Yapay Zeka Uygulamalarının Hukuktaki Etkisi
Ceza muhakemesinde delil çok önemli bir yere sahiptir. “Soruşturma evresi sonunda toplanan deliller, suçun işlendiği hususunda yeterli şüphe oluşturuyorsa; Cumhuriyet savcısı, bir iddianame düzenler.” Bu cümle 5271 sayılı Ceza Muhakemesi Kanunu içerisinde Kamu adına dava açılması bölümünde geçmektedir. Görüldüğü üzere Ceza Muhakemesi delile dayanmaktadır. Aklımıza gelebilecek birçok delil çeşidi vardır. Bazen bir görüntü delil olurken bazen de bir ses kaydı delil olarak değerlendirilmektedir. Delil kavramı bu kadarla da sınırlı değildir. Parmak izinden DNA örneğine kadar saymakla bitmeyecek kadar çeşidi vardır. ( deep fake, yapay zeka)
Delillerde Yapay Zeka Etkisi (Deep Fake)
Özellikle bilişim teknolojilerindeki yaşanan gelişmeler ile birlikte güçlü bilgisayarların ortaya çıkmasıyla bazı zaman alan işlemlerin kısalması söz konusu olmuştur. Genellikle resim ve görüntü işleme gibi yoğun hesaplama içeren çalışmalar artık çok daha kısa bir sürede yapılabilmektedir. Bir de bu teknolojik gelişmelere yazılım dünyasında yaşanan gelişmeler eklenince bugüne kadar karşımıza çıkmayan yeni kavramlarla karşılaşmamız kaçınılmazdır.
Bu kapsamda karşımıza DeepFake; Deep Learning (Derin Öğrenme) ve Fake (Sahte) kelimelerinin birleşimiyle oluşturulmuş ve Türkçe olarak Derin sahtecilik denilen bir kavram çıkmaktadır. Hayatın kolaylaştırılması amacıyla üretilen birçok teknolojide yapay sinir ağları kullanılmaktadır. Yapay sinir ağları, veri işleme, sınıflandırma, veri ilişkilendirme, veri filtreleme, veri yorumlama faaliyetlerinde kullanılmaktadır. Kullanım alanları her geçen gün farklılaşmakta ve artmaktadır.
Generative Adversarial Networks, Google araştırmacısı Ian Goodfellow tarafından 2014 yılında iki yapay sinir ağının birleştirilmesiyle icat edilmiş bir yapay sinir ağıdır. Çekişmeli Üretken Ağlar olarak Türkçeleştirilebilecek bu yapı aslında ismine benzer şekilde çalışmaktadır. Ağın bir tarafı rastgele verilerden bir resim üretmeye çalışırken ağın diğer tarafı bu üretilen ürünü gerçek olanıyla karşılaştırarak aradaki hata olan farkı üreten ağa göndermektedir. Bu hata bilgisini alan kısım daha az hata yaparak üretim yapmaya çalışırken ağın diğer tarafı üretilen ürünün gerçekle farkını hesaplamaktadır. Bu süreç devam ettikçe gerçeğinden ayırt edilemeyecek seviyede ürünler oluşmaya başlamaktadır. Genel mantığı böyle olan bir yapay sinir ağı ile eğitimi tamamlandıktan sonra gerçekte olmayan resim, görüntü vb. medyalar üretilebilmektedir.
Yukarıdaki yapay sinir ağları kullanılarak oluşturulan uygulamalar, sosyal ağ platformlarında kullanıcılar tarafından paylaşılan resim ve video gibi medyalar kullanılarak farklı medyaların üretilmesinde kullanılabilmektedir. Kimin tarafından oluşturulduğu belirlenemeyen bu tür sahte medyalar ile işlenen suçlarda delillerin gerçekliği sorgulanmaktadır. Yapay zeka kullanılarak gerçekleştirilen uygulamalar gerçekte mevcut olmayan medyalar oluşturabilmektedir. Bu durum özellikle hukuk alanında delil değeri yüksek olan medyaların güvenilirliğini sorgulatacak bir teknolojik gelişme olarak ortaya çıkmaktadır.
