                      1. \u00d6l\u00e7eklenebilirlik \u0130\u00e7in Tasar\u0131m:<\/h3>\n
                                                        \n
                                                      • \u0130pucu:<\/strong> PAL uygulamalar\u0131n\u0131z\u0131n, artan kullan\u0131c\u0131 say\u0131s\u0131 veya daha karma\u015f\u0131k g\u00f6revlerle ba\u015fa \u00e7\u0131kabilecek \u015fekilde \u00f6l\u00e7eklenebilir olmas\u0131n\u0131 sa\u011flay\u0131n. Bu, kod y\u00fcr\u00fctme ortamlar\u0131n\u0131n (sandbox) dinamik olarak olu\u015fturulabilmesini ve y\u00f6netilebilmesini gerektirir.<\/li>\n
                                                      • Uygulama:<\/strong> Bulut tabanl\u0131 hizmetler (AWS Lambda, Google Cloud Functions, Azure Functions) kullanarak sunucusuz mimariler olu\u015fturun. Bu platformlar, ihtiya\u00e7 duyuldu\u011funda otomatik olarak \u00f6l\u00e7eklenerek, kaynaklar\u0131n verimli kullan\u0131lmas\u0131n\u0131 sa\u011flar. Ayr\u0131ca, kod \u00fcretimi ve y\u00fcr\u00fctme s\u00fcre\u00e7lerini ayr\u0131 mikro hizmetlere b\u00f6lmek, her bir bile\u015fenin ba\u011f\u0131ms\u0131z olarak \u00f6l\u00e7eklenmesine olanak tan\u0131r.<\/li>\n<\/ul>\n
                                                        2. \u00c7oklu Dil Modelleriyle Entegrasyon:<\/h3>\n
                                                          \n
                                                        • \u0130pucu:<\/strong> Tek bir LLM'e ba\u011fl\u0131 kalmak yerine, farkl\u0131 g\u00f6revler i\u00e7in optimize edilmi\u015f birden fazla LLM'i bir araya getirin. \u00d6rne\u011fin, bir LLM kod \u00fcretmekte \u00e7ok iyiyken, di\u011feri do\u011fal dil i\u015fleme veya \u00f6zetleme konusunda daha iyi olabilir.<\/li>\n
                                                        • Uygulama:<\/strong> Karma\u015f\u0131k bir g\u00f6rev zincirinde, ilk LLM'den g\u00f6revi analiz etmesini ve bir plan olu\u015fturmas\u0131n\u0131 isteyin. \u0130kinci bir LLM'i bu plana g\u00f6re kod \u00fcretmek i\u00e7in kullan\u0131n. \u00dc\u00e7\u00fcnc\u00fc bir LLM ise, kodun \u00e7\u0131kt\u0131s\u0131n\u0131 daha anla\u015f\u0131l\u0131r bir do\u011fal dil a\u00e7\u0131klamas\u0131na d\u00f6n\u00fc\u015ft\u00fcrebilir. Bu \"ensemble\" yakla\u015f\u0131m\u0131, her modelin g\u00fc\u00e7l\u00fc y\u00f6nlerini kullanarak genel performans\u0131 ve g\u00fcvenilirli\u011fi art\u0131r\u0131r.<\/li>\n<\/ul>\n
                                                          3. G\u00fcvenlik Duvarlar\u0131 ve Sanal Ortamlar\u0131n \u0130leri D\u00fczey Kullan\u0131m\u0131:<\/h3>\n
                                                            \n
                                                          • \u0130pucu:<\/strong> Kod g\u00fcvenli\u011fini sa\u011flamak i\u00e7in basit sandbox'lar\u0131n \u00f6tesine ge\u00e7in.<\/li>\n
