CAPTCHA testlerinden mobil oyunlara, internetteki her adımınız yapay zeka modellerini eğitiyor. Bu durum gizlilik endişelerini beraberinde getiriyor.
Günlük internet kullanımları, CAPTCHA doğrulamalarından mobil oyun etkileşimlerine ve navigasyon uygulamalarına kadar, ileri yapay zeka (AI) modellerinin eğitim verilerini oluşturuyor. Teknoloji firmaları tarafından yapılan bu geniş çaplı veri toplama, ChatGPT ve Gemini gibi sistemlerin gelişimini hızlandırırken, kullanıcı gizliliği ve veri güvenliği konusunda önemli tartışmaları da beraberinde getiriyor.
İnternet sitelerinde sıkça karşılaşılan “robot değilim” kutucukları, teknoloji şirketleri için basit bir güvenlik önleminden öte bir işlev görüyor. Kullanıcıların görsellerdeki harfleri yazması veya belirli nesneleri ayırt etmesi gibi görevler içeren CAPTCHA ve reCAPTCHA testleri, yıllardır yapay zeka araçlarının eğitiminde kullanıldığı iddialarıyla gündemde yer alıyor.
Özellikle Google’ın testlerinde yaya geçitleri, trafik lambaları ve taşıtlar gibi nesnelerin sıklıkla sorulması, bu verilerin insansız araçlar için yapay zeka modellerini geliştirmede kullanıldığı yönündeki iddiaları güçlendiriyor. Bir Google Cloud sözcüsü ise, “reCAPTCHA kullanıcı verileri, reCAPTCHA hizmetini iyileştirme dışında hiçbir amaç için kullanılmamaktadır ve bu durum, hizmet şartları sözleşmesinde açıkça belirtilmiştir” açıklamasını yaptı.
Yapay zeka eğitiminde gündelik kullanımların rolü, son dönemde oyunlar gibi farklı alanlara da yayıldı. ABD merkezli Niantic firmasının 2016’da piyasaya sürdüğü “Pokemon Go” oyunu, bu bağlamda eleştirilerin odağına oturdu.
Oyuncuların cep telefonlarındaki GPS ve kameralar aracılığıyla gerçek dünyada çizgi dizi karakterlerini aradığı bu oyun, devasa bir sokak görüntüsü veri havuzu oluşturdu. MIT Technology Review dergisinin haberine göre, Niantic’in yapay zeka şirketi Niantic Spatial, oyuncuların biriktirdiği 30 milyar görseli kullanarak gerçek dünyanın sanal bir modelini üretti.
Niantic, bu modelleme sayesinde kişilerin etrafındaki görüntüleri yükleyerek konumlarını haritada görmesini sağlayan bir teknoloji geliştirdiğini duyurdu. Firma ayrıca, GPS’in güvenilir olmadığı alanlarda robotların hareketini kolaylaştıracak bir teknoloji hedeflediğini belirtti. Niantic, Kasım 2024’te yaptığı açıklamada, oyuncuların gerçek dünyayı tarayarak sunduğu verilerin kullanıldığını doğrularken, bu özelliğin “tamamıyla opsiyonel” olduğunu vurgulamıştı.
İsviçre’deki Lozan Üniversitesinden Profesör Christian Peukert, yapay zeka eğitiminde kullanılan materyaller ile internet kullanıcılarının güvenliği ve mahremiyeti arasındaki dengeyi değerlendirdi. Peukert, eski CAPTCHA versiyonlarında kullanıcıların deşifre etmesi istenen kelimelerden birinin sistem tarafından bilindiğini, diğerinin ise bilinmediğini ifade etti.
Profesör Peukert, sistemin tanıdığı kelimenin kullanıcının insan olduğunun doğrulanmasında kullanıldığını, bilinmeyen sözcüğe verilen yanıtın ise e-kitap uygulamaları gibi dijitalleşme çabaları kapsamında veri olarak depolandığını anlattı. Peukert, bunun “kullanıcıların, metin tanıma sistemlerinin iyileştirilmesine doğrudan katkıda bulunduğu” anlamına geldiğini belirterek, “Yapay zekanın eğitiminin büyük kısmı, kullanıcıların çoğunlukla fark etmeyerek internette ürettiği pasif verilere dayanıyor” dedi.
Christian Peukert, reCAPTCHA dışında da internetteki verilerin yapay zeka eğitimi için kullanıldığı alanlara örnekler verdi. Reddit ve X (eski adıyla Twitter) gibi sosyal medya platformlarının dil modellerini eğiten büyük miktarda metin sağladığını söyledi. Instagram gibi görüntü platformlarında paylaşımlara eklenen açıklamalar ve etiketlerin görsel verinin etiketlenmesine katkıda bulunduğunu aktardı. Google’daki aramaların dil anlama ve sıralama sistemlerinin geliştirilmesine yardımcı olduğunu, Google Haritalar ve Waze gibi navigasyon uygulamalarının ise tahmin modellerinin eğitildiği hareket verilerini topladığını kaydetti. Ayrıca, sohbet robotları ve sesli asistanlarla yapılan görüşmelerin genellikle kayıt altına alınarak sistemleri iyileştirmede kullanıldığını belirtti.
Profesör Peukert, bu süreçlerin gizlilik ve güvenlik açısından sorunlar barındırdığını vurguladı. Büyük ölçekli veri birikiminin fişlemeye, sahte içeriklerin üretilmesine ve kullanıcıların kendileriyle rekabet eden sistemleri beslemesine yol açabileceğini ifade etti.
Bireysel tedbirlerin veri kullanımını azaltma konusunda tek başına yeterli olmayacağının altını çizen Peukert, “Eğitim için kullanılan verilerin çoğu çoktan toplanmış halde, kamuya açık şekilde veya sistemler arasında çoğaltılmış durumda bulunuyor. Veriler büyük veri kümelerine bir kere dahil edildiğinde kontrolü geri kazanmak zordur” değerlendirmesini yaptı.
Öte yandan, Peukert bu veri katkısının bazı faydaları olduğuna da işaret etti. İnsan kaynaklı verilerin dil teknolojileri, çeviri, erişilebilirlik araçları, bilimsel çalışmalar ve arama motorları gibi gündelik hizmetlerdeki kullanımını örnek gösterdi.
Yorum Yap