top of page
  • Av. İlay Yüce

Yapay Zekâ Telif Hakkı İle İlgili Olarak Nasıl Çalışır?

DALL-E 2, Midjourney ve Stable Diffussion dahil olmak üzere, metinden okuma (text-to-speech) teknolojisi kullanılarak oluşturulan görseller, yapay zekâda ana konu haline geldi. Birçok kişi bu sistemlerin nasıl çalıştığını merak etmekle kalmıyor, aynı zamanda kullanıcıların bu tür yaratımlar üzerinde hakları olup olmadığı konusunda da şüpheler mevcut. Şimdi bu sistemlerin nasıl çalıştığını kısaca inceleyelim ve ardından fikri mülkiyet hukukunun bunlarla nasıl ilişkili olduğunu ele alalım.



Nasıl Yapılıyor?


Hukuk ve teknolojiyi tartışırken bir şeyin nasıl çalıştığını bilmek gereklidir. Ünlü sanatçıların stillerinde yeni resimler üretebilen bir sistem yaratmak için, onların stilinde resim yapmayı öğrenmek gerekir. Bununla birlikte, eğer belirli bir ortak özellikler kümesi değilse, stil nedir? Bilgisayarları ve veri bilimini bu amaçla kullanabiliriz. Bunu yapmak için, içeriklerinin açıklamalarıyla etiketlenmiş geniş bir görsel koleksiyonu oluşturmamız gerekiyor.


Ardından öğrenme sürecini gerçekleştiriyoruz. Görsel oluşturan çözümlerin çoğunda “örtülü difüzyon” (latent diffusion) adı verilen bir teknik kullanılır. Bu teknik, parazit (noise) kullanan algoritmalar (modeller) oluşturmanın bir yoludur. İlk olarak, yazılım orijinal görseli parazite, yani rastgele bir piksel modeline (beyaz gürültü veya kar gibi) dönüştürür. Ardından bilgisayar, deneme yanılma yoluyla, neredeyse mükemmel şekilde yapmayı öğrenene kadar, orijinal görseli kademeli olarak yeniden üretmeye çalışır.


Yukarıda bahsedilen öğrenme sürecinde, özellikle de belirli renkteki piksellerin genellikle belirli bir nesne için birbirine göre yerleştirildiği yerlerde, program belirli sözcükler ve görseller arasındaki istatistiksel ilişkileri bulmaya çalışır. Mevcut bilgisayarlarda, bu işlem milyarlarca görsel üzerinde otomatik olarak gerçekleştirilebilir. En yeni sistemlerden biri olan Stable Diffusion, internetten kazınmış beş milyar grafikten oluşan LAION-5B veri tabanını kullanıyor.


Halihazırda tanıdık şekilleri yeniden üretebilen bir algoritmamız varsa, onu yeni görseller oluşturmak için de kullanabiliriz. Bununla birlikte, yaratmanın başlangıç noktası, istenen sonucun bir çeşit açıklaması yani “komut istemi” olmalıdır. Böylece, bir kullanıcı komut istemini yazar ve programı çalıştırır. Bilgisayar daha sonra, varsayılan olarak rastgele oluşturulmuş bir değer olan bir “tohum”a dayalı parazit oluşturur.


Başlangıç noktası bazen parazitin ekleneceği belirli bir grafik de olabilir. Ardından, yukarıda açıklanan öğrenme sürecine benzer şekilde, iş parazit ve betimleme ile başlar ve ardından görselin başlangıçta nasıl göründüğünü tahmin etmeye çalışılır.


Mesele şu ki, bu görsel hiçbir zaman var olmamıştır. Model, sanatçıların stillerini özümsese de asla eğitim setindeki herhangi bir görseli kopyalamamalıdır (daha fazlası için yazarın Disco Diffusion kılavuzuna göz atın).


Rastgelelik Unsuru Eseri Denklemden Çıkarır


Bazıları aynı komut isteminin aynı resim anlamına geldiğini söyleyebilir. Bununla birlikte, belirli bir rastgelelik faktörü nedeniyle oluşturulan görseller farklıdır. Aynı sistemi ve komut istemini kullanan iki kullanıcı farklı sonuçlar alacaktır. İlk olarak, her şey yukarıda bahsedilen “tohum” ile ilgilidir. Aşağıdaki görsel, rastgele bir başlangıç değeri (parazit) ile aynı komut istemini kullanan sonuçları göstermektedir.


“Florent Lebrun'un son derece detaylı yaban hayatı tablosu, Artstation'da popüler çalışmalardan” (Disco Diffusion)

Aynı tohumu seçmek bile çoğunlukla aynı sonuçları getirmeyecektir. Görseller benzer olacaktır çünkü sistem aynı yaratım işlemini gerçekleştirmiştir. Ancak, sanki iki farklı kişi aynı manzarayı çizmiş gibi, biraz farklı olacaklardır.


“Thomas Kinkade tarafından Polonya manzarasının güzel tablosu,” tohum: 21 (Disco Diffusion)

Bununla birlikte, bir dereceye kadar öngörülebilirlik olduğuna göre, bir eserden söz edilebilir mi? Amerika Birleşik Devletleri Telif Hakları Bürosu'na göre, böyle bir durumda eser sahibi-insan yoktur (bkz. Thaler davası). Ancak bu yeni bir şey değil. Dış rastgelelik meydana geldiğinde bir eser oluşup oluşmadığı konusu birden çok dava dosyasında ele alınmıştır.