                                                          • Uygulama:<\/strong> \u00dcretilen kodu \u00e7al\u0131\u015ft\u0131rmak i\u00e7in \u00f6zel olarak yap\u0131land\u0131r\u0131lm\u0131\u015f, \"minimal OS\" i\u00e7eren hafif Docker kapsay\u0131c\u0131lar\u0131 kullan\u0131n. Bu kapsay\u0131c\u0131lar, sadece kodun \u00e7al\u0131\u015fmas\u0131 i\u00e7in gereken ara\u00e7lar\u0131 ve k\u00fct\u00fcphaneleri i\u00e7ermeli, gereksiz hi\u00e7bir bile\u015fene sahip olmamal\u0131d\u0131r. Kapsay\u0131c\u0131lar aras\u0131nda a\u011f izolasyonu sa\u011flay\u0131n ve her kod y\u00fcr\u00fctmesi i\u00e7in yeni, tek kullan\u0131ml\u0131k (ephemeral) kapsay\u0131c\u0131lar olu\u015fturun. Ayr\u0131ca, kapsay\u0131c\u0131n\u0131n \u00e7al\u0131\u015fabilece\u011fi CPU, RAM ve disk kaynaklar\u0131n\u0131 kat\u0131 bir \u015fekilde s\u0131n\u0131rlay\u0131n. Yetkilendirme i\u00e7in RBAC (Role-Based Access Control) modelleri uygulayarak, kodun sadece belirli kaynaklara eri\u015fmesine izin verin.<\/li>\n<\/ul>\n
                                                            4. Monitoring ve Logging Stratejileri:<\/h3>\n
                                                              \n
                                                            • \u0130pucu:<\/strong> PAL sistemlerinizin performans\u0131n\u0131, g\u00fcvenli\u011fini ve do\u011frulu\u011funu s\u00fcrekli olarak izleyin.<\/li>\n
                                                            • Uygulama:<\/strong> LLM'in \u00fcretti\u011fi istemleri, \u00fcretilen kodlar\u0131, kod y\u00fcr\u00fctme sonu\u00e7lar\u0131n\u0131 (ba\u015far\u0131\/hata), y\u00fcr\u00fctme s\u00fcrelerini ve varsa hatalar\u0131 detayl\u0131 bir \u015fekilde kaydedin (loglay\u0131n). Prometheus, Grafana gibi ara\u00e7larla bu loglar\u0131 g\u00f6rselle\u015ftirerek sistemin genel durumunu anl\u0131k olarak takip edin. Anormal davran\u0131\u015flar (\u00f6rne\u011fin, s\u00fcrekli hatal\u0131 kod \u00fcretimi, uzun y\u00fcr\u00fctme s\u00fcreleri) i\u00e7in otomatik uyar\u0131lar (alertler) kurun. Bu loglar, sistemdeki zay\u0131f noktalar\u0131 tespit etmek, LLM istemlerini iyile\u015ftirmek ve g\u00fcvenlik ihlallerini anlamak i\u00e7in paha bi\u00e7ilmez veriler sunar.<\/li>\n<\/ul>\n
                                                              5. \u0130nsan Geri Bildirim D\u00f6ng\u00fcleri (HIL - Human-in-the-Loop):<\/h3>\n
                                                                \n
                                                              • \u0130pucu:<\/strong> \u00d6zellikle y\u00fcksek riskli veya kritik g\u00f6revlerde, insan denetimini tamamen ortadan kald\u0131rmay\u0131n.<\/li>\n
                                                              • Uygulama:<\/strong> YZ'nin \u00fcretti\u011fi kod veya sonu\u00e7lar, belirli bir g\u00fcven e\u015fi\u011finin alt\u0131nda kald\u0131\u011f\u0131nda veya beklenenden farkl\u0131 davrand\u0131\u011f\u0131nda, insan operat\u00f6rlerin devreye girmesini sa\u011flay\u0131n. Bu operat\u00f6rler, kodu inceleyebilir, d\u00fczeltebilir veya YZ'ye do\u011fru yolu g\u00f6steren geri bildirimler sa\u011flayabilir. Bu geri bildirimler, LLM'in gelecekte daha iyi kod \u00fcretmesi i\u00e7in kullan\u0131labilir (RLHF - Reinforcement Learning from Human Feedback benzeri). Bu yakla\u015f\u0131m, sistemin hem g\u00fcvenilirli\u011fini art\u0131r\u0131r hem de s\u00fcrekli \u00f6\u011frenmesini sa\u011flar.<\/li>\n<\/ul>\n
                                                                6. Etik ve \u00d6nyarg\u0131 Denetimi:<\/h3>\n
                                                                  \n
