CAPTCHA testleri, mobil oyunlar ve navigasyon uygulamaları gibi çevrimiçi etkileşimler, yapay zeka modellerinin eğitiminde aktif rol oynuyor.
İnternet kullanıcılarının CAPTCHA testleri, mobil oyunlar ve navigasyon uygulamaları gibi çevrimiçi hareketleri, yapay zeka (AI) modellerinin eğitiminde önemli bir kaynak oluşturuyor. Teknoloji firmaları, bu verileri yıllardır sistemlerini geliştirmek için kullanırken, sürecin mahremiyet ve güvenlik boyutları tartışmaları beraberinde getiriyor.
ChatGPT, Gemini ve Claude gibi büyük dil modelleri (LLM) insansı metinler üreterek günlük hayatta yaygın şekilde kullanılıyor. Bu modellerin eğitimi için kitaplar, internet siteleri ve çeşitli yazılı materyallerden elde edilen metinler değerlendiriliyor.
Kamuya açık kaynaklardan toplanan eğitim materyallerinin yanı sıra, internet kullanıcılarının çevrimiçi hareketlerinden derlenen verilerin kullanımı son dönemde yoğun tartışmalara neden oluyor.
İnternet hizmetlerine erişim öncesinde kullanıcıların robot olmadığını teyit eden CAPTCHA ve reCAPTCHA testleri, teknoloji firmaları için güvenlikten öte anlam taşıyor. Bu testler, kullanıcıların görseldeki harfleri yazmasını veya nesneleri ayırt etmesini isteyerek yapay zeka eğitiminde kullanıldığı yönündeki tartışmaları yıllardır sürdürüyor.
Google’ın reCAPTCHA testlerinde sıkça yaya geçitleri, trafik lambaları ve taşıtlar gibi nesnelerin sorulması, bu verilerin insansız araçlar için kullanıldığı iddialarını gündeme getirdi. Bir Google Cloud sözcüsü ise “reCAPTCHA kullanıcı verileri, hizmeti iyileştirme dışında hiçbir amaç için kullanılmamaktadır” açıklamasını yaptı.
Yapay zeka eğitiminde gündelik kullanımların değerlendirilmesi tartışmaları, mobil oyunlara da taşındı. ABD merkezli Niantic firmasının 2016’da piyasaya sürdüğü “Pokemon Go” oyunu, bu eleştirilerin merkezinde yer alıyor.
Oyuncuların GPS ve kameralar aracılığıyla gerçek dünyada karakter aradığı bu oyun, sokak görüntülerinden oluşan geniş bir veri havuzu oluşturdu.
MIT Technology Review dergisinin haberine göre, Niantic’in yapay zeka şirketi Niantic Spatial, oyuncuların topladığı 30 milyar görseli değerlendirdi. Bu görsellerle gerçek dünyanın gerçekçi sanal modelini üretti.
Niantic, bu modellemeyle kişilerin çevrelerindeki görüntüleri yükleyerek konumlarını haritada görmesini sağlayan bir teknoloji geliştirdiğini duyurdu. Şirket, GPS’in yetersiz kaldığı alanlarda robot hareketini kolaylaştıracak teknolojiler hedefliyor.
Niantic, Kasım 2024’te internet sitesinden yaptığı açıklamada, oyuncuların gerçek dünyayı tarayarak sunduğu verilerin kullanıldığını doğruladı. Firma, bu özelliğin “tamamıyla opsiyonel” olduğunu özellikle belirtti.
Lozan Üniversitesi’nden Profesör Christian Peukert, yapay zeka eğitim materyalleri ile kullanıcı güvenliği ve mahremiyeti arasındaki dengeyi değerlendirdi. Peukert, eski CAPTCHA testlerinde kullanıcılardan istenen kelimelerden birinin bilindiğini, diğerinin bilinmediğini açıkladı.
Sistemin bildiği kelime kullanıcının insan olduğunu doğrulamak için kullanılırken, bilinmeyen kelimeye verilen yanıt e-kitap uygulamaları gibi dijitalleşme çabaları kapsamında veri olarak depolandı.
Profesör Peukert, bu durumun “kullanıcıların, metin tanıma sistemlerinin iyileştirilmesine doğrudan katkıda bulunduğu” anlamına geldiğini belirtti. “Yapay zekanın eğitiminin büyük kısmı, kullanıcıların çoğunlukla fark etmeyerek internette ürettiği pasif verilere dayanıyor” dedi.
Christian Peukert, reCAPTCHA dışında da internet verilerinin yapay zeka eğitiminde kullanıldığına dikkat çekti. Reddit ve X (eski adıyla Twitter) gibi sosyal medya platformları, dil modelleri için metin sağlıyor.
Instagram gibi görüntü platformlarındaki açıklamalar ve etiketler, görsel verilerin etiketlenmesine katkıda bulunuyor. Google aramaları dil anlama sistemlerini geliştirirken, Google Haritalar ve Waze gibi navigasyon uygulamaları hareket verilerini topluyor.
Sohbet robotları ve sesli asistanlarla yapılan görüşmeler ise genellikle kayıt altına alınarak sistemlerin iyileştirilmesinde kullanılıyor.
Profesör Peukert, bu veri toplama süreçlerinin gizlilik ve güvenlik sorunları barındırdığını vurguladı. Büyük ölçekli veri birikiminin “fişlemeye” ve “sahte içeriklerin üretilmesine” yol açabileceğini belirtti.
Ayrıca, kullanıcıların farkında olmadan kendileriyle rekabet eden sistemleri besleyebileceği uyarısında bulundu.
Peukert, bireysel tedbirlerin veri kullanımını azaltmakta yetersiz kalacağını ifade etti. “Eğitim için kullanılan verilerin çoğu çoktan toplanmış halde, kamuya açık veya sistemler arasında çoğaltılmış durumda bulunuyor” dedi.
Profesör, verilerin büyük veri kümelerine bir kez dahil edildikten sonra kontrolü geri kazanmanın zor olduğunu ekledi.
Öte yandan Peukert, insan kaynaklı veri katkısının bazı faydaları olduğunu da dile getirdi. Bu verilerin dil teknolojileri, çeviri, erişilebilirlik araçları, bilimsel çalışmalar ve arama motorları gibi gündelik hizmetlerde kullanıldığını örneklerle açıkladı.
Yorum Yap