Sosyal medyada gördüğümüz bir fotoğrafın gerçek olduğunu nasıl anlayabiliriz? Bir videonun yapay zekâ ile oluşturulduğunu belirlemek mümkün mü? Deepfake, tersine görsel arama, C2PA ve SynthID teknolojilerini inceleyerek görüntülerin kaynağını ve güvenilirliğini değerlendirmek için uygulanabilir bir doğrulama yöntemi oluşturalım.
Sosyal medyada bir depremden sonra yıkılmış binaları gösteren video izlediğimizi düşünelim. Başka bir paylaşımda tanınmış bir kişinin beklenmedik açıklamalarda bulunduğunu görüyoruz. Bir diğerinde ise daha önce karşılaşmadığımız bir hayvanın veya olağan dışı bir doğa olayının görüntüleri bulunuyor.
Görüntüler son derece gerçekçi olabilir. İnsanların yüz ifadeleri, ışık, gölgeler, çevredeki nesneler ve kamera hareketleri doğal görünebilir.
Üstelik paylaşımda olayın gerçekleştiği yer, tarih ve ilgili kişilerin adları da belirtilmiş olabilir.
Böyle bir içerikle karşılaştığımızda aklımıza genellikle şu soru geliyor:
“Bu görüntü gerçek mi, yoksa yapay zekâ ile mi oluşturulmuş?”
Ancak yalnızca bu soruyu yanıtlamak yeterli değildir.
Bir görüntünün gerçek kamera kaydı olduğunu belirlediğimizi düşünelim. Bu sonuç onun doğru tarihte çekildiğini, belirtilen yerde gerçekleşen olayı gösterdiğini veya paylaşımda ileri sürülen iddiayı desteklediğini kanıtlamaz.
Örneğin yıllar önce çekilmiş gerçek bir deprem videosu, bugün başka bir şehirde yaşanan depremin görüntüsü olarak paylaşılabilir.
Buna karşılık yapay zekâ ile oluşturulmuş bir görüntü, gerçekten yaşanmış tarihsel bir olayı açıklamak amacıyla hazırlanmış, temsili olduğu belirtilen bir canlandırma olabilir.
İlk durumda görüntü gerçek olsa bile ona eşlik eden açıklama yanlıştır. İkinci durumda görüntü sentetiktir ancak temsili niteliği açıklandığında meşru bir bilgilendirme amacıyla kullanılabilir.
Bu nedenle dijital görüntüleri değerlendirirken iki soruyu birbirinden ayırmamız gerekir:
Görüntü nasıl oluşturulmuş?
Görüntüyle birlikte ileri sürülen iddia gerçekten doğru mu?
Güvenilir doğrulama, yalnızca yapay zekâ izleri aramaktan ibaret değildir. İçeriğin özgün kaynağını, üretim geçmişini, tarihini, bağlamını ve bağımsız kanıtlarını birlikte incelemeyi gerektirir.
Yapay Zekâ ile Üretilen Görsel ve Video Nedir?
Üretken yapay zekâ, öğrendiği örüntülerden yararlanarak yeni görseller, videolar, sesler ve başka dijital içerikler oluşturabilen teknolojileri kapsar.
Kullanıcı yazılı bir açıklama vererek gerçekte fotoğraflanmamış bir manzara oluşturabilir. Mevcut fotoğrafın arka planını değiştirebilir veya bir görüntüye yeni nesneler ekleyebilir.
Ancak yapay zekâ kullanılarak hazırlanan bütün içerikler aynı nitelikte değildir.
Tamamen yapay zekâ ile oluşturulmuş görüntüler
Tamamen sentetik görüntüler, doğrudan bir kamera kaydı yerine üretken yapay zekâ sistemleriyle hazırlanır.
Gerçekte bulunmayan kişiler, mekânlar, hayvanlar ve olaylar betimlenebilir.
Bununla birlikte sentetik bir görüntünün mutlaka hayalî bir olayı anlatması gerekmez. Gerçekten yaşanmış bir olay da yapay zekâ aracılığıyla yeniden canlandırılabilir.
Önemli olan böyle bir canlandırmanın olayın özgün fotoğrafı veya videosu gibi sunulmamasıdır.
Yapay zekâ ile düzenlenmiş gerçek görüntüler
Bazı içeriklerde gerçek bir fotoğraf veya video temel alınır ve yalnızca belirli bölümler değiştirilir.
