Üretken yapay zeka sistemleri modern yaşamın dokusuna giderek daha derinden işlenirken – metin taslakları hazırlayarak, görüntüler üreterek, haberleri özetleyerek – teknolojiden kimin kar elde etmesi gerektiğine dair tartışmalar yoğunlaşmaktadır. Journal of Technology and Intellectual Property’de yayınlanan yeni bir makale, mevcut telif hakkı sisteminin, makinelerin eşi görülmemiş bir ölçekte insan yaratıcılığından öğrendiği ve onunla rekabet ettiği bir dünyayla başa çıkmak için yetersiz kaldığını savunmaktadır.
Cornell Tech ve Cornell Law School’dan hukuk profesörü Frank Pasquale ile birlikte çalışan MIT Sloan School of Management’tan bilgi teknolojileri profesörü Thomas W. Malone ve George Washington Üniversitesi’nden hukuk öğretim görevlisi Andrew Ting, “learnright” (öğrenme hakkı) adı verilen yeni bir fikri mülkiyet koruması tanımlamaktadır. Bu yeni hak, yaratıcılara eserlerini özellikle yapay zeka eğitiminde kullanılmak üzere lisanslama yetkisi verecektir.
Üretken Yapay Zeka ve Telif Hakkı Sistemi Arasındaki Çelişki
Mevcut Telif Hakkı Yasalarının Yetersizliği
Araştırmacılar, fikrin büyüyen bir dengesizlikten kaynaklandığını belirtmektedir. Günümüzün en büyük yapay zeka sistemleri, internetten toplanan devasa veri kümeleri üzerinde eğitilmektedir: milyonlarca kitap, makale, şarkı, fotoğraf, sanat eseri ve gönderi. Bu eserlerin yazarlarından bazıları şimdi yapay zeka şirketlerine dava açarak, telif haklı çalışmalarının izinsiz olarak ticari bir modeli eğitmek için kullanılmasının yasaya aykırı olduğunu savunmaktadır.
Ancak konuyla ilgili mahkeme kararları henüz netlik kazanmamıştır, özellikle eğitimin adil kullanım sayılıp sayılmadığı konusunda belirsizlik sürmektedir. Bazı yargıçlar yapay zeka şirketlerine karşı şüphecilik gösterirken, diğerleri eğitimin bir insanın kitap okumasına benzetildiğinde yasal olabileceğini öne sürmüştür.
Pasquale bu durumu şu şekilde özetlemektedir: “Buradaki devam eden hukuki belirsizlik hem telif hakkı sahipleri hem de teknoloji uzmanları için sorunlar yaratmaktadır. Aralarında pazarlık yapılmasını zorunlu kılan bir mevzuat, yapay zekanın nimetlerinde daha adil bir paylaşımı teşvik edecektir.”
Mevcut hukuki çerçeve, yapay zeka çağının getirdiği yeni gerçeklikleri yeterince karşılamamaktadır. Geleneksel telif hakkı yasaları, bireysel kopyalama eylemleri üzerine inşa edilmişken, yapay zeka eğitimi milyonlarca eseri toplu olarak işler ve kalıpları öğrenir. Bu süreç, “kopyalama” tanımının sınırlarını zorlar ve yeni hukuki çözümlere ihtiyaç doğurur.
Sanatçılar, Gazeteciler ve Beyaz Yakalı Çalışanlar Üzerindeki Etkiler
Bahislerin göz ardı edilmesi zordur. Sanatçılar, kendilerine özgü tarzlarının artık saniyeler içinde taklit edilebildiğinden şikayet etmektedir. Gazeteciler, sohbet robotları haberleri özetleyip yayıncılara trafik göndermeden okuyucuların uzaklaştığını görmektedir. Hukuk, tasarım, pazarlama ve kodlama alanındaki beyaz yakalı çalışanlar ise bir sonraki yapay zeka güncellemesinin, bir zamanlar ürettikleri çalışmaları kullanarak işlerinin bölümlerini otomatikleştirebileceği endişesini taşımaktadır.
Somut örnekler durumu daha net göstermektedir:
Görsel Sanatçılar: Stable Diffusion ve Midjourney gibi araçlar, belirli sanatçıların tarzlarını taklit edebilmekte, hatta “Greg Rutkowski tarzında” gibi istem komutlarıyla üretim yapabilmektedir. Bu durum, sanatçıların yıllarca geliştirdikleri özgün tarzlarının ekonomik değerini tehdit etmektedir.