                                                                • \u0130pucu:<\/strong> PAL'lerin de, temel ald\u0131\u011f\u0131 LLM'ler gibi, e\u011fitim verilerindeki \u00f6nyarg\u0131lar\u0131 yans\u0131tabilece\u011fini unutmay\u0131n. Bu \u00f6nyarg\u0131lar, \u00fcretilen kodda veya kararlarda ayr\u0131mc\u0131l\u0131\u011fa yol a\u00e7abilir.<\/li>\n
                                                                • Uygulama:<\/strong> \u00dcretilen kodun ve sonu\u00e7lar\u0131n, adil ve e\u015fitlik\u00e7i olup olmad\u0131\u011f\u0131n\u0131 de\u011ferlendiren s\u00fcrekli denetim mekanizmalar\u0131 geli\u015ftirin. Farkl\u0131 demografik gruplara y\u00f6nelik test senaryolar\u0131 uygulayarak \u00f6nyarg\u0131lar\u0131 tespit edin ve istemleri veya model ayarlar\u0131n\u0131 bu \u00f6nyarg\u0131lar\u0131 azaltacak \u015fekilde d\u00fczenleyin. \u015eeffafl\u0131k sayesinde, kodun i\u00e7indeki potansiyel \u00f6nyarg\u0131lar\u0131 tespit etmek daha kolay olacakt\u0131r.<\/li>\n<\/ul>\n
                                                                  \n  Uzman \u0130pucu: PAL'lerinizi geli\u015ftirirken, sadece do\u011fru cevap vermelerini de\u011fil, ayn\u0131 zamanda bu cevaba giden yolun da a\u00e7\u0131klanabilir olmas\u0131n\u0131 hedefleyin. Bu, modelin \"d\u00fc\u015f\u00fcnce s\u00fcrecini\" anlaman\u0131za ve geli\u015ftirmelerinizi daha bilin\u00e7li yapman\u0131za olanak tan\u0131r. A\u00e7\u0131klanabilirlik seviyesini %50 oran\u0131nda art\u0131rabilirsiniz.\n<\/div>\n
                                                                  Bu ileri d\u00fczey ipu\u00e7lar\u0131 ve en iyi uygulamalar, PAL'lerin sadece teknik olarak yetenekli de\u011fil, ayn\u0131 zamanda etik, g\u00fcvenli ve s\u00fcrd\u00fcr\u00fclebilir YZ \u00e7\u00f6z\u00fcmleri olarak konumland\u0131r\u0131lmas\u0131na yard\u0131mc\u0131 olacakt\u0131r. PAL'ler, do\u011fru yakla\u015f\u0131mlarla uyguland\u0131\u011f\u0131nda, yapay zekan\u0131n \u015feffafl\u0131k ve hesap verebilirlik konular\u0131ndaki b\u00fcy\u00fck bo\u015fluklar\u0131n\u0131 doldurma potansiyeline sahiptir.<\/p>\n
                                                                  Mobil Cihazlarda \u015eeffaf Yapay Zeka: PAL'lerin Eri\u015filebilirli\u011fi<\/h2>\n
                                                                  Mobil cihazlar, yapay zekan\u0131n geni\u015f kitlelere ula\u015fmas\u0131nda kritik bir rol oynar. Ancak, PAL'ler gibi daha karma\u015f\u0131k ve kaynak yo\u011fun YZ modellerini mobil platformlara ta\u015f\u0131mak, kendine \u00f6zg\u00fc zorluklar\u0131 beraberinde getirir. \u015eeffaf yapay zekay\u0131 mobil cihazlarda eri\u015filebilir k\u0131lmak, hem teknik k\u0131s\u0131tlamalar\u0131 a\u015fmay\u0131 hem de kullan\u0131c\u0131 deneyimini (UX) \u00f6n planda tutmay\u0131 gerektirir.<\/p>\n
                                                                  Performans ve Kaynak K\u0131s\u0131tlamalar\u0131:<\/h3>\n
                                                                  Mobil cihazlar, masa\u00fcst\u00fc bilgisayarlara veya sunuculara k\u0131yasla daha s\u0131n\u0131rl\u0131 i\u015flem g\u00fcc\u00fc, bellek ve pil \u00f6mr\u00fcne sahiptir. PAL'lerin \u00e7al\u0131\u015fma prensibi, LLM'in kod \u00fcretmesini ve bu kodu y\u00fcr\u00fctmesini i\u00e7erdi\u011finden, bu s\u00fcre\u00e7 mobil ortamda \u00f6nemli performans sorunlar\u0131na yol a\u00e7abilir.<\/p>\n
