Yapay Zeka Etiği Nedir? Sorumluluk, Önyargı ve Düzenleme

Yapay zeka etiği, yapay zeka sistemlerinin tasarım ve kullanımında ortaya çıkan ahlaki soruları ele alan alandır. “Bilgisayar ahlakı”ndan farklıdır; burada soru, makinenin kendi ahlakı değil, insanların bu makinelerle ilişkisidir.

Bu yazıda yapay zeka etiğinin ne olduğunu, hangi sorunları çözdüğünü, önyargı ve şeffaflık konularını ve düzenleme durumunu ele alıyoruz. Bu yazı teknik değil, düşünce ağırlıklı bir yazıdır; amaç teknolojiye karşı bir tavır almak değil, iyi niyetle onu kullanmaktır.

Etik neden gerekli?

Bu soruya dürüst bir cevap vermek gerekiyor. Etik, teknolojinin çalışmasını sağlayan teknik bir gereklilik değildir; ama olmadığında ortaya çıkan sorunlar teknik değildir.

Temel gerçek şu: Bir model neyi öğrendiğini değil, neyin işine yaradığını bilir.

Örnek: Bir işe alım modelini eğittiğinizde, geçmişte işe alınanların örüntülerini öğrenir. Bu verideki eşitsizlikler varsa, model onları da öğrenir. Model, kendiliğinden “bu eşitsizlikleri düzeltmeliyim” demez — çünkü bu onun işi değil.

Bu, etik soruların doğduğu yer:

Veri seçimi kimin yapıyor? Sisteme ne verdiğiniz, sistemin ne öğreneceğini belirler.
Hangi kararlar veriliyor? Kredi, işe alım, adli karar, sağlık teşhisi — hangi alanlarda kullanılacağı büyük fark yaratır.
Kim hesap veriyor? Bir model hatalı karar verdiğinde sonuçtan kim sorumludur?
Hangi değerler gömülüyor? Bir veri seti, tasarımcısının dünya görüşünü de taşır.

Önemli bir ayrım: Etik, “yapay zekâya güvenmeyin” demek değildir. Etik, bir teknolojiyi kullanmadan önce vereceğiniz kararın sorumluluğunu tanımlamaktır. Teknolojiden vazgeçmek yerine, nasıl kullanılacağına karar vermek.

Temel sorun alanları

Alan genellikle beş ana başlıkta toplanır. Her biri somut sorular içerir.

1. Önyargı ve adalet. Modeller, verideki eşitsizlikleri yeniden üretir. İşe alım, kredi değerlendirme, adli risk hesaplama gibi alanlarda bu doğrudan adaletsizliğe dönüşebilir.

Somut örnek: Bir modelin “bu adaya iş vermeyelim” dediği durumlarda, bunun nedenlerini insanlar açıklayamaz. Aday itiraz edebilir ama neden reddedildiğini öğrenemez.

2. Şeffaflık ve açıklanabilirlik. Bir kararın neden alındığını açıklayabilmek, hukuki ve etik bir gereklilik. “Kara kutu” problemi: model çok katmanlı olduğu için iç sürecini insanlar takip edemez.

3. Gizlilik. Yapay zeka, veri toplama kapasitesini artırdı. Yüz tanıma, ses analizi ve konum takibi yeni riskler yarattı. Verilerinizin nerede olduğunu ve kimin işlediğini bilmek artık bir hak.

4. Sorumluluk. Bir modelin verdiği zarardan kim sorumludur? Modeli geliştiren mi, kullanan şirket mi, kararı veren memur mu? Bu sorunun net bir cevabı yoktur ve bu, sorunun kendisidir.

5. İşin geleceği. Teknoloji emek piyasasını dönüştürüyor. Bazı meslekler kaybolurken yenileri doğuyor. Bu geçişin maliyetini kim öder?

Önyargı meselesi

Bu, en somut ve en acil başlıklardan biri. Önyargı üç yerden gelir: veriden, tasarımdan ve toplumdan.

1. Veriden gelen önyargı. Geçmiş verileri toplarsanız, geçmişteki eşitsizlikleri de toplarsınız. Örnek: on yıl önce işe alım sürecinde kadın adaylara daha az müdahale edildiyse, model “kadın adayları daha az riskli” kalıbını öğrenebilir. Veri geçmişteki dünyayı yansıtır; dünya adil olmak zorunda değildir.

2. Tasarımdan gelen önyargı. Hangi değişkenleri seçtiğiniz sonucu doğrudan etkiler. Örnek: bir modele yaş, cinsiyet ve isim veriyorsanız, bu bilgiler bilinçli kullanılmasalar bile sonuca yansıyacaktır. “Kullanmıyorum” demek, kullanmamakla aynı şey değildir.

