Sentetik veri riskleri: Yapay zeka döngüye mi giriyor?

Yapay zeka üretimi içerikler, artık internet ağının büyük bir bölümünü oluşturuyor. Cambridge Üniversitesi ve Oxford Üniversitesi araştırmacıları tarafından yapılan yakın tarihli bir çalışma, internetteki içeriklerin %57’sinin yapay zeka tarafından oluşturulduğunu gösteriyor. Çalışma ayrıca, yapay zekanın oluşturduğu sonuçların her seferinde biraz daha kalitesiz hâle geldiğine ve bu durumun içerik kalitesini düşürdüğüne dikkat çekiyor. 

Bununla birlikte: Europol’un 2022 yılında yayımladığı bir rapora göre ise uzmanlar, 2026 yılına kadar çevrimiçi platformlarda bulunan içeriklerin %90’ının yapay zeka kullanılarak üretilen sentetik içerikler hâline geleceğini ifade ediyor. 

• Tüm bu bulgular ve tahminler, sentetik veriye ilişkin endişeleri de beraberinde getiriyor. 

Ayrıntılar: Sentetik veri ifadesi, gerçek dünyadaki kişiler ve gelişmeler üzerinden üretilen veriler kullanılmadan oluşturulan verileri ifade etmek için kullanılıyor. Oldukça gerçekçi gözüken bu veriler, genellikle algoritmalar ve bilgisayar simülasyonları kullanılarak üretiliyor. 

• Sentetik verinin pek çok kullanım senaryosu bulunuyor. En yaygın kullanım senaryoları, gerçek verilerin kullanılması durumunda mahremiyetin riske atılabileceği ya da uygun maliyetle büyük miktarda veri üretilmesi gerektiği durumlarda ortaya çıkıyor. 

• Sentetik veriler, çoğu zaman gerçek verilerin bir temsilini oluşturabiliyor ve hedeflenen amaç doğrultusunda temel bir çizgi oluşturulmasına yardımcı oluyor. 

Örneğin: Çevrimiçi restoran hizmetlerinin geliştirilmesi için çok sayıda müşteri verisine ihtiyaç duyuluyor. Fakat gerçek müşterilerin isim ve ödeme yöntemi gibi kişisel verilerini kullanmak, gizlilik kurallarının ihlal edilmesine yol açabiliyor. 

• Bu tip bir durumda geliştiriciler, bilgisayar simülasyonu yardımıyla hiç gerçek müşteri verilerini kullanmadan sahte müşteri isimleri, siparişler ve ödemeler oluşturabiliyor. Böylece hizmet, mahremiyet kuralları ihlal edilmeden geliştirilebiliyor. 

Önemli ayrıntı: Sentetik veriyi üretmek için geliştirilen algoritmalar, önce gerçek veri üzerinden eğitiliyor. Fakat algoritma, nihayetinde hiç gerçek dünyada var olmamış bir veriyi üretiyor. Uzmanlar, genelde yapay zeka tarafından üretilen her türlü veriyi "sentetik veri" olarak tanımlıyor. 

Kullanım senaryoları

Aralarında Deloitte, Telefónica ve JPMorgan’ın da bulunduğu birçok şirket, hâlihazırda hizmetlerini iyileştirmek için sentetik veri kullanıyor. Fakat kullanım senaryolarının başında yapay zeka ve makine öğrenimi sistemlerini eğitmek geliyor. Organik verilerden oluşan veri kümelerinin yetersiz kaldığı durumlarda sentetik veriler, yapay zekâ ve makine öğrenimi modellerini eğitmek için kullanılabiliyor. Böylece modellerin daha doğru ve kapsamlı sonuçlar üretmesi sağlanıyor.  

Ek olarak: Bu tip bir kullanım senaryosu, veri gizliliği ihlallerini önlemeye de yardımcı oluyor. Özellikle sağlık, müşteri hizmetleri ve bankacılık gibi hassas kişisel verilerin paylaşıldığı sektörlerde kullanılan sistemleri eğitirken sentetik verileri kullanmak, mahremiyet haklarının ihlal edilmesinin önüne geçebiliyor. 

• Sentetik verilerin değiştirilebilir yapısı da yapay zeka ve makine öğrenimi sistemlerinin belirli bir amaç için kişiselleştirilmesine olanak tanıyor. 

• Yapay zeka ve makine öğrenimi algoritmaları, oldukça büyük miktarda veri kullanılarak üretiliyor. Sistemin doğru ve tutarlı sonuçlar üretmesine yetecek miktarda eğitim verisini toplamak ise çoğu zaman çok maliyetli olabiliyor. Sentetik veri, bu noktada kullanıcılara önemli bir maliyet avantajı ve zaman tasarrufu sağlıyor. 

Otonom araçlar: Makine öğrenimi teknolojilerinden güç alan otonom araçlar da trafikte güvenli hareket edebilmek için çok büyük miktarda veriye ihtiyaç duyuyor. Organik trafik verilerini toplamak ise çoğu zaman oldukça büyük bir zaman ve maliyet gerektiriyor. 

• Sentetik trafik verileri ve simülasyonları, otonom araçların farklı senaryolarda nasıl hareket edeceğinin test edilmesine de olanak tanıyor. 

Siber güvenlik: Siber güvenlik sistemleri de sentetik verilerle kontrol ediliyor. Bu sistemleri test etmek için gerçek saldırılar düzenlemek, çoğu zaman tehlikeli olabiliyor. Sentetik veriler ise çeşitli siber saldırı simülasyonları oluşturabiliyor ve böylece sistemdeki güvenlik açıkları test edilebiliyor. 

