Ghost Font deneyi: Yapay zekanın okuyamadığı yazı tipi bir günde çözüldü

İnsanların birkaç saniyede okuyabildiği, ancak büyük dil modellerinin göremediği bir tipografi deneyi, yapay zekanın sınırlarına dair kısa ömürlü bir tartışma başlattı. Tasarımcı ve geliştirici Eric Lu’nun “Ghost Font” (Hayalet Font) adını verdiği proje, sosyal medyada viral olduktan sadece bir gün sonra, bir istem mühendisinin tek cümlelik yönlendirmesiyle GPT-5.6 tarafından çözüldü.

Nedir? Ghost Font, aslında bir yazı tipinden çok, tarayıcı içinde çalışan küçük bir video aracı. Kullanıcı bir cümle yazıyor, sistem de siyah-beyaz parazit görüntüsüne benzeyen bir video üretiyor. Harfleri oluşturan pikseller bir yöne, geri kalan tüm pikseller ters yöne doğru akıyor. İnsan gözü, psikolojide Gestalt kuramının “ortak kader” diye adlandırdığı ilke sayesinde, aynı yönde hareket eden bu noktaları tek bir bütün olarak algılıyor ve yazıyı neredeyse anında okuyor. Videoyu durdurup tek kareye baktığınızda ise ortada yalnızca karıncalı bir “kar” görüntüsü kalıyor.

• Bugün yaygın kullanılan çok kipli modeller, videoları hâlâ büyük ölçüde sabit kareler dizisi olarak işliyor. Yani video bir görüntü yığınına dönüşürken modeller her kareye ayrı bir fotoğrafmış gibi bakıyor. Ghost Font da yapay zekanın hareketin kendisinin algılayamamasına yaslanıyor.

Deneyi paylaşanlar, Ghost Font videolarını farklı modellerle denedi. Ekran görüntülerine yansıyan örneklerde bazı modeller, videodaki gizli mesajı çözdüklerini iddia etti ancak okunan cümleler, Lu’nun tuzak olarak gömmüş olduğu sahte metinlerdi. 

Böylece deney, yalnızca hareket algısındaki boşluğu değil, modellerin yerel kod çalıştırma veya çerçeve çerçeve analiz gibi daha karmaşık yollarla deneme yaptığında bile kolayca yanlış bir sonuca ikna olabileceği savını da pekiştirdi.

Bir günlük başarı

Bu tablo, kısa süreliğine en azından hareketli görüntüleri okumada insanların yapay zekadan daha üstün olduğu düşüncesini beslese de istem mühendisi Riley Goodside'ın ortaya attığı tek bir komut bu durumu bir gün içerisinde tek bir komutla tersine çevirdi.

Goodside, GPT-5.6 tabanlı bir modele ne ek bir araç, ne karmaşık bir zincir, ne de uzun bir açıklama verdi. Yalnızca şu fikri iletti: "Harfleri oluşturan pikseller bir yönde, arka plan ise ters yönde akıyor." Bu, modele kareler arasındaki farklara bakmasını, zaman içinde hangi noktaların tutarlı biçimde aynı yöne kaydığını izlemesini tarif eden tek cümlelik bir yönlendirmeydi. 

• Model yaklaşık iki dakika sonra, Ghost Font videosunun sakladığı gerçek mesajı doğru bir şekilde okudu ve sahte mesajı görmezden geldi.

Benzer şekilde, başka kullanıcılar da iki farklı ekran görüntüsünü ve “arka plan sabit hızla hareket ediyor” bilgisini veren istemlerle, modellerin kareler arasındaki farkı hesaplayarak harfleri ortaya çıkarabildiğini bildirdi. Bu örnekler, modellerin hareketi hiç algılayamamasından ziyade, varsayılan işleyişlerinde hareket bilgisini kullanmadığını ancak uygun bir görev tanımı ve yönlendirmeyle bu beceriyi devreye sokabildiklerini gösterdi.

ZXX 10 yıl dayanmıştı, Ghost Font 1 gün dayanamadı

Ghost Font’un hikayesi, 2013’teki ZXX yazı tipini de hatırlattı. O dönemde Sang Mun’un tasarladığı ZXX, harflerin üzerine kamuflaj desenleri, çizgiler ve parazit katmanları bindirerek klasik optik karakter tanıma yazılımlarını (OCR) şaşırtmayı amaçlıyordu. O gün için gözetimden kaçışın sembollerinden biri olarak sunulmuştu. 

• Bugün ise güncel çok kipli modellerin ZXX ile yazılmış metni tek bir görüntü üzerinden rahatlıkla okuyabildiği pek çok kez kanıtlandı. Bu da statik görüntüye dayalı aldatmacaların modern yapay görme sistemleri karşısında hızla etkisini yitirdiğini gösteriyor. Ghost Font aynı soruyu bu kez hareket temelli bir deneyle tekrar gündeme getiriyor. 

Önümüzdeki dönemde, doğrudan videoyu ve zamanı modelleyen, hareket bilgisini baştan itibaren işin içine katan çok kipli sistemlerin yaygınlaşması bekleniyor. Bu olduğunda Ghost Font gibi deneyler, bugünün modellerine özgü kör noktaları işaret eden, kısa ömürlü ama öğretici ara deneyler olarak hatırlanabilir.