3. Toplumdan gelen önyargı. Model, dünyayı olduğu gibi yansıtır; dünyayı değiştirmez. Bu, teknik bir sınırlamadır ama ahlaki bir sorumluluğu ortadan kaldırmaz. “Veri neyi gösteriyorsa odur” demek, sorumluluğu devreye almamaktır.

Pratik çözüm yolları:

Veri denetimi. Eğitim verisinin çeşitliliğini kontrol etmek. Hem teknik hem de etik bir gereklilik.

Duyarlılık analizi. Modelin farklı gruplar için farklı sonuçlar üretip üretmediğini test etmek. Bir model genel doğruluk oranı yüksek görünse bile, bir alt grupta çok daha kötü olabilir.

İnsan denetimi. Kritik kararların bir insan tarafından gözden geçirilmesi. Bu yavaşlatır ama birçok durumda gereklidir.

İtiraz mekanizması. Etkilenen kişilerin karara itiraz edebilmesi. Bu, şeffaflığın en somut halidir. İtiraz hakkı olmayan bir karar, hesap verilebilir değildir.

Yapay zeka etiketi ve içerik

Bu konu gündemde en çok tartışılan başlıklardan biri ve konuyu doğru anlamak gerekiyor. Yapay zeka etiketi, içeriğin yapay zeka ile üretilip üretilmediğini belirten bir işarettir.

Neden gerekli? İçeriğin kaynağını bilmek, değerlendirmek için temel bir bilgidir. Fotoğrafın gerçek mi yoksa üretilmiş mi olduğunu bilmek, haberin güvenilirliğini anlamak için şarttır.

Teknik taraf: C2PA standardı, görüntünün üretildiğini bir içerik kimlik doğrulama sistemiyle belgeliyor. Google, bu etiketleri arama sonuçlarında kullanıyor; Meta da benzer bir sistem uyguluyor. Avrupa’da AI Act ile düzenleme zorunluluğu getiriliyor.

Önemli bir sınır: Etiketleme isteğe bağlıdır. Etiketlemek istemeyen biri, içeriği etiketsiz yayınlayabilir. Bu yüzden etiket, kanıt değil göstergedir. Etiketin yokluğu içeriğin sahte olduğu anlamına gelmez.

İkinci boyut: sorumlu kullanım sorusu. Bir yapay zeka görseline “gerçek fotoğraf” demeniz, etiketleme yükümlülüğünüzü ortadan kaldırmaz. Platformların ve reklam verenlerin talebi etiket zorunluluğunu getirdi. Bu doğru bir eğilim ama yetersiz kalabilir.

Bir sorumluluk çerçevesi önermek gerekirse:

1. Kaynağı belirtin. Yapay zeka ile ürettiyseniz bunu söyleyin.

2. Yanlış yönlendirmeyin. Üretilmiş bir görseli gerçekmiş gibi sunmak, etiketten bağımsız olarak yanıltıcıdır.

3. Üretilmiş kişilikleri kullanmayın. Gerçek bir kişinin yüzünü izinsiz kullanmayın.

4. Sorumluluğu siz alın. Araç değil, kararın sorumlusu insandır. “Sistem önerdi” demek sorumluluğu devretmez.

Düzenleme durumu

Yasalar yapay zekânın hızını kovalıyor ve bu, düzenlemede en büyük sorun.

Avrupa Birliği — AI Act. Risk düzeyine göre kademeli düzenleme getiriyor. Sistemin riski ne kadar yüksekse, o kadar katı kural geçerli. Sadece riski düşük uygulamalar hafif yükümlülüklere tabi.

Önemli bir yenilik: Genel amaçlı yapay zeka modelleri için şeffaflık ve eğitim verisi özetleme yükümlülüğü getiriliyor. İçerik etiketleme de zorunlu hâle geliyor.

Türkiye. Kapsamlı bir ulusal yapay zeka düzenlemesi henüz tamamlanmadı. Mevzuat parçalı: Kişisel Verilerin Korunması Kanunu, Bilişim Kanunu, Telif Hakkı Kanunu ve bazı sektörel düzenlemeler uygulanıyor.

Türkiye’de şu anda geçerli olan başlıca kurallar:

KVKK kapsamında veri sorumluları: Yapay zeka uygulamaları da veri sorumlusu statüsündedir. Aydınlatma metni, açık rıza ve veri güvenliği yükümlülükleri aynen geçerlidir.