Örneğin görüntüye yeni bir kişi eklenebilir, gerçek bir kişi çıkarılabilir veya olayın gerçekleştiği ortam değiştirilebilir.
Bu durumda görüntünün tamamı sentetik değildir. Ancak yapılan değişiklik, görüntünün neyi kanıtladığını etkileyebilir.
Öte yandan renk düzeltme, görüntüdeki gürültüyü azaltma veya çözünürlük iyileştirme gibi işlemlerde de yapay zekâ kullanılabilir.
Her yapay zekâ destekli düzenleme, içeriğin anlamını değiştiren bir manipülasyon değildir.
Bu nedenle bir dosyada yapay zekâ kullanıldığını bilmek, yapılan değişikliğin niteliğini ayrıca inceleme ihtiyacını ortadan kaldırmaz.
Deepfake nedir?
Deepfake veya derin sahtecilik, özellikle gerçek kişilerin yüzlerinin, seslerinin veya davranışlarının taklit edilmesiyle ilişkilendirilen sentetik medya uygulamalarını tanımlamak için kullanılan kavramdır.
Örneğin bir kişinin sesi taklit edilerek gerçekte söylemediği sözleri içeren kayıt hazırlanabilir.
Başka bir kişinin yüzü farklı bir videoya yerleştirilebilir.
Böyle içerikler dolandırıcılık, karalama veya yanıltıcı bilgilendirme amacıyla kullanılabilir. Bununla birlikte teknoloji yaratıcı ve izinli uygulamalarda da kullanılabilir.
Bütün yapay zekâ görselleri deepfake değildir.
Gerçekte bulunmayan bir orman manzarasını gösteren sentetik görselle gerçek bir kişinin kimliğini taklit eden video aynı bağlamda değerlendirilmemelidir.
Ayrıca her yanıltıcı fotoğraf veya video da yapay zekâ ürünü değildir.
Eski görüntüler, yanlış başlıklar, eksik açıklamalar ve bağlamından koparılan kayıtlar da yanlış bilgi oluşturabilir.
Yapay Zekâ Görselleri Gözle Nasıl Anlaşılır?
Yapay zekâ ile oluşturulan bazı görüntülerde fiziksel veya görsel tutarsızlıklar bulunabilir.
Örneğin:
Ellerin, parmakların veya yüz ayrıntılarının olağan dışı görünmesi.
Görüntüdeki yazıların anlamsız veya bozuk olması.
Nesnelerin birbirinin içinden geçiyormuş gibi görünmesi.
Yansımaların ve gölgelerin tutarsız olması.
Bir nesnenin video boyunca biçim değiştirmesi.
Ses ve dudak hareketlerinin uyuşmaması.
Bu özellikler, görüntünün daha ayrıntılı incelenmesi gerektiğine işaret edebilir.
Ancak hiçbiri tek başına kesin yapay zekâ kanıtı değildir.
Üretken yapay zekâ sistemleri geliştikçe önceki yıllarda daha sık görülen bazı görüntü hataları azalabilmektedir.
Üstelik gerçek fotoğraflar da çeşitli teknik nedenlerle olağan dışı görünebilir.
Düşük ışık, hareket bulanıklığı, kamera açısı, görüntü sıkıştırma ve düzenleme işlemleri nesnelerin biçimini değiştirebilir.
Örneğin gerçek bir fotoğrafta hareket bulanıklığı nedeniyle kişinin eli eksik parmaklıymış gibi görünebilir.
Gerçek bir videoda teknik gecikme nedeniyle ses ve görüntü arasında uyumsuzluk oluşabilir.
Bu nedenle “Parmaklar düzgünse fotoğraf gerçektir.” veya “Gölge hatalıysa kesinlikle yapay zekâ ile yapılmıştır.” gibi kurallar güvenilir değildir.
Görüntüdeki tutarsızlıkları başlangıç ipucu olarak kullanabiliriz. Ancak sonuca ulaşmak için kaynak araştırması ve başka kanıtlar gereklidir.
İnsanlar Gerçek ve Yapay Zekâ Görsellerini Ayırt Edebiliyor mu?
Yapay zekâ sistemlerinin giderek daha gerçekçi görüntüler üretmesi, insanların bu içerikleri ne ölçüde ayırt edebildiği sorusunu önemli hâle getirmiştir.
Hove ve arkadaşlarının 8 Ekim 2026'da Social Media + Society dergisinde yayımlanan araştırması bu konuda güncel deneysel kanıtlar sunmaktadır.