Buna ilişkin, bir maymun tarafından çekildiği iddia edilen bir selfie (özçekim) ile ilgili davada, bir maymun telif hakkına tabi olmadığı için ortada bir eser olamayacağı sonucuna varılmıştır. Endonezya'ya seyahat etmeye karar vermek, hayvanlarla arkadaş olmak ve kamerayı kurmak yeterli değildir. (bkz. İlgili IPKat yazısı) (bkz. İlgili yazının SHE çevirisi).


Aynı şekilde, Chicago'daki Grant Park'taki bahçe de bir eser değildir. Eser sahipliği tamamen insan girişiminden kaynaklanmalıdır. Bitki renkleri, şekilleri veya dokuları bahçıvanın zihninden değil, doğadan gelmektedir.


Bir insan bir ilk görsel veya bilgi istemi oluştursa bile, bunlar sonradan oluşturulan öğeleri kapsamaz. Böylece, yalnızca yeniden işlenmiş görsellerin yapısı için koruma elde edilebilir. Aynısı, bu tür sistemlerin ortak ek işlevleri için de geçerlidir: iç boyama (görselde zaten var olan öğeleri değiştirme) ve dış boyama (bir görseli orijinal sınırlarının ötesine boyama).


Bu durum photobashing tekniğine benzer olacaktır (resimler, modeller ve dokular gibi birden çok dijital varlığı yeni biçimlere dönüştürmek için kullanma). Bununla birlikte, insan katkısının bile “birleşme doktrini” (merger doctrine) veya belirli yasal istisnalar (örneğin, “kelimeler ve kısa ifadeler” - 37 CFR § 202.1(a)) tarafından hariç tutulabileceği unutulmamalıdır.


İlk görsel – “Canaletto'nun güzel şatosunun son derece ayrıntılı tablosu” (Stable Diffusion)

Yine de insan yaratımının makineden nasıl ayırt edileceği sorulabilir. İşte kilit nokta, şeytani derecede zor konu da budur. Bazen eserde bir filigran olup olmadığını (DALL-E 2) veya dosyanın ilgili meta verileri içerip içermediğini hızlı bir şekilde belirlemek mümkündür. Bununla birlikte ikisi de oldukça kolay bir şekilde ortadan kaldırılabilir.


Kullanıcı değilse, o zaman belki de modelin üreticisi?


Bazen modelin yaratıcısının o modelin yaratımlarının eser sahibi olduğu iddia edilebilir. Yazar, cevabın “hayır” olduğuna inanıyor. Model, eserlerin herhangi bir kopyasını içermez. Yalnızca eğitim verilerinden türetilen bir dizi parametredir.


Tıpkı Microsoft'un bir Office kullanıcısının ne yaratacağını tahmin edememesi gibi, tüm sonuçları tahmin etmek imkansızdır. Elbette bu durum birinin programlarının kullanımıyla ilgili bazı kısıtlamaları etkilemez, ancak söz konusu sadece uygun lisansı seçme meselesidir (örneğin, MIT ve Apache 2.0 altında Disco Diffusion).


Bu sorunla hayata nasıl devam ederiz?


Telif hakkının hayatta kalacağı ve yapay zekânın yaratımları için koruma sağlayacağı umuduyla başlayalım. Ancak uygulamada, konuyla ilgili uluslararası bir uyum sağlanmadığı takdirde, yapay zekâ bağlamında neyin korunduğu konusunda ayrışmalara yol açacaktır. Sonuç olarak, özellikle mahkemeler bu tür yaratımları koruma konusunda isteksizse, bir revizyon veya yeni bir yasal rejim gerekli olabilir.


Bu süreçte, en azından bağlantılı haklar, ticari sırlar veya haksız rekabete karşı koruma bazı yararlı alternatifler sağlayabilir. [Benzer bir görüş, 1980'lerde hukuk camiası bilgisayar yazılımının korunmasına karşı çıkmaya başladığında öne sürüldü.] Bağlantılı haklar yalnızca video veya ses için geçerli olacaktır ve her halükârda, bunlar dünya çapında evrensel olarak kabul edilmemektedir.


Haksız rekabet ve ticari sırların korunması hiçbir zaman mülkiyet konularını ele alacak şekilde tasarlanmamıştır. Daha genel olarak, telif hakkı kanunlarının neden çözüm sağlayamadığı ise ayrı bir yazının konusudur.


Bu yazı, Polonya'daki Ulusal Bilim Merkezi tarafından finanse edilen bir araştırma projesinin sonuçlarının bir parçası olarak yazılmıştır, hibe no. 2021/41/N/HS5/02726.


Tüm grafikler yaratıcı sistemler (yapay zekâ) kullanılarak oluşturulmuştur.


Çeviren:

Sanat Hukuku Enstitüsü

Direktör

Av. İlay Yüce

Tercüme Edilen Kaynak: Jakub Wyzcik, 2 Aralık 2022, “How artificial intelligence works in relation to copyright”, https://ipkitten.blogspot.com/2022/12/how-artificial-intelligence-works-in.html


bottom of page