Gazetecilik Sektörü: ChatGPT ve benzeri araçlar, haber sitelerinden bilgi çekip özetleme yaptığında, okuyucular orijinal habere tıklamadan bilgiye ulaşmaktadır. Bu, reklam gelirlerine dayalı haber kuruluşlarının iş modellerini ciddi şekilde sarsmaktadır.
Yazılım Geliştiriciler: GitHub Copilot gibi kod asistanları, açık kaynak projelerden öğrenmiş ve geliştiricilerin kod önerileri sunmaktadır. Ancak orijinal kod yazarlarına herhangi bir telif veya atıf yapılmamaktadır.
Learnright: Yapay Zeka Eğitimi İçin Yeni Bir Fikri Mülkiyet Hakkı
Learnright Kavramının Temel İlkeleri
Learnright’ın temel fikri ilk olarak Malone tarafından 2023 yılında önerilmiştir. Yeni makale ise konseptin hukuki ve ekonomik olarak nasıl işleyebileceğini göstermektedir. Yazarlar, bunun sadece hukuki bir bulmaca değil, aynı zamanda ahlaki bir mesele olduğunu savunmaktadır.
Faydacı perspektiften bakıldığında, yaratıcı çalışmaların üretilmeye devam edilmesi topluma fayda sağlar ve bu, insanları bunu yapmaya teşvik edecek motivasyonların sürdürülmesini gerektirir. Hak temelli bir bakış açısından, teknoloji şirketlerinin kendi fikri mülkiyetlerini güçlü bir şekilde korurken, modelleri besleyen eserlerin değerini görmezden gelmesi eleştirilmektedir. Erdem etiği perspektifinden (insan refahı için gerekli karakter ve alışkanlıklara odaklanan), gelişen yaratıcı toplulukların atıf ve saygı normlarına bağlı olduğu öne sürülmektedir.
Malone şu açıklamayı yapmaktadır: “Learnright yasası, tüm bu rekabet eden perspektifleri dengelemenin zarif bir yolunu sunmaktadır. Yapay zeka sistemlerinin etkili çalışması için gereken içeriği oluşturan insanlara tazminat sağlar. Yapay zeka şirketlerinin bugün karşılaştığı telif hakkı yasasıyla ilgili hukuki belirsizlikleri ortadan kaldırır. Kısacası, büyüyen bir yasal sorunu mevcut telif hakkı yasasından daha basit, daha adil ve toplum için daha iyi bir şekilde ele alır.”
Telif Hakkından Farkı ve Hukuki Konumu
Öneri, telif hakkının yerini almayacaktır. Bunun yerine, yaratıcılara zaten verilen altı münhasır hakka, özellikle makine öğrenimini ele alan yedinci bir münhasır hak ekleyecektir. Tıpkı telif hakkı yasasının dijital ses iletimleri için özel korumalar tanıması gibi, yazarlar Kongre’nin bir eserin yapay zeka eğitim sürecine sunulması için yeni bir koruma uzatabileceğini söylemektedir.
Bu sistem altında, üretken yapay zeka araçları oluşturan şirketler, belirli veri kümelerinden öğrenme hakkını lisanslayacaktır – bazılarının zaten haber arşivleri veya stok fotoğraf kütüphaneleriyle yaptığı gibi. Yazarlar, pazar müzakerelerinin doğal olarak adil oranları belirleyeceğini ve takas merkezlerinin veya toplu lisanslama organizasyonlarının müzik endüstrisinden başarılı modelleri tekrarlayabileceğini söylemektedir.
Etik ve Ekonomik Perspektiflerden Learnright’ın Önemi
Faydacı, Hak Temelli ve Erdem Etiği Yaklaşımları
Learnright önerisinin güçlü yanlarından biri, farklı etik teorilerle uyumlu olmasıdır:
- Faydacılık (Utilitarianism): Bu perspektif, bir eylemin toplam mutluluğu veya faydayı maksimize etmesi gerektiğini savunur. Yaratıcı içerik üretimi sürdürülmezse, yapay zeka sistemlerinin ilerlemesi durur ve toplumsal fayda azalır. Learnright, yaratıcıları ödüllendirerek içerik üretimini teşvik eder ve dolayısıyla uzun vadeli toplumsal faydayı artırır.