2.091 katılımcılı araştırmada ne yapıldı?
Araştırma, 17–24 Haziran 2024 tarihlerinde Danimarka'da gerçekleştirilmiştir.
Çalışmaya 18 yaş ve üzerindeki 2.091 kişi katılmıştır. Örneklem yaş, cinsiyet ve bölgesel özellikler açısından Danimarka yetişkin nüfusunu temsil edecek biçimde oluşturulmuştur.
Araştırmacılar 26 farklı olaya ilişkin birer gerçek ve birer yapay zekâ görüntüsünden oluşan 52 görsellik havuz hazırlamıştır.
Görseller dört kategoriye ayrılmıştır:
Gündelik yaşam sahneleri.
İnsan görüntüleri.
Kriz ve afet sahneleri.
Siyasal içerikli sahneler.
Her katılımcıya havuzdan rastgele seçilmiş yedi görsel gösterilmiştir.
Katılımcılardan görüntünün yapay zekâ ile oluşturulmuş olma olasılığını 0 ile 100 arasında değerlendirmeleri istenmiştir.
Araştırmada kullanılan sentetik görüntüler de gerçekten yaşanmış olayları betimlemiştir. Böylece olayın gerçekliğini bilmekle görüntünün üretim biçimini ayırt etmek arasındaki fark incelenebilmiştir.
Araştırmanın sonucu ne oldu?
Katılımcılar bazı karşılaştırmalarda rastgele tahminden istatistiksel olarak daha iyi sonuçlar elde etmiştir.
Ancak araştırmacıların genel değerlendirmesi, ayırt etme performansının şans düzeyinden kayda değer ölçüde daha iyi olmadığı yönündedir.
Özellikle 25 yaşından küçük katılımcılar bazı karşılaştırmalarda daha başarılı bulunmuştur. Analitik düşünme eğilimi ve üretken yapay zekâ deneyimi de belirli performans farklılıklarıyla ilişkili bulunmuştur.
Bununla birlikte bu bulgular, gençlerin veya teknolojiyle ilgilenen kişilerin bütün yapay zekâ görüntülerini güvenilir biçimde ayırt edebildiğini göstermez.
Araştırmanın önemli sınırlılıkları da vardır.
Çalışma tek ülkede yürütülmüştür. Belirli görüntüler ve üretim araçları kullanılmıştır. Katılımcılar gerçek bir sosyal medya akışı yerine kontrollü bir deney ortamında değerlendirme yapmıştır.
Ayrıca araştırma sabit görselleri incelemiştir. Bulgular bütün video ve ses kayıtlarına doğrudan genellenemez.
Buna rağmen çalışma önemli bir sonuç sunmaktadır:
Bir görüntünün gerçek veya yapay zekâ ürünü olduğundan emin hissetmemiz, değerlendirmemizin doğru olduğunu kanıtlamaz.
Bu nedenle kişisel tahminler, özgün kaynak araştırmasının ve bağımsız doğrulamanın yerine geçirilmemelidir.
Gerçekçi Görünen Bir Deepfake Video Neden Yanıltıcı Olabilir?
Bir kişinin yüzünün doğal görünmesi, sesinin tanıdık gelmesi veya dudak hareketlerinin konuşmayla uyumlu olması videonun güvenilir olduğu izlenimini oluşturabilir.
Ancak bu özellikler yapay zekâ araçlarıyla taklit edilebilir.
Üstelik yanıltıcı bir video hazırlamak için görüntünün tamamının yeniden üretilmesi gerekmez.
Gerçek bir konuşmanın görüntüleri korunarak üzerine yapay zekâ ile oluşturulmuş farklı bir ses eklenebilir.
Türkiye'den doğrulanmış bir örnek
Cumhurbaşkanlığı İletişim Başkanlığının 4 Kasım 2023 tarihli açıklamasında, Cumhurbaşkanı Recep Tayyip Erdoğan'ın görüntülerinin kullanıldığı sahte reklam ele alınmıştır.
Açıklamaya göre 18 Eylül 2023 tarihinde Amerikan PBS televizyonuna verilen gerçek röportajın görüntüleri kullanılmıştır.
Bu görüntülere Türkiye Petrollerinin logosu ve yapay zekâ ile üretilmiş ses eklenerek sahte reklam hazırlanmıştır.
Böylece gerçek bir röportaj, kişinin gerçekte yapmadığı açıklamayla ilişkilendirilmiştir.
