Artificial Intelligence (AI) የሚለው ቃል ማሽኖች የሰው ልጆች እንደሚሰሩት ተግባራትን ለማከናወን የሚያስችላቸውን ችሎታ ያመለክታል። AI የሚሰራው ውስብስብ የሂሳብ ስልተ-ቀመሮች (algorithms) እና የውሂብ ትንተና (data analysis) በመጠቀም ነው። ይህ ማለት ማሽኖች ውሂብን በመማር፣ በመተንተን፣ እና በመወሰን ሰዎችን ሊረዱ ይችላሉ።

የ Artificial Intelligence (AI) አመጣጥ በጣም አስደሳች እና ታሪካዊ ሂደት አለው። ከሰው ልጆች የማሰብ ችሎታ ጋር ተመሳሳይ ባህሪያት ያላቸውን ማሽኖች ለመፍጠር የተደረገው ሙከራ ከብዙ አስርተ ዓመታት በፊት ጀምሮ ነው። እንግዲህ የ AI አመጣጥን በአጭሩ እንመልከት።

የ AI አመጣጥ ታሪክ

መጀመሪያዎቹ ሃሳቦች (1940s - 1950s):

✔️1943: የመጀመሪያው የአንጎል ኔትወርክ (Neural Network) ሞዴል በ Warren McCulloch እና Walter Pitts ቀርቧል።

✔️1950: የተለያዩ ሳይንቲስቶች ማሽኖች ሊያስቡ እንደሚችሉ የሚያሳይ ሃሳብ ቀርቧል። በተለይም Alan Turing የተሰኘው ሳይንቲስት "Turing Test" የሚል ፅሁፍ አቀረበ። ይህ ፅሁፍ ማሽኖች የሰው ልጆችን አሰባሰብ ሊያስቡ እንደሚችሉ ያሳያል።

የ AI ስም መፈጠር (1956):

✔️1956: በ Dartmouth College የተካሄደው የመጀመሪያው የ AI ኮንፈረንስ ነበር። በዚህ ስብሰባ ላይ John McCarthy የ "Artificial Intelligence" የሚለውን ቃል ፈጠረ። ይህ የ AI እንደ ሳይንስ ዘርፍ መደበኛ መጀመሪያ ነበር።

መጀመሪያዎቹ ስኬቶች (1950s - 1960s):

✔️1957: Frank Rosenblatt የመጀመሪያውን Perceptron (የአንጎል ኔትወርክ ሞዴል) ፈጠረ።

✔️1967: የመጀመሪያው የ AI ፕሮግራም የሆነው Dendral በ Stanford University ተፈጠረ። ይህ ፕሮግራም የኬሚካል አወቃቀሮችን ለመተንተን ያስችል ነበር።

የ AI መውረድ (1970s - 1980s):

✔️በዚህ ጊዜ የ AI ምርምር በጣም ቀርፋፋ ሆኖ ነበር። ይህ የተከሰተው በቴክኖሎጂ ገደቦች እና በገንዘብ እጥረት ምክንያት ነበር።

✔️ነገር ግን በ 1980ዎቹ የ ብልህ ስርዓቶች (Expert Systems) እድገት ጀመረ። እነዚህ ስርዓቶች የተወሰኑ ችግሮችን ለመፍታት የሰው ልጆችን እውቀት ይጠቀሙ ነበር።

የ AI እንደገና መነሳት (1990s - 2000s):

✔️1997: IBM የ Deep Blue የሚባል የ AI ስርዓት የቼስ ዋንጫ ተጫዋች Garry Kasparovን አሸነፈ። ይህ የ AI አቅም በዓለም እንደተቀበለ ያሳየ ነበር።

✔️2000ዎቹ: የ ማሽን ማስተማር (Machine Learning) እና የአንጎል ኔትወርኮች (Neural Networks) እድገት ጀመረ። ይህም የ AI አቅም በከፍተኛ ሁኔታ እንዲሻሻል አድርጓል።

ዘመናዊ AI (2010ዎቹ - አሁን):

✔️2011: IBM የ Watson የሚባል የ AI ስርዓት በ Jeopardy! ውድድር ላይ የሰው ልጆችን አሸነፈ።

✔️2012: የ Deep Learning አብዮት ጀመረ። ይህ የ AI አቅምን በከፍተኛ ሁኔታ አሻሽሎታል።

✔️2016: Google የ DeepMind የሚባል የ AI ስርዓት AlphaGo የ Go የሚባል ውስብስብ ጨዋታ ተጫዋችን አሸነፈ።

✔️2020ዎቹ: የ ተፈጥሯዊ ቋንቋ ማስተካከያ (Natural Language Processing - NLP) እና የጽሑፍ ማመንጨት (Text Generation) ሞዴሎች እንደ ChatGPT, GPT-4, እና Gemini በጣም ተወዳጅ ሆነዋል።

የ AI አመጣጥ ዋና ዋና ሰዎች

►Alan Turing: የ AI ፅንሰ-ሀሳብን የመጀመሪያ የሚያቀርቡት ሰው።

►John McCarthy: የ "Artificial Intelligence" ቃልን የፈጠረ ሰው።

►Geoffrey Hinton: የ Deep Learning አባት ተብሎ የሚጠራ።

►Yoshua Bengio እና Yann LeCun: የአሁኑን የ AI እድገት የሚያስተባብሩ ሳይንቲስቶች።

የ AI አመጣጥ ዋና ዋና ክስተቶች

• 1956: Dartmouth Conference (የ AI መጀመሪያው ኮንፈረንስ)።

• 1997: Deep Blue vs. Garry Kasparov (ቼስ ውድድር)።

• 2011: IBM Watson በ Jeopardy! ውድድር ላይ ድል።

• 2016: AlphaGo የ Go ጨዋታ ተጫዋችን አሸነፈ።

• 2022: ChatGPT እና ሌሎች የተፈጥሮ ቋንቋ ሞዴሎች ተወዳጅነት አገኙ

■ የ AI እና ሰው ልጅ መካከል ያሉት ልዩነቶች

1. ተመሳሳይነቶች (Similarities)

AI እና ሰው ልጅ በተወሰኑ ነገሮች ላይ ተመሳሳይነት አላቸው። ከነዚህ መካከል፡

☑ ማስተማር ችሎታ:

ሰው ልጅ: ሰዎች ከልምድ እና ከተማሪዎች ይማራሉ።

AI: AI ከውሂብ (data) ይማራል። ምሳሌ፡ ማሽን ማስተማር (Machine Learning)።

☑ ችግር መፍታት:

ሰው ልጅ: ሰዎች ችግሮችን በማሰብ እና በልምድ ይፈታሉ።

AI: AI ውስብስብ ችግሮችን በፍጥነት ይፈታል (ምሳሌ፡ የቼስ ጨዋታ)።

☑ ውሂብ ትንተና:

ሰው ልጅ: ሰዎች ውሂብን በመተንተን ውሳኔዎችን ይወስዳሉ።

AI: AI ትልቅ መጠን ያለው ውሂብን በፍጥነት ይተነትናል (ምሳሌ፡ የገበያ ትንበያ)።

2. ልዩነቶች (Differences)

AI እና ሰው ልጅ በብዙ ነገሮች ላይ የተለያዩ ናቸው። ከነዚህ መካከል፡

◈ ስሜት (Emotions):

ሰው ልጅ: ሰዎች ስሜት አላቸው። ያፈቅራሉ፣ ይወዳሉ፣ ያለቅሳሉ፣ ይደሰታሉ።

AI: AI ስሜት የለውም። AI ስሜታዊ ምላሽ የሚሰጠው የተፈጥሮ ቋንቋን በመጠቀም ብቻ ነው፣ ነገር ግን እንደ ሰው ስሜት አይሰማውም።ምሳሌ: ChatGPT "እንዴት ነህ?" ብሎ ሲጠየቅ "ደህና ነኝ" ይላል፣ ነገር ግን ይህ ስሜታዊ ምላሽ ሳይሆን የቃላት ቅደም ተከተል ብቻ ነው።

◈ ፈጠራ (Creativity):

ሰው ልጅ: ሰዎች አዲስ ነገር መፍጠር ይችላሉ (ምሳሌ፡ ሙዚቃ፣ ስዕል፣ ታሪክ)።

AI: AI ከውሂብ የተማረውን ብቻ ያደርጋል። ስለዚህ፣ AI ፈጠራ የለውም፣ ነገር ግን የተማረውን ውሂብ በአዲስ መንገድ ሊያቀርብ ይችላል። እንዲሁም ድካም የለበትም፣ አንድን ነገር ለረጅም ጊዜ በዛው ሃይል ሊሰራ ይችላል፣ የሰው ልጅ አይችልም።ምሳሌ: AI የተለመደ ሙዚቃ ወይም ስዕል ሊፈጥር ይችላል፣ ነገር ግን ይህ ከቀድሞ የተማረው ውሂብ ላይ የተመሰረተ ነው።