- Hak Temelli Etik (Rights-based Ethics): Locke’un emek teorisine göre, insanlar kendi emekleriyle ürettikleri şeyler üzerinde doğal haklara sahiptir. Bir sanatçının yıllarca geliştirdiği tarzın veya bir yazarın özgün anlatımının izinsiz kullanılması, bu temel haklara aykırıdır. Learnright, bu hakları yapay zeka çağına uyarlar.
- Erdem Etiği (Virtue Ethics): Aristoteles’in geleneklerinden gelen bu yaklaşım, karakter ve iyi alışkanlıkların geliştirilmesine odaklanır. Yaratıcı topluluklar, karşılıklı saygı, atıf ve tanınma normları üzerine kurulur. Learnright, bu erdemleri kurumsal düzeyde kodlar.
Yaratıcı Ekosistemin Sürdürülebilirliği
Eleştirmenler, böyle bir hakkın inovasyonu yavaşlatabileceğini veya girişimleri yükleyebileceğini savunabilir. Ancak yazarlar, kısıtlanmamış eğitimin nihayetinde yapay zekanın bağımlı olduğu yaratıcı ekosistemi baltalayabileceğini karşı sav olarak öne sürmektedir.
Modelleri zaman içinde kendi çıktılarıyla beslemenin “model çöküşüne” (model collapse) yol açabileceğini, kaliteyi düşürebileceğini gösteren araştırmalara işaret edilmektedir. İnsan tarafından üretilen sanat, gazetecilik ve akademik çalışmaların sürekli yenilenen arzı olmadan, yapay zekanın ilerlemesinin durgunlaşabileceği belirtilmektedir.
Model çöküşü fenomeni, teknik bir gerçekliktir. Stanford ve diğer kurumlardan araştırmacılar, yapay zeka modellerinin sentetik veri üzerinde tekrar tekrar eğitilmesi durumunda çeşitliliğin azaldığını ve performansın düştüğünü göstermiştir. Bu, yaratıcı içerik akışının sürdürülmesinin sadece etik değil, teknik bir zorunluluk olduğunu ortaya koymaktadır.
Learnright Sisteminin Pratik Uygulaması ve Lisanslama Modelleri
Müzik Endüstrisinden İlham: Toplu Lisanslama Örgütleri
Learnright’ın uygulanması için, müzik endüstrisindeki başarılı modeller örnek alınabilir. ASCAP, BMI ve SESAC gibi performans hakları örgütleri, müzisyenlerin eserlerinin halka açık yerlerde çalınması durumunda telif almalarını sağlar. Benzer şekilde, yapay zeka eğitim hakları için toplu lisanslama örgütleri kurulabilir.
Bu organizasyonlar şu işlevleri yerine getirebilir:
- Kayıt ve Kataloglama: Yaratıcıların eserlerini kaydedip, hangi yapay zeka sistemlerinde kullanılmak istediğini veya istemediğini belirtmelerini sağlar.
- Lisans Yönetimi: Yapay zeka şirketleriyle toplu lisans anlaşmaları müzakere eder, bu da bireysel yaratıcıların her şirketle ayrı ayrı görüşmek zorunda kalmamasını sağlar.
- Ödeme Dağıtımı: Kullanım metriklerine göre telif ödemelerini yaratıcılara dağıtır.
- Uyumluluk İzleme: Yapay zeka sistemlerinin hangi eserlerden öğrendiğini izler ve lisans ihlallerini tespit eder.
Pazar Mekanizması ve Adil Fiyatlandırma
Learnright sistemi altında, piyasa güçleri adil fiyatlandırmayı belirleyecektir. Yüksek talep gören, kaliteli içerik daha yüksek lisans ücretleri getirecek, bu da yaratıcıları kaliteli içerik üretmeye teşvik edecektir. Öte yandan, yapay zeka şirketleri maliyetleri göz önünde bulundurarak eğitim stratejilerini optimize edecektir.
Bazı potansiyel fiyatlandırma modelleri:
- Veri Kümesi Bazlı Lisanslama: Belirli bir veri kümesinin (örneğin, bir yayıncının arşivi) tamamı için sabit ücret.
- Kullanım Bazlı Lisanslama: Bir eserin eğitim sürecinde kaç kez kullanıldığına veya modelin performansına katkısına göre ödeme.