• Sistem, sentetik verilerle belirli durumlara ve koşullara nasıl tepki vermesi gerektiğini de öğrenebiliyor. 

• Özellikle finans şirketleri ve bankacılık platformları, dolandırıcılık faaliyetlerini tespit etmek ve engellemek için sentetik veriye sıklıkla başvuruyor. Bu durum, gerçek kullanıcı verileri kullanılarak gizliliğin ihlal edilmesinin de önüne geçiyor. 

Bilimsel araştırmalar: Yeterli miktarda organik veri olmadığı durumlarda bilimsel araştırmalarda da sentetik veriler kullanılarak analizler yapılabiliyor. Doğal afetler ve iklim değişikliği gibi konularda yapılan simülasyonlar için de sentetik veriden faydalanılabiliyor. 

• Benzer şekilde klinik deneyler yapan araştırmacılar da ileride yapacakları çalışmalara bir temel oluşturmak için sentetik veri kullanabiliyor. 

Sentetik veri, yapay zekayı döngüye sokar mı?

Özellikle yapay zekanın kullanımı yaygınlaştıkça sentetik verilerin herkes tarafından erişilebilir platformlarda dolaşıma girme oranları da artış gösteriyor. İngiltere’de yapılan araştırma, şu anda internetteki içeriklerin yarısından fazlasının yapay zeka üretimi olduğuna işaret etse de uzmanlar, bu oranın yalnızca 2 yıl içinde %90’ın üzerine çıkmasını bekliyor. NVIDIA da 2030 yılına kadar yapay zeka modellerinin veri kümelerindeki sentetik veri miktarının gerçek veri miktarını geçeceğini öngörüyor. 

Dahası: ChatGPT ve Gemini gibi yaygın olarak kullanılan sohbet robotlarının neredeyse tamamı, internetteki açık kaynaklı içerikleri tarayarak sonuç üretebiliyor. Bu da yapay zekanın kendi ürettiği verileri kaynak olarak kullanıp tekrar sonuç üretmesi ve bu şekilde döngüye girmesi riskini doğuruyor.  

• Uzmanlar, bu tip bir senaryoda yapay zekaların sonuç kalitesinin giderek daha da kötüleşebileceğine işaret ediyor. 

Ek olarak: Sentetik veri ile eğitilen yapay zekalar, verinin kalitesine bağlı olarak yanlış sonuçlar da üretebiliyor. Döngü içine dahil olan bu yanlış çıktıların, internetteki doğru bilgi miktarını azaltması ve yapay zeka sistemlerinin giderek artan oranda daha hatalı sonuçlar vermesine yol açması bekleniyor. 

• Sentetik veri çok fazla kullanıldığında yapay zeka algoritmaları için gerçek dünya verilerinin önemi de azalabiliyor. Uzmanlar, bu durumun yapay zekaların gerçek dünyadaki problemleri doğru bir şekilde anlamasını zorlaştırabileceğinden de endişe ediyor. 

Asılsız bilgi akışı: Sentetik veriler, oldukça gerçekçi göründüğü için kimi zaman gerçekmiş gibi algılanabiliyor. Özellikle deepfake teknolojisiyle üretilen ve sentetik veri olarak kabul edilebilecek sahte görüntüler, haber platformları ve sosyal medyada asılsız bilgilerin yayılmasına yol açabiliyor. 

Sentetik veri, kötü bir öğretmene dönüşebilir

OpenAI’ın 2022’nin Kasım ayında kullanıma sunduğu yapay zeka destekli sohbet robotu ChatGPT, çıkış yaptıktan yalnızca 2 ay sonra 100 milyon aylık aktif kullanıcıya ulaştı. Benzer şekilde 2022’nin Nisan ayında piyasaya sürülen ve metin komutlarından görsel oluşturan yapay zeka aracı DALL-2 de ilk 3 ayında 1 milyon kullanıcı çekmeyi başarmıştı. Şirketin üretken yapay zeka araçlarını bu denli kullanılabilir hâle getirmesi, takip eden birkaç yıl içinde internet ağının yapay zeka üretimi içeriklerle dolup taşmasına yol açtı. 

Dahası: Yapay zekanın olabildiğinde gerçekçi ve tutarlı sonuçlar üretebilmesi için devasa miktarda veriyle eğitilmesi gerekiyordu. Bu kadar büyük miktarda veriye hızlı ve uygun maliyetle ulaşabilmenin tek kanalı ise internetti. Dolayısıyla mevcut yapay zeka sistemleri, hâlihazırda insanlığın ürettiği açık kaynaklı içeriklerle eğitildi. 

• Bu eğitim pratiği, yapay zeka araçlarının çıktılarının da insanlığın yıllar içinde ürettiği tüm ırkçı, cinsiyetçi, ayrımcı ve nefret içeren söylemleri pekiştirmesine yol açtı. 

Geniş açı: Uzmanlara göre bu hâlihazırda “defolu” durumda olan çıktılar da artık hızla dolaşıma giriyor ve üretken yapay zeka araçları için birer eğitim materyaline dönüşüyor. Yani artık yapay zeka araçları, kendi ürettiği verilerle eğitilir hâle geliyor. Bu da yapay zekayı, sürekli kendini tekrar eden bir döngüye hapsediyor. 

• Uzmanlar, şu anda oldukça ilgi çekici bulunan ve büyük bir heyecan yaratan yapay zeka üretimi içeriklerin çok kısa bir vadede toksik eğitim materyallerine dönüşeceğine ve yapay zekaların sonuç kalitesini düşürmeye devam edeceğine işaret ediyor. 

• Editörün önerisi | Yapay zekadan inciler: Pizzanıza tutkal eklemeli misiniz?