Telif hakkı: Yapay zeka ile üretilen eserlerin telif durumu tartışmalıdır. Fikrî haklar mevzuatında net bir düzenleme yoktur. Yabancı ülkelerdeki uygulamalar da farklıdır.

Kişisel veri işleme: Biyometrik veriler özel nitelikli veri kapsamındadır. Yüz tanıma ve ses analizi için ayrıca açık rıza gerekir. Bu, birçok uygulamayı doğrudan etkiler.

Yönü doğru, ama eksik: Uygulamada mevzuatın büyük bölümü, veri koruma ve telif hakkı üzerine kurulu. Model davranışının kendisine (sosyal puanlama, işe alım, adli karar) yönelik kural çok az.

En çok eksik olan alan: İnsanların bir yapay zeka kararına itiraz edebilme hakkı. Bu, gelişmiş düzenlemelerde standart bir haktır ama Türkiye’de henüz genel bir güvence olarak yer almıyor.

Pratik olarak ne yapabilirsiniz?

Etik, büyük kurumların işi değildir sadece. Bireysel kullanıcı için de uygulanabilir ölçütler var.

1. Kaynağı sorun. Bir içeriğin nereden geldiğini bilmek hakkınız. “Bu içerik yapay zeka ile üretilmiş mi?” diye sorabilirsiniz.

2. Çıkarın kendi verinizi. Bir platformun hangi verileri işlediğini sorun. Bu, KVKK kapsamındaki yasal haklarınız arasındadır. KVKK yazımızda nasıl başvuracağınızı anlattık.

3. Kişisel veri girmeyin. Sağlık bilginizi, çocuklarınızın fotoğrafını yapay zekâya yüklemeyin. Veri girdiğiniz her sistem, o veriyi işleyebilir.

4. Kaynak doğrulayın. Yapay zeka üretimi bir görüntüyü gerçekçi yapar ama doğru yapmaz. Görsel gerçekliği ile doğruluğu aynı şey değildir.

5. Kendi kararlarınızı verin. Sistem öneriyorsa karar sizin sorumluluğunuzdadır. “Sistem önerdi” cümlesi hukuki olarak sizi korumaz.

Dürüst bir değerlendirme

Bu yazının amacı, yapay zekâya karşı bir tavır oluşturmak değil. Ama şunu söylemek gerekiyor: teknik determinizm yanıltıcıdır.

Yaygın bir anlatı var: “Yapay zekâ her şeyi çözecek” ya da “her şeyi mahvedecek.” İkisi de aynı hatanın farklı versiyonları: teknolojinin belirleyici olduğu fikri.

Gerçek olan şu: Aynı model, farklı kurallar ve farklı insanlar altında tamamen farklı sonuçlar üretir. Modelin çıktısı sabit değil; onu kullanan sistemleri anlamak gerekiyor.

Dürüst bir tespit: Etik tartışmalar, çoğu zaman teknolojiden çok uygulamayla ilgilidir. Bir görüntü tanıma modelinin %98 doğru çalışması sorun değildir. Sorun, kalan %2’nin bir göz taramasında kanser teşhisi kararına dönüşmesidir.

Benim tespitim şu: Yapay zeka etiğinin asıl meselesi, makinelerin ahlakı değil; bu makineleri kullanan kurumların hesap verebilirliğidir. Bir modelin hatalı olması kaçınılmazdır. Hatanın sonucunun bir kişiye yüklenmesi ise bir tasarım kararıdır. Ve tasarım kararları, teknik değil ahlaki kararlardır.

Son bir not: Etik, teknoloji kullanmayı değil, nasıl kullanacağını seçmektir. Sorumluluktan kaçmayanın suçlu olacağı bir alan değildir; tam tersine, sorumluluğun en çok gerektiği alandır.

Kısaca: yapay zeka etiği nedir?

Yapay zeka sistemlerinin tasarım ve kullanımındaki ahlaki soruları ele alan alandır. Önyargı, şeffaflık, gizlilik, sorumluluk ve emek piyasası beş ana başlıktır.

Pratik özet: Kaynağı sorun, verinizi koruyun, kararın sorumluluğunu üstlenin, üretilmiş içerikleri belirtin. Etik, teknolojiyi sevmemek değil; sorumluluğu devretmemektir.

Teknolojinin nasıl çalıştığını anlamak için yapay zeka ve yapay zeka mühendisliği yazılarımızı okuyabilirsiniz. Üretilen görseller için görsel oluşturma, sahte videolar için deepfake başlıklarına bakın.