İnternet Kullanıcılarının Her Hareketi Yapay Zeka Eğitimine Veri Oluyor
CAPTCHA testlerinden mobil oyunlara, internet kullanıcılarının çevrim içi eylemleri, yapay zeka modellerinin gelişimine aktif olarak katkı sağlıyor.
İnternet kullanıcılarının çevrim içi her hareketi, yapay zeka (AI) modellerinin eğitimi ve yeni teknolojilerin geliştirilmesi için sürekli olarak veri kaynağı oluyor. CAPTCHA testlerinden mobil oyunlara ve navigasyon uygulamalarına kadar geniş bir yelpazede toplanan bu veriler, kullanıcıların genellikle farkında olmadan yapay zeka sistemlerinin gelişimine doğrudan katkıda bulunmasını sağlıyor.
Büyük dil modelleri (LLM) gibi yapay zeka teknolojilerinin eğitilmesinde, kitaplar ve internet siteleri gibi kamuya açık kaynaklardan elde edilen metinler kullanılıyor. Son dönemdeki tartışmalar, bu eğitim sürecinin internet kullanıcılarının çevrim içi etkileşimlerinden derlenen verilere odaklanıyor.
İnternette hizmetlere erişimden önce kullanıcıların insan olduğunu doğrulayan “CAPTCHA” ve “reCAPTCHA” testleri, teknoloji firmaları için güvenlik önleminin ötesinde bir işlev görüyor. Kullanıcıların görsellerdeki harfleri yazması veya nesneleri ayırt etmesi gibi basit görevler, yapay zeka araçlarının eğitiminde kullanıldığı iddialarını yıllardır gündemde tutuyor.
Google’ın reCAPTCHA testlerinde sıkça yaya geçitleri, trafik lambaları ve taşıtlar gibi nesnelerin sorulması, bu verilerin yapay zeka destekli insansız araçlar için kullanıldığına dair iddiaları ortaya çıkardı. Bir Google Cloud sözcüsü, reCAPTCHA kullanıcı verilerinin yalnızca hizmeti iyileştirme amacıyla kullanıldığını ve bunun hizmet şartlarında belirtildiğini açıkladı.
Mobil Oyunlar ve Gerçek Dünya Verisi
Gündelik kullanımların yapay zeka eğitiminde değerlendirilmesi tartışmaları, son zamanlarda oyunlar gibi farklı alanlara da yayıldı. ABD merkezli Niantic firmasının 2016’da piyasaya sürdüğü “Pokemon Go” oyunu, bu bağlamda eleştirilerin hedefi haline geldi.
Oyuncuların cep telefonlarındaki GPS ve kameralar aracılığıyla gerçek dünyada çizgi dizi karakterlerini aradığı bu oyun, sokak görüntülerinden oluşan devasa bir veri havuzunun oluşmasına yol açtı. 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 görüntülerin fotoğraflarını yükleyerek konumlarını haritada görmesini sağlayan bir teknoloji geliştirdiğini duyurdu. Firma ayrıca bu modeli kullanarak GPS’in güvenilir olmadığı alanlarda robotların hareketini kolaylaştıracak bir teknoloji hedefliyor. Kasım 2024’te yapılan açıklamada, oyuncuların gerçek dünyayı tarayarak sunduğu verilerin kullanıldığı doğrulanmış ancak bu özelliğin “tamamen opsiyonel” olduğu vurgulanmıştı.
Pasif Veri Toplama ve Gizlilik Endişeleri
İsviçre’deki Lozan Üniversitesinden Profesör Christian Peukert, yapay zekanın eğitiminde kullanılan materyaller ile internet kullanıcılarının güvenliği ve mahremiyeti arasındaki dengeleri değerlendirdi. Peukert, CAPTCHA testlerinin eski versiyonlarında bir kelimenin sistem tarafından bilindiğini, diğerinin ise bilinmediğini belirtti.
Profesör Peukert, sistemin tanıdığı kelimenin kullanıcının insan olduğunun doğrulanmasında görev aldığını, bilinmeyen sözcüğe verilen yanıtın ise e-kitap uygulamaları gibi dijitalleşme çabaları kapsamında veri olarak depolandığını ifade etti. Bu durumun, “kullanıcıların metin tanıma sistemlerinin iyileştirilmesine doğrudan katkıda bulunduğu” anlamına geldiğini vurguladı.
Peukert, “Yapay zekanın eğitiminin büyük kısmı, kullanıcıların çoğunlukla fark etmeyerek internette ürettiği pasif verilere dayanıyor” değerlendirmesini yaptı. Bu, kullanıcıların farkında olmadan sürekli veri ürettiği ve bu verilerin yapay zeka sistemlerini beslediği anlamına geliyor.
Christian Peukert, reCAPTCHA dışında internetteki verilerin yapay zeka eğitimi için kullanıldığı diğer alanlara da örnekler verdi. Reddit ve Twitter gibi sosyal medya platformlarının dil modellerini eğiten büyük miktarda metin sağladığını söyledi. Instagram gibi görüntü platformlarında paylaşımlara eklenen açıklamaların ve etiketlerin görsel verinin etiketlenmesine katkı sunduğunu belirtti.
Google’daki aramaların dil anlama ve sıralama sistemlerinin geliştirilmesine yardımcı olduğunu ekledi. Google Haritalar ve Waze gibi navigasyon uygulamalarının ise tahmin modellerinin eğitildiği hareket verilerini topladığını vurguladı. Sohbet robotları ve sesli asistanlarla yapılan görüşmelerin genellikle kayıt altına alınarak sistemleri iyileştirmede kullanıldığını aktardı.
Bu süreçlerin gizlilik ve güvenlik açısından ciddi sorunlar barındırdığını vurgulayan Peukert, büyük ölçekli veri birikiminin “fişlemeye”, “sahte içeriklerin üretilmesine” ve “kullanıcıların kendileriyle rekabet eden sistemleri beslemesine” yol açabileceğini ifade etti.
Profesör Peukert, bireysel tedbirlerin veri kullanımını azaltma konusunda yetersiz kalacağının altını çizdi. “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, insan kaynaklı bu veri katkısının bazı faydaları da olduğuna işaret etti. Dil teknolojileri, çeviri, erişilebilirlik araçları, bilimsel çalışmalar ve arama motorları gibi gündelik hizmetlerdeki kullanımını bu faydalara örnek gösterdi.
Yorum Yap