- Abonelik Modeli: Yapay zeka şirketlerinin sürekli güncel içeriğe erişimi için yıllık veya aylık abonelik ödemeleri.
- Mikro-Ödemeler: Blok zinciri teknolojisi kullanılarak her bir eserin kullanımı için otomatik küçük ödemeler.
Eleştiriler, Karşı Argümanlar ve Model Çöküşü Riski
Learnright önerisine yönelik olası eleştiriler ve bunlara yanıtlar:
- Eleştiri 1: İnovasyonu Yavaşlatır Yanıt: Kısa vadede bazı lisanslama maliyetleri olsa da, uzun vadede sürdürülebilir bir yaratıcı ekosistem daha fazla inovasyon sağlar. Ayrıca, net yasal çerçeve belirsizliği ortadan kaldırarak planlamayı kolaylaştırır.
- Eleştiri 2: Küçük Girişimler İçin Engel Yanıt: Toplu lisanslama sistemleri ve makul fiyatlandırma, küçük oyuncuların da erişimini sağlayabilir. Ayrıca, açık kaynak veri kümeleri ve rızaya dayalı katkılar hala mevcut olacaktır.
- Eleştiri 3: Uygulama Zorluğu Yanıt: Yapay zeka sistemlerinin neyi öğrendiğini izleme teknolojisi (örneğin, veri provenance tracking) hızla gelişmektedir. Müzik endüstrisindeki başarılı örnekler, benzer sistemlerin çalışabileceğini göstermektedir.
Politika Yapıcılar İçin Orta Yol Çözümü
Makale, kanun koyucuların üretken yapay zekayı düzenleme konusunda artan ilgi gösterdiği bir zamanda yayınlanmaktadır. Yazarlar, learnright’ın politika yapıcılar için net bir yol sunduğunu savunmaktadır: ne eğitimi yasaklayan ne de yaratıcıları tazminatsız bırakan bir orta yol.
Pasquale şu değerlendirmeyi yapmaktadır: “Şu anda, yapay zeka firmaları kendi yönetimlerini ve çalışanlarını, ayrıca NVIDIA gibi tedarikçilerdeki çalışanları zenginleştirmektedir. Ancak eğitim verisi olarak kullanılan telif haklı eserler de yapay zeka inovasyonunun temelindedir. Bu nedenle yaratıcılarının da tazmin edilmesini sağlamanın zamanı gelmiştir. Learnright bu yönde önemli bir adım olacaktır.”
Dünya çapında düzenleyiciler benzer sorunlarla boğuşmaktadır:
- Avrupa Birliği: AI Act kapsamında, yapay zeka sistemlerinin eğitim verilerinin saydamlığını artırma çalışmaları sürmektedir.
- Birleşik Krallık: Telif hakkı yasasında yapay zeka eğitimi için “text and data mining” istisnalarının kapsamı tartışılmaktadır.
- Japonya: Nispeten liberal bir yaklaşım benimseyerek, araştırma ve geliştirme amaçlı yapay zeka eğitiminde geniş istisnalar sağlamaktadır.
- Learnright önerisi, bu küresel tartışmalara yapıcı bir katkı sunmaktadır.
Sonuç
Yapay zeka devrimi, yaratıcılık ve ekonomik değer yaratma biçimlerimizi kökten dönüştürmektedir. Ancak bu dönüşümün adil ve sürdürülebilir olması için, hem teknolojik gelişmeyi destekleyen hem de yaratıcı emeği koruyan dengeli hukuki çerçevelere ihtiyaç vardır. Learnright önerisi, bu dengeyi kurmak için somut ve uygulanabilir bir yol haritası sunmaktadır.
Mevcut telif hakkı sistemi, 18. yüzyıl matbaa teknolojisi düşünülerek tasarlanmıştır ve 21. yüzyılın makine öğrenimi gerçekliklerine uyum sağlamakta zorlanmaktadır. Learnright, bu boşluğu doldurmak için tasarlanmış yenilikçi bir çözümdür: yaratıcılara haklarını koruma gücü verirken, yapay zeka şirketlerine yasal kesinlik sağlar ve topluma sürdürülebilir bir inovasyon ekosistemi sunar.