                                                                    \n
                                                                  • \u0130\u015flem G\u00fcc\u00fc ve Bellek:<\/strong> Bir LLM'i do\u011frudan mobil cihazda \u00e7al\u0131\u015ft\u0131rmak, g\u00fcn\u00fcm\u00fcz teknolojisiyle \u00e7o\u011fu durumda pratik de\u011fildir. Mobil i\u015flemciler, b\u00fcy\u00fck modellerin gerektirdi\u011fi yo\u011fun hesaplamalar\u0131 ve bellek ihtiyac\u0131n\u0131 kar\u015f\u0131lamakta zorlan\u0131r. Bu durum, uygulaman\u0131n yava\u015flamas\u0131na veya \u00e7\u00f6kmesine neden olabilir.<\/li>\n
                                                                  • Pil \u00d6mr\u00fc:<\/strong> YZ modellerinin \u00e7al\u0131\u015ft\u0131r\u0131lmas\u0131, \u00f6nemli \u00f6l\u00e7\u00fcde pil t\u00fcketir. Mobil cihazda s\u00fcrekli kod \u00fcreten ve y\u00fcr\u00fcten bir PAL, cihaz\u0131n pil \u00f6mr\u00fcn\u00fc h\u0131zla t\u00fcketebilir, bu da kullan\u0131c\u0131 deneyimini olumsuz etkiler.<\/li>\n
                                                                  • \u00c7\u00f6z\u00fcm Yakla\u015f\u0131m\u0131:<\/strong>\n
                                                                      \n
                                                                    • Bulut Tabanl\u0131 Y\u00fcr\u00fctme:<\/strong> PAL'in LLM ve kod y\u00fcr\u00fctme bile\u015fenleri, mobil cihaz yerine bulut sunucular\u0131nda \u00e7al\u0131\u015ft\u0131r\u0131lmal\u0131d\u0131r. Mobil uygulama, kullan\u0131c\u0131dan gelen sorgular\u0131 sunucuya g\u00f6nderir, sunucu i\u015flemi ger\u00e7ekle\u015ftirir ve nihai cevab\u0131 (kod ve sonu\u00e7 dahil) mobil cihaza geri g\u00f6nderir. Bu, mobil cihaz\u0131n y\u00fck\u00fcn\u00fc azalt\u0131r ve performans sorunlar\u0131n\u0131 minimize eder.<\/li>\n
                                                                    • Model Optimizasyonu:<\/strong> E\u011fer LLM'in bir k\u0131sm\u0131 veya kod yorumlama motoru mobil cihazda \u00e7al\u0131\u015facaksa, bu modellerin mobil cihazlara \u00f6zel olarak optimize edilmi\u015f (quantization, pruning gibi tekniklerle) hafif versiyonlar\u0131 kullan\u0131lmal\u0131d\u0131r.<\/li>\n
                                                                    • \u00d6n-bellekleme:<\/strong> S\u0131k\u00e7a sorulan sorular\u0131n veya yayg\u0131n olarak kullan\u0131lan kod bloklar\u0131n\u0131n sonu\u00e7lar\u0131 mobil cihazda \u00f6n-belle\u011fe al\u0131narak, tekrar tekrar sunucuya istek g\u00f6nderme ve hesaplama yapma ihtiyac\u0131 azalt\u0131labilir.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n
                                                                      UX\/UI Tasar\u0131m Yakla\u015f\u0131mlar\u0131:<\/h3>\n
                                                                      Mobil cihazlarda \u015feffaf YZ sunarken, karma\u015f\u0131k kod \u00e7\u0131kt\u0131lar\u0131n\u0131 k\u00fc\u00e7\u00fck ekranlarda anla\u015f\u0131l\u0131r ve kullan\u0131labilir bir \u015fekilde g\u00f6stermek b\u00fcy\u00fck bir tasar\u0131m zorlu\u011fudur. Kullan\u0131c\u0131lar\u0131n a\u015f\u0131r\u0131 bilgi y\u00fcklemesi ya\u015famadan, YZ'nin i\u015fleyi\u015fini anlamalar\u0131 sa\u011flanmal\u0131d\u0131r.<\/p>\n
                                                                        \n
