Yapay zeka şirketi Anthropic, geliştirdiği üretken yapay zeka modeli Claude'u eğitmek için milyonlarca basılı kitabı satın aldı. Şirketin, bu kitapların ciltlerini kesip sayfalarını taradıktan sonra nüshaları imha ettiği ortaya çıktı. Bu yöntem, yapay zeka şirketlerinin nitelikli veri arayışını yeni bir boyuta taşıdı ve telif hakları tartışmalarını alevlendirdi.
Kitap satın alma ve imha süreci
The New York Times'ın aktardığına göre, Anthropic, Claude'u eğitmek için kullanacağı metinleri elde etmek amacıyla bugüne kadar yüz binlerce kitap satın aldı. Şirket, bu kitapları genellikle toplu olarak temin ediyor ve ardından sayfaları tarıyor. Ancak dikkat çeken detay, kitapların tarandıktan sonra imha edilmesi. Bu süreç, kitapların ciltlerinin kesilmesi, sayfaların yüksek hızlı tarayıcılardan geçirilmesi ve ardından fiziksel nüshaların geri dönüşüme gönderilmesi şeklinde işliyor. Şirketin bu yöntemi, veri setlerinde yer alan kitapların büyük bir kısmını kapsıyor.
Neden basılı kitap?
Yapay zeka modelleri, eğitim sürecinde devasa miktarda metne ihtiyaç duyuyor. İnternet üzerindeki açık veriler zamanla yetersiz kalırken, şirketler daha nitelikli ve telifsiz veri arayışına girdi. Basılı kitaplar, internetten daha düzenli, dil bilgisi kurallarına uygun ve derinlemesine bilgi içeren bir kaynak olarak öne çıkıyor. Anthropic, telif hakkı sahiplerinden izin almadan bu kitapları kullandığı için eleştirilerin hedefi haline geldi. Ancak şirket, kitapları satın alarak bir tür 'ödeme' yaptığını savunuyor.
Ancak bu hamle, 'adil kullanım' (fair use) doktrini kapsamında değerlendirilmiyor. Telif hakkı yasaları, bir eserin kopyalanması ve kullanılması için hak sahibinden izin alınmasını gerektiriyor. Yapay zeka şirketleri, eğitim verilerini genellikle internetten kazıyarak elde ediyor; bu da telif ihlali davalarına yol açıyor. Anthropic'in kitap satın alarak bir nebze de olsa bu sorunu aştığı düşünülse de, imha edilen kitapların yazarlarından izin alınmadığı için yasal riskler devam ediyor.
Yapay zeka şirketlerinin veri açlığı
Anthropic'in bu yöntemi, yapay zeka sektöründeki veri kıtlığının ciddiyetini gözler önüne seriyor. OpenAI, Google ve Meta gibi şirketler de eğitim verisi elde etmek için çeşitli yöntemlere başvuruyor; bu kapsamda milyonlarca YouTube videosu, podcast ve kitap taranıyor. Anthropic ise fiziksel kitap satın alarak daha 'güvenli' bir kaynak yaratmaya çalışıyor. Ancak bu süreç, şirketin maliyetini artırdığı gibi lojistik açıdan da zorluklar içeriyor.
Yapay zeka modellerinin daha iyi performans gösterebilmesi için çeşitli ve kaliteli veri gerekiyor. İnternet içeriklerinin hızla artması, ama aynı zamanda telif hakları ve spam içeriğin de artması, şirketleri alternatif arayışlara itiyor. Kitaplar, bu anlamda hem içerik kalitesi hem de derinliği açısından önemli bir kaynak. Ancak fiziksel olarak satın alınan kitapların sayıları, yapay zekanın ihtiyaç duyduğu veri hacmiyle kıyaslandığında oldukça sınırlı kalıyor.
Telif hakları ve etik tartışmalar
Anthropic'in bu uygulaması, yazarlar ve yayıncıların tepkisini çekiyor. Yazarlar, eserlerinin hiçbir izin alınmadan kullanılmasına karşı çıkıyor. ABD'de devam eden davalarda, yapay zeka şirketlerinin telifli eserleri kullanmasının 'adil kullanım' kapsamına girip girmediği tartışılıyor. Anthropic, kitap satın aldığını ve imha ettiğini, dolayısıyla yazarlara bir nebze de olsa maddi katkı sağladığını öne sürüyor. Ancak bu savunma, hukukçular tarafından zayıf bulunuyor.
Bu gelişme, yapay zeka şirketlerinin veri toplama yöntemlerinin şeffaflığını da gündeme getiriyor. Şirketler, hangi verileri kullandıklarını ve bu verileri nasıl elde ettiklerini açıklamak konusunda genellikle isteksiz. Bu da toplumsal güveni zedeliyor. Öte yandan, yapay zeka modellerinin eğitim verilerinin kalitesi, modelin doğruluğunu ve güvenilirliğini doğrudan etkilediği için bu süreçlerin şeffaflığı büyük önem taşıyor.
Sonuç
Anthropic'in kitap satın alma stratejisi, yapay zeka sektörünün karşı karşıya olduğu veri krizi ve telif hakları sorunlarını açıkça ortaya koyuyor. Şirketler artık internet verilerinin yetersiz ve güvenilmez olduğunu kabul ederek, daha nitelikli kaynaklara yöneliyor. Ancak bu süreçte yazarların ve eser sahiplerinin haklarının korunması, sürdürülebilir bir modelin oluşturulması açısından kritik. Yapay zeka etiği ve telif yasalarının gelecekte nasıl şekilleneceği, bu tür uygulamalarla yakından ilişkili. Anthropic'in bu hamlesi, sektörün veri toplama yöntemlerinin yasal ve etik çerçevede yeniden değerlendirilmesi gerektiğini gösteriyor.