Bu örnekte görüntüdeki kişinin kimliği ile görüntüde aktarılan sözlerin gerçekliği birbirinden ayrılmalıdır.
Videoda gerçekten o kişinin görünmesi, duyduğumuz sözleri de gerçekten söylediğini kanıtlamaz.
Özellikle tanınmış kişilere atfedilen olağan dışı açıklamalar, para kazanma vaatleri veya yatırım çağrıları karşısında özgün kayıt ve resmî kaynaklar araştırılmalıdır.
Gerçek Fotoğraflar da Yanlış Bilgi Yayabilir mi?
Evet.
Yanlış bilgilendirmenin tamamı sentetik görüntülerden oluşmaz.
Bir fotoğrafın gerçek olması, paylaşımda belirtilen yerde ve tarihte çekildiğini göstermez.
Eski bir köprü videosunun farklı olayla ilişkilendirilmesi
Birleşik Krallık Avam Kamarası Kütüphanesinin 5 Mayıs 2026 tarihli görsel doğrulama rehberi, bu konuda bir örnek sunmaktadır.
2024 yılında dolaşıma giren bir videonun ABD'nin Maryland eyaletindeki Francis Scott Key Köprüsü'nde meydana gelen patlamayı gösterdiği ileri sürülmüştür.
Ancak video, 2022 yılında Kerç Köprüsü'nde gerçekleşen patlamaya aittir.
Francis Scott Key Köprüsü ise Mart 2024'te bir konteyner gemisinin çarpması sonucunda çökmüştür.
Bu örnekte sorun yapay zekâ ile oluşturulmuş görüntü değildir.
Gerçek bir olayın kaydının başka bir olayın görüntüsü gibi sunulmasıdır.
Dolayısıyla fotoğraf veya videonun özgün kamera kaydı olduğunu doğrulamak, ona eşlik eden açıklamayı da doğrulamış sayılmaz.
Bir görüntünün gerçekliği ile görüntünün kullanıldığı bağlamın doğruluğu iki ayrı araştırma konusudur.
Fotoğraf ve Videoları Doğrulamak İçin Yedi Aşamalı Yöntem
Güvenilir görsel doğrulama, tek bir araca dayanmak yerine farklı kanıt türlerinin belirli bir sırayla incelenmesini gerektirir.
Aşağıdaki yöntem, görsel doğrulama rehberleri ve teknik standartlardan yararlanılarak hazırlanmış pratik bir çalışma düzenidir.
1. Görüntünün neyi kanıtladığını belirleyin
Önce paylaşımın tam olarak hangi iddiayı ileri sürdüğünü belirleyin.
Örneğin bir videonun altında şöyle yazdığını düşünelim:
“Bugün İzmir'deki depremde yıkılan binalar.”
Bu cümlede birden fazla doğrulanabilir iddia vardır.
Görüntü gerçekten İzmir'de mi çekilmiş?
Belirtilen tarihe mi ait?
Söz konusu depremi mi gösteriyor?
Gerçek bir kamera kaydı mı, değiştirilmiş bir görüntü mü, yoksa yapay zekâ ürünü mü?
Bu soruların her biri farklı kanıtlarla değerlendirilir.
Örneğin videonun gerçek kamera kaydı olduğu doğrulansa bile belirtilen tarihte İzmir'de çekildiği henüz doğrulanmamış olabilir.
İlk adım, tam olarak hangi iddiayı araştırdığımızı açıklığa kavuşturmaktır.
2. Görüntünün özgün kaynağını araştırın
İçeriğin yayımlandığı hesabı veya internet sitesini inceleyin.
Görüntüyü paylaşan kişi kendisinin çektiğini mi söylüyor?
Başka bir kaynaktan mı aktarıyor?
İlk paylaşımda içeriğin yapay zekâ ile oluşturulduğu veya temsili olduğu belirtilmiş mi?
Örneğin yapay zekâ ile kısa videolar üreten bir içerik üreticisi, çalışmasını açıkça sentetik olarak yayımlamış olabilir.
Aynı video daha sonra başka hesaplar tarafından gerçek bir olayın görüntüsü gibi paylaşılmış olabilir.
Bu durumda ilk kaynağa ulaşmak, görüntünün niteliğini anlamaya yardımcı olur.
Ancak ilk bulduğumuz paylaşımın mutlaka gerçek ilk kaynak olduğunu varsaymamalıyız.
Ayrıca görüntüyü ilk yayımlayan kişinin açıklaması da gerektiğinde başka kanıtlarla desteