Yapay zeka modellerinin eğitimi için kullanılan veriler tartışma konusu. CAPTCHA testleri, oyunlar ve navigasyon uygulamalarından toplanan dijital izler, LLM’lerin gelişiminde kritik rol oynuyor.
Büyük dil modelleri (LLM) ChatGPT, Gemini ve Claude gibi yapay zeka araçları, günlük milyonlarca kullanıcı tarafından metin üretmek amacıyla kullanılıyor. Bu modellerin eğitimi için kitaplar, internet siteleri ve makaleler gibi çeşitli yazılı materyallerden yararlanılıyor. Son dönemde ise bu eğitim sürecinin, internet kullanıcılarının çevrimiçi hareketlerinden elde edilen verilerle desteklendiği tartışmaları öne çıkıyor.
İnternet hizmetlerine erişim öncesinde kullanıcıların robot olmadığını teyit eden CAPTCHA ve reCAPTCHA testleri, teknoloji firmaları için sadece bir güvenlik önlemi olmanın ötesine geçiyor. Kullanıcılardan görseldeki harfleri yazmaları veya belirli nesneleri seçmeleri istenen bu testlerin, yapay zeka araçlarının eğitimi için kullanıldığı iddiaları uzun süredir gündemde.
Google’ın reCAPTCHA testlerinde sıkça yaya geçitleri, trafik lambaları gibi nesnelerin sorulması, bu verilerin otonom araçlar için kullanıldığı spekülasyonlarına yol açtı. Bir Google Cloud sözcüsü, reCAPTCHA verilerinin sadece hizmeti iyileştirmek amacıyla kullanıldığını ve hizmet sözleşmelerinde bu durumun açıkça belirtildiğini ifade etti.
Yapay zeka eğitiminde gündelik kullanımların rolü, oyunlar gibi farklı alanlara da taşındı. Niantic firmasının popüler oyunu Pokemon Go, oyuncuların konum ve kamera verilerini kullanarak sokak görüntülerinden oluşan geniş bir veri havuzu oluşturdu. MIT Technology Review’a göre Niantic’in yapay zeka şirketi Niantic Spatial, bu 30 milyar görseli kullanarak gerçek dünyanın sanal bir modelini üretti.
Niantic, bu teknolojiyle kişilerin konumlarını haritada görmesini sağlayan bir sistem geliştirdiğini belirtti. Firma ayrıca, GPS’in güvenilir olmadığı yerlerde robotların hareketini kolaylaştırmayı hedefliyor. Kasım 2024’te yapılan bir açıklamada, oyuncuların sunduğu verilerin kullanıldığı doğrulandı ancak bu özelliğin tamamen isteğe bağlı olduğu vurgulandı.
Lozan Üniversitesi’nden Profesör Christian Peukert, yapay zeka eğitiminde kullanılan materyaller ve kullanıcı mahremiyeti arasındaki dengeye dikkat çekti. Peukert, eski CAPTCHA versiyonlarında kullanıcıların deşifre ettiği bilinmeyen kelimelerin, metin tanıma sistemlerini geliştirmek için veri olarak saklandığını belirtti. Bu durum, kullanıcıların farkında olmadan yapay zeka eğitimine katkıda bulunduğunu gösteriyor.
Peukert, Reddit ve Twitter gibi platformların dil modellerini eğitmek için metin sağladığını, Instagram gibi platformlardaki etiketlerin görsel veriyi zenginleştirdiğini söyledi. Google aramalarının dil anlama sistemlerini, Google Haritalar ve Waze gibi uygulamaların ise hareket verilerini topladığını ekledi. Sesli asistanlarla yapılan görüşmelerin de sistemleri iyileştirmede kullanıldığını kaydetti.
Profesör Peukert, bu veri birikiminin kişisel bilgilerin kötüye kullanılması, sahte içerik üretimi ve kullanıcıların kendi sistemlerini beslemesi gibi gizlilik ve güvenlik sorunlarına yol açabileceği uyarısında bulundu. Verilerin bir kere büyük veri kümelerine dahil olduğunda kontrolünü geri kazanmanın zor olduğunu belirtti. Ancak Peukert, insan kaynaklı verilerin dil teknolojileri, çeviri, erişilebilirlik araçları ve arama motorları gibi günlük hizmetlerdeki faydalarına da işaret etti.
Yorum Yap