◈ ራስ-ግንዛቤ (Self-awareness):

ሰው ልጅ: ሰዎች ራሳቸውን ያውቃሉ (self-aware)። "እኔ ነኝ" የሚል ስሜት አላቸው።

AI: AI ራሱን አያውቅም። AI ራሱን እንደ ሰው ልጅ አይሰማውም።ምሳሌ: AI "እኔ አለሁ" ይላል፣ ነገር ግን ይህ የቃላት ቅደም ተከተል ብቻ ነው፣ ራስ-ግንዛቤ አይደለም።

☑ የሰውነት አስፈላጊነት:

ሰው ልጅ: ሰዎች አካላዊ አስፈላጊነት አላቸው (ምሳሌ፡ መብላት፣ መጠጣት፣ መተኛት)።

AI: AI አካላዊ አስፈላጊነት የለውም። AI እንደ ሰው ልጅ መብላት፣ መጠጣት፣ ወይም መተኛት አያስፈልገውም።

ማጠቃለያ

AI: AI የሰው ልጅን ተግባራት ማከናወን ይችላል፣ ነገር ግን ስሜት፣ ፍቅር፣ እና ሌሎች የሰው ልጅ ባህሪያት የሉትም። እንዲሁም በ ሰው ልጅ የተፈጠረ ነው።

ሰው ልጅ: ሰዎች ስሜታዊ፣ ፈጣሪ፣ እና ራስ-ግንዛቤ ያላቸው ፍጡራን ናቸው። Biological and Physical complexity ልዩነታቸው እንዳለ መርሳት የለብንም።

☒ ማሳሰቢያ ወደፊት በሰው ልጅ እድሜ Super AI የሚባሉ General AI እንደ ሰው ልጅ ያሉ እና ከ ሰው በላይ perfromance ያላቸው ይፈጠራሉ ብለው የሚያስቡ ሪሰርቸሮች፣ ሳይንቲስቶች፣ እንዳሉ ይነገራል። እናንተ ምን ታስባላቹ ? የሰው ልጅ ይተካል? በ comment Box አስፍሩልን።

AI እና የበሬ ስዕል

አስቂኝ አጭር story

አንድ ጊዜ የ AI ሞዴል የበሬ ስዕል ለመሳል ተጠየቀ። ሞዴሉ ስዕሉን አሳየ፣ ነገር ግን በሬው አንድ እግሩ ከሌሎቹ በላይ በጣም ረጅም ነበር። የ AI ሞዴሉ ይህን ስህተት ለምን እንዳደረገ ሲጠየቅ፣ መልሱ እንዲህ ነበር፡"እኔ በሬ በህይወት አላየሁትም፣ ነገር ግን እንደ ሰው እግሮች እንደሚሰራ አስባለሁ!"ይህ ታሪክ የ AI ሞዴሎች እንዴት ከውሂብ ብቻ የሚማሩ እንደሆኑ ያሳያል። የተሳሳተ ውሂብ ከሰጣቸው፣ የተሳሳተ ውጤት ያመጣሉ! 😄

🟢 AI ለመረዳት ቀላል ምሳሌ: "AI እና የቤት ውሻ"

AIን ለመረዳት አንድ ቀላል ምሳሌ እንጠቀም።

• የ AI ስልጠና: አንድ የ AI ሞዴል የቤት ውሻዎችን ስዕል በመመልከት እንዴት እንደሚመስሉ ይማራል።

• የ AI ሙከራ: አዲስ የውሻ ስዕል ሲቀርብለት፣ AI ውሻ መሆኑን ይለያል።

• የ AI ስህተት: አንድ የድመት ስዕል ሲቀርብለት፣ AI "ውሻ" ነው ሊል ይችላል።

• ይህ ምሳሌ የ AI ሞዴሎች እንዴት ከውሂብ የሚማሩ እና አዲስ መረጃን እንዴት እንደሚተነትኑ ያሳያል።

AI ዓይነቶች:

AI በዋነኝነት ሁለት ዋና ዋና አይነቶች አሉት፡

1. **ቀላል AI (Narrow AI)** እና 2. **አጠቃላይ AI (General AI)**። እያንዳንዳቸውን በምሳሌዎች እንመልከት።

◉ 1. ቀላል AI (Narrow AI)

ቀላል AI የተወሰኑ ተግባራትን ብቻ የሚያከናውን ነው። ይህ የ AI አይነት በአሁኑ ጊዜ በብዛት የምንጠቀመው ነው።ምሳሌዎች:

• የፎቶ መለያ (Image Recognition):ምሳሌ: የፌስቡክ የፎቶ ታግ (Photo Tagging)። አሰራሩ: AI የሰው ፊትን በፎቶ ውስጥ ያውቀዋል እና ስሙን ይጠቁማል።

• የቃላት ትርጉም (Language Translation):አሰራር: AI ከአንድ ቋንቋ ወደ ሌላ ቋንቋ ቃላትን ይተረጎማል።

• የድምፅ ማዳመጫዎች (Voice Assistants): አሰራር: AI የሰው ድምፅን ይሰማል እና ጥያቄዎችን ይመልሳል (ምሳሌ፡ "የአየር ሁኔታ እንዴት ነው?")።

◉ 2. አጠቃላይ AI (General AI)

አጠቃላይ AI ማንኛውንም የሰው ልጅ ተግባር ማከናወን የሚችል ነው። ይህ የ AI አይነት እስካሁን አልተገኘም፣ ነገር ግን የሚመረምር ነው።

• ሰው ሰራሽ ሰው (Human-like Robot): እንደ ሰው ሁሉ ማሰብ፣ መናገር፣ መስራት፣ እና መለወጥ የሚችል ሮቦት። አሰራር: ይህ AI ማንኛውንም የሰው ልጅ ተግባር ማከናወን ይችላል

• እንደ ሰው ማሰብ የሚችል AI:(Super AI): እንደ ሰው ሁሉ ማሰብ፣ መወሰን፣ እና ችግሮችን መፍታት የሚችል AI። አሰራር: ይህ AI በማንኛውም ዘርፍ ሰዎችን ሊተካ ይችላል። እስካሁን ድረስ ይህ የ AI አይነት አልተገኘም።

በተጨማሪም፣ AI በተለያዩ መንገዶች ሊከፋፈል ይችላል።

○ ማሽን ማስተማር (Machine Learning):

ምሳሌ: የ Netflix የፊልም አቀናባሪ (Movie Recommendations)። አሰራር: AI የተጠቃሚውን የተመለከተውን ፊልም በመተንተን አዲስ ፊልሞችን ይመክራል።

○ የእይታ ስርዓት (Computer Vision):ምሳሌ: የፎቶ መለያ (Facial Recognition)። አሰራር: AI የሰው ፊትን በፎቶ ውስጥ ያውቀዋል እና ስሙን ይጠቁማል።

○ የተፈጥሮ ቋንቋ ማስተካከያ (Natural Language Processing - NLP):

*ምሳሌ: ChatGPT, DeepSeek, Bard, perplexity እና ሌሎችም። አሰራር: AI የሰው ቋንቋን ይረዳል እና ጥያቄዎችን ይመልሳል።

ስለ AI (Artificial Intelligence)፣ Machine Learning (ML)፣ Neural Networks፣ እና Generative AI በትንሹ

✔️ AI የሚለው ቃል ማሽኖች የሰው ልጆች እንደሚሰሩት ተግባራትን ለማከናወን የሚያስችላቸውን ችሎታ ያመለክታል። AI በጣም ሰፊ ዘርፍ ነው፣ እና ሌሎች ዘርፎች እንደ Machine Learning እና Neural Networks በ AI ውስጥ ይገኛሉ።ምሳሌዎች: Image Recoginition, Language translation, automatic car, sofiya robot, Tesla car, chatgpt....