Sonuç olarak, yapay zekanın geleceği sadece algoritmaların ne kadar güçlü olduğuyla değil, bu algoritmalar ile onları besleyen insan yaratıcılığı arasındaki ilişkinin ne kadar adil düzenlendiğiyle de belirlenecektir. Learnright, bu ilişkiyi yeniden tanımlama ve hem teknolojik ilerlemeyi hem de insan onurunu koruyan bir gelecek inşa etme yönünde önemli bir adımdır.
Sıkça Sorulan Sorular
1. Learnright sistemi uygulamaya konulursa, halihazırda eğitilmiş yapay zeka modelleri ne olacak?
Bu kritik bir geçiş meselesidir ve yasama sürecinde dikkatlice ele alınması gerekir. Olası yaklaşımlardan biri, yeni yasanın yalnızca ileriye dönük olarak uygulanması, yani yürürlüğe girdikten sonra başlatılan eğitim süreçlerine uygulanmasıdır. Ancak bu durum, mevcut modellerin sürekli güncellenmesi ve yeniden eğitilmesi gerçeğini göz önünde bulundurmalıdır. Alternatif olarak, belirli bir geçiş dönemi tanımlanabilir; bu dönemde şirketler geriye dönük lisans anlaşmaları müzakere edebilir veya kademeli uyum planları geliştirebilirler. Müzik endüstrisindeki benzer geçişler (örneğin, dijital streaming platformlarının ortaya çıkışı), makul geçiş dönemlerinin hem yaratıcıları hem de platformları koruyabileceğini göstermiştir. Ayrıca, toplu lisanslama örgütleri, geriye dönük anlaşmalar için toplu pazarlık yaparak süreci kolaylaştırabilir.
2. Learnright hakkı açık kaynak ve kar amacı gütmeyen yapay zeka projelerine nasıl uygulanır?
Bu soru, sistemin esnekliğini test etmektedir. Learnright önerisi, farklı kullanım senaryoları için farklı lisanslama modellerine olanak tanır. Yaratıcılar, eserlerini açık kaynak veya akademik projelerde ücretsiz olarak kullanılabilir hale getirebilir, ancak ticari kullanım için ücret talep edebilirler – tıpkı Creative Commons lisanslarının çeşitli seçenekler sunması gibi. Örneğin, bir “Learnright-NC” (non-commercial) lisansı, akademik araştırmacıların ve hobicilerin serbestçe kullanmasına izin verirken, ticari şirketlerin ödeme yapmasını gerektirebilir. Bu yaklaşım, inovasyonu teşvik ederken yaratıcıların kontrolünü korur. Ayrıca, hükümetler veya vakıflar, kamu yararına yönelik yapay zeka projeleri için lisans ücretlerini sübvanse edebilirler. Önemli olan, yaratıcıların kendi eserlerinin nasıl kullanılacağına karar verme yetkisine sahip olmalarıdır.
3. Yapay zeka şirketleri veri kaynaklarını gizli tuttuğunda, learnright ihlalleri nasıl tespit edilir ve uygulanır?
Uygulama ve denetim, learnright sisteminin başarısı için kritiktir. Birkaç mekanizma bu sorunu ele alabilir: İlk olarak, şeffaflık gereksinimleri yasaya kodlanabilir – yapay zeka şirketlerinin eğitim veri kümelerini düzenleyici kurumlara bildirmeleri zorunlu kılınabilir (ticari sırları koruyacak gizlilik anlaşmaları altında). İkinci olarak, “veri provenance” teknolojileri hızla gelişmektedir; dijital filigranlar, blok zinciri tabanlı kayıt sistemleri ve kriptografik kanıtlar, hangi verilerin hangi modellerde kullanıldığını izlemeyi mümkün kılmaktadır. Üçüncü olarak, tersine mühendislik teknikleri, bir modelin belirli eserlerden öğrenip öğrenmediğini test edebilir – örneğin, bir görüntü üretici modele belirli bir sanatçının tarzıyla ilgili komutlar verildiğinde ne ürettiği incelenerek. Son olarak, ihbarcı koruması ve yüksek cezai yaptırımlar, şirketleri uyumlu olmaya teşvik edebilir. Telif hakkı ihlallerinde olduğu gibi, tüm ihlalleri yakalamak mümkün olmayabilir, ancak caydırıcı bir denetim ve uygulama çerçevesi genel uyumu önemli ölçüde artırabilir.
Kaynak: https://news.cornell.edu/stories/2025/12/who-should-get-paid-when-ai-learns-creative-work-0