                                                                      • Kademeli \u015eeffafl\u0131k:<\/strong> Kullan\u0131c\u0131ya ba\u015flang\u0131\u00e7ta sadece nihai cevab\u0131 g\u00f6sterin. E\u011fer kullan\u0131c\u0131 YZ'nin nas\u0131l karar verdi\u011fini merak ederse, \"Karar\u0131 nas\u0131l ald\u0131m?\" veya \"Ad\u0131mlar\u0131 g\u00f6ster\" gibi bir d\u00fc\u011fme arac\u0131l\u0131\u011f\u0131yla kodu veya mant\u0131ksal ad\u0131mlar\u0131 kademeli olarak ortaya \u00e7\u0131kar\u0131n.<\/li>\n
                                                                      • G\u00f6rselle\u015ftirme:<\/strong> Ham kod bloklar\u0131 yerine, kodun i\u015fleyi\u015fini veya karar a\u011fac\u0131n\u0131 \u00f6zetleyen basit grafikler, ak\u0131\u015f \u015femalar\u0131 veya madde i\u015faretli listeler kullan\u0131n. \u00d6rne\u011fin, bir PAL'in \u00fcretti\u011fi matematiksel hesaplamalar\u0131 ad\u0131m ad\u0131m listeleyin ve her ad\u0131m\u0131 ayr\u0131 bir sat\u0131rda g\u00f6sterin.<\/li>\n
                                                                      • Etkile\u015fimli Bile\u015fenler:<\/strong> Kullan\u0131c\u0131n\u0131n kodun belirli b\u00f6l\u00fcmlerine dokunarak veya \u00fczerine gelerek daha fazla bilgi alabilece\u011fi etkile\u015fimli \u00f6\u011feler kullan\u0131n. \u00d6rne\u011fin, bir de\u011fi\u015fkene dokundu\u011funda o de\u011fi\u015fkenin de\u011ferini veya tan\u0131m\u0131n\u0131 g\u00f6steren bir a\u00e7\u0131l\u0131r pencere.<\/li>\n
                                                                      • Kompakt ve Okunabilir Kod G\u00f6sterimi:<\/strong> E\u011fer kodun kendisini g\u00f6stermeniz gerekiyorsa, k\u00fc\u00e7\u00fck ekranlara uygun, s\u00f6zdizimi vurgulu (syntax-highlighted) ve kayd\u0131r\u0131labilir (scrollable) kod bloklar\u0131 kullan\u0131n. Yorum sat\u0131rlar\u0131n\u0131 \u00f6n planda tutarak kodun amac\u0131n\u0131 a\u00e7\u0131klamaya yard\u0131mc\u0131 olun.<\/li>\n<\/ul>\n
                                                                        Mobil Uyumlu HTML \u00dcretme ve Media Query \u00d6rnekleri:<\/h3>\n
                                                                        Web tabanl\u0131 mobil uygulamalarda veya responsive (duyarl\u0131) tasar\u0131mlarda, PAL \u00e7\u0131kt\u0131s\u0131n\u0131n mobil uyumlu HTML olarak sunulmas\u0131 \u00f6nemlidir. CSS Media Query'leri, farkl\u0131 ekran boyutlar\u0131na g\u00f6re i\u00e7eri\u011fin nas\u0131l g\u00f6r\u00fcnece\u011fini ayarlaman\u0131za olanak tan\u0131r.<\/p>\n
                                                                        \n\n
                                                                        \n  
                                                                        Hesaplama Ad\u0131mlar\u0131:<\/h3>\n  
                                                                        \nfiyat = 250\nkdv_oran = 0.20\nkdv_tutari = fiyat * kdv_oran\ntoplam_fiyat = fiyat + kdv_tutari\nprint(f\"KDV Tutar\u0131: {kdv_tutari} TL\")\nprint(f\"Toplam Fiyat: {toplam_fiyat} TL\")\n  <\/code><\/pre>\n
                                                                        Bu hesaplamalar sonucunda \u00fcr\u00fcn\u00fcn KDV dahil fiyat\u0131 300 TL olarak belirlenmi\u015ftir.<\/p>\n<\/div>\n