Çözüm Yine Yapay Zeka
Son zamanlarda siber saldırganlar tarafından üretilen sahte medyalar ile işlenen suçların artmasıyla birlikte çözüm yine yapay zekâ tabanlı uygulamalarda aranmaya başlandı. Üretilen medyaların gerçekliğinin kontrolü aşamasında Generative Adversarial Networks kullanılarak medyaların analizini yapan ve doğallık sorgulaması yapılan yazılımların geliştirilmesine hız verildi. Bu uygulamalar sahte medya üreten yazılımlara benzer bir yapıda ancak tam olarak ters mantıkta çalışmaktadırlar. “discriminator” olarak adlandırılan ve ağın ikinci tarafında bulunarak üretilen çıktı ile gerçek çıktı arasındaki hata payını hesaplayan kısım bu kez sahte içeriği tespit etmekte kullanılmaktadır.
İnternet ortamında hızla artan sahte içeriklere karşı bir önlem amaçlı gerçekleştirilen sahte içerik tespit sistemleri, aynı sahte içerikleri üreten uygulamalar gibi yapay zekanın nimetlerinden faydalanmaktadır. Sahte içerikle mücadele amaçlı başlatılan çalışmalarda Deepfake teknolojisi ile test amaçlı binlerce sahte içerik üretilmiş ve sahte içerik tespit algoritmaları yardımı ile sahte içeriklerin tespiti yapılmaya çalışılmıştır. Yapılan testlerde %60 ila %80 arasında başarı sağlandığı duyurulmuştur. Sahte içeriklerin tespitinde en başarılı algoritmanın tespiti için açılan yarışmada ilk kez karşılaşılan sahte içerikler %65 doğrulukla tespit edilebilirken, bu başarı önceden test amaçlı hazırlanmış verilerle yapıldığında %82 gibi yüksek bir orana ulaşmaktadır.
Sonuç
Sonuçların hala yeterli bir seviyede olmadığı görülmektedir. Kötü niyetli kişiler tarafından üretilen sahte içeriklere karşı Facebook kendi Deep fake Algılama Teknolojisini geliştirmek için çalışmaları başlatmıştır. Deep fake ile üretilmiş sahte içeriklerin 2020 yılındaki ABD seçimlerinde yarattığı etkiler düşünüldüğünde, insanlığın karşı karşıya kaldığı tehdidin büyüklüğü ortaya çıkmaktadır. Muhakeme esnasında değerlendirilecek delil niteliğindeki medyaların teknolojinin gelişmesiyle birlikte çok daha hassas bir şekilde analiz edilmesi zorunluluğu doğmuştur. Böylesi gerçeğe yakın seviyede sahte içerik üretebilen teknolojilerin icadı Adli Bilişim alanında da gelişme zorunluluğunu ortaya çıkarmıştır. Teknolojideki baş döndürücü gelişmeler izlendiğinde; sahte içerik üretenlerle bu sahte içerikleri tespit etmeye çalışanlar arasındaki kedi fare oyunu daha uzun süre devam edecek gözüküyor.
Yazar: Av. Murat Osman KANDIR / Bilgisayar Yüksek Mühendisi
Yüksek Mühendis Avukat Murat Osman KANDIR’ın diğer yazılarını bağlantıdan okuyabilirsiniz.
Hukuk ve Bilişim Dergisi’nin 10. Sayısı’na bağlantıdan ulaşabilirsiniz.
Bilgisayar Yüksek Mühendisi olarak uzun yıllar Siber Güvenlik ve Bilgi Güvenliği alanlarında çalışmıştır. Hukuk eğitimini Marmara Üniversitesi Hukuk Fakültesinde tamamlamıştır. Bilişim ve Hukuk gibi iki farklı disiplini birleştirerek Bilişim Hukuku alanında çalışmalarını sürdürmektedir. Eskişehir Barosu nezdinde avukatlık yapmaktadır.