✔️ Machine Learning (ML) የ AI አካል ነው። ML ማሽኖች ከውሂብ (data) የሚማሩበትን ሂደት ያመለክታል። ማለትም፣ ML ሞዴሎች ውሂብን በመጠቀም ራሳቸውን ያሻሽላሉ እና ውሂብ ላይ ተመስርተው ውሳኔዎችን ይወስዳሉ።ምሳሌዎች: የ Netflix የፊልም አቀናባሪ (Movie Recommendations), የገበያ ትንበያ (Market Trend Analysis):

✔️ Neural Networks: የ Machine Learning አካል ነው። ይህ የ AI ሞዴል የሰው አንጎል አወቃቀርን (human brain structure) የሚመሰርት ሲሆን፣ ብዙ የሂሳብ አሃዞችን (mathematical nodes) በመጠቀም ውስብስብ ችግሮችን ለመፍታት ያስችላል።ምሳሌዎች: የፎቶ መለያ (Image Recognition): Neural Networks የሰውን አልያም ማንኛውንም ምስል ፊትን structure be pixel እየከፋፈለ ለመማር ይሞክራል ከዛ በፎቶ ውስጥ ያለዉን ሁሉ ስለሚያውቅ አዲስ ፎቶ ብትሰጡት የማን እና የምን እንደሆነ ያቃል። የተለያዩ mathmatical algorithms model ይጠቀማል።

✔️ Generative AI: የ AI አይነት ነው፣ እና አዲስ ውሂብን (new data) ለመፍጠር ያስችላል። ይህ የ AI አይነት ከቀድሞ የተማረውን ውሂብ በመጠቀም አዲስ ውጤት ወይም ሌላ ኢንፎርሜሽን ያመጣል።

የጽሑፍ ማመንጨት (Text Generation):

‣ChatGPT: የ OpenAI የ Generative AI ሞዴል፣ የሰው ቋንቋን በመጠቀም ጥያቄዎችን ይመልሳል። ምሳሌ: "አዲስ ታሪክ ፃፍልኝ" ብለህ ሲጠየቅ፣ ChatGPT አዲስ ታሪክ ይፈጥራል። በ ሰጣችሁት ፅሁፍ ላይ ተመስርቶ ሌላ አዲስ ፅሁፍ ማመንጨት ማለት ነው። የምስል ማመንጨት (Image Generation):

‣DALL·E: የ OpenAI የ Generative AI ሞዴል፣ የጽሑፍ መግለጫዎችን በመጠቀም ምስሎችን ይፈጥራል። ምሳሌ: "አንድ ወርቃማ ዳይኖሰር በሰማይ ውስጥ የሚበር" ብለህ ሲጠየቅ፣ DALL·E ይህን ምስል ይፈጥራል።

‣የሙዚቃ ማመንጨት (Music Generation):AI Music Generators: የ Generative AI ሞዴሎች አዲስ ሙዚቃ ይፈጥራሉ። ምሳሌ: "አንድ ደስታማ የጃዝ ሙዚቃ ፍጠርልኝ" ብለህ ሲጠየቅ፣ AI ይህን ሙዚቃ ይፈጥራል።

የ AI ጥቅሞች እና ጉዳቶች

የ AI ጥቅሞች

★ ህክምና ላይየበሽታ መለየትና ትንበያ – AI በህክምና ውስጥ የበሽታ ምልክቶችን በፍጥነት ማቅረብ ይችላል። የሕክምና ሰዎችን እገዛ – ሰዎች በ AI መረጃ ተደግፈው የበሽታ ምርመራ ሊያደርጉ ይችላሉ። ሰዎችን ተክቶ ህክምና ማረግና ሰርጀሪዎችን ማከናወን ይችላል

★ ትምህርት ላይተማሪዎችን በግልጽ ማስተማር ፣የምርምር እና መረጃ ማቀናበር ፣ ትምህርት መረጃ ማሰባሰብ

★ ኢኮኖሚ እና ንግድ ላይየደንበኞች ተሳትፎ ማግኘት፣ ንግድ ዘዴዎችን ማሻሻል ፣ ምርምር ማድረግ – የተጨማሪ የጥራት ምርምርን ማድረግ።

★ የሰዎችን የመረጃ ሥነ ጥበብ ማሻሻል። የሰዎችን ስራ ማገዝ፣ መስራት ፣ ትንበያ መስጠት፣ ምርጫ ማቅረብ እና የመሳሰሉት ብዙ ጥቅሞች አሉት።

◇ የ AI ጉዳቶች

⁃የሰው ሥራ መቀየር⁃የግል መረጃ ጥሰት ፡ የግል መረጃዎች ሊተላለፉ ይችላሉ። አስፈላጊ የግል መረጃዎች ወደ ሌሎች አካላት ሊደርሱ ይችላሉ።⁃የመረጃ አስተማማኝነት፡ AI የሚሰጠው መረጃ ሁልጊዜ ትክክል አይሆንም።የሐሰት መረጃዎች ሊተላለፉ ይችላሉ።

⁃የሥርዓት ውስጥ አዳራሽነት፡ AI እንደተሰራበት አኳሃን ወገንተኛ ሊሆን ይችላል፣ control ላናረገው እንችላለን፣ ላልሆነ ጉዳይ ሰዎች ሊያውሉት ይችላሉ

⁃የሰውን ውስጠ ባህሪ ማቆም፡ ሰዎች AI ሲጠቀሙ ራሳቸው ሥራ ሊቀንስ ይችላሉ። የመሳሰሉት ብዙ ጉዳቶች ሊያስከትል ይችላል

የ AI (Artificial Intelligence) ለመማር እና ለማወቅ

Step 1: መሰረታዊ የሂሳብ እና የፕሮግራሚንግ እውቀት (Prerequisites)

✓ AI ለመማር ከመጀመሪያ የሚያስፈልጉ መሰረታዊ እውቀቶች አሉ። እነዚህም፡

ሂሳብ (Mathematics):Linear Algebra: ማትሪክስ (Matrices)፣ ቬክተሮች (Vectors)፣ ወዘተ. Calculus: የውጤት ለውጥ (Derivatives)፣ ውህደት (Integrals)። Probability & Statistics: የይሆናል ጥንቃቄ (Probability)፣ የውሂብ ትንተና (Data Analysis)። Algorithms, data structure.

✓ ፕሮግራሚንግ (Programming): Python ወይም R : AI ለመማር በጣም የሚያስፈልግ ቋንቋ። Libraries: NumPy, Pandas, Matplotlib, ወዘተ.

Step 2: መሰረታዊ የ AI ፅንሰ-ሀሳቦች (AI Fundamentals)

✓ Introduction to AI: እና Introduction to Machine Learning:

Step 3: Machine Learning (ML) ማጥናት

✓ Supervised Learning: Unsupervised Learning: Reinforcement Learning: እና በስራቸው ያሉ model algorithms ማወቅ

Step 4: Deep Learning ማጥናት

✓Neural Networks መሰረታዊ ነገሮች:Deep Learning፥ Frameworks:TensorFlow: በ Google የተፈጠረ።PyTorch: በ Facebook የተፈጠረ።የ Deep Learning ሞዴሎች:Convolutional Neural Networks (CNNs):Recurrent Neural Networks (RNNs)

Step 5: የተፈጥሮ ቋንቋ ማስተካከያ (Natural Language Processing - NLP)

✓ NLP ሞዴሎች:Transformer Models: BERT, GPT: ChatGPT, Google Translate model. እና ሌሎችንም ማወቅ

Step 6: Generative AI ማጥናት

✓Generative Models: GANs (Generative Adversarial Networks)፣ Variational Autoencoders (VAEs)፡ Variational Autoencoders VAEs

Step 7: የ AI ፕሮጀክቶችን መስራት (Hands-on Projects)

Step 9: ቀጣይነት ያለው ትምህርት (Continuous Learning)

✓ በየጊዜው ሚለዋወጠዉን እና ሚያድገዉን ይህን ፊልድ ሁሌ አዳዲስ የ AI ቴክኖሎጂዎችን መከታተል

conference መከታተል፣ መሳተፍ፣ AI ግሮፖችን መቀላቀል፣ github እና Kaggle የመሳሰሉትን join ማረግና መሳተፍ መስራት።

በ አማርኛ የተዘጋጀ basic መሰረታዊ AI የሚያስረዳ ቪዲዮ ቲቶሪያል ካለ ጠቁመኝ ?

አዎ አለ

✓ recommned ምናረገው youtube video ሊንክ ከስር ታገኛላቹ

🔴 በ ቅርቡ አዲስ ምዝገባ ይኖረናል AI እና Machine learning ማወቅ ምትፈልጉና real ፕሮጀክቶችን በ መስራት መማር ምትፈልጉ ካላቹ ጠብቁን። subscribe በማድረግ ይህንን website ይከታተሉ በ ቅርቡ ምትመዘገቡበትን መንገድ እና መማሪያ ዘዴዉን በዚሁ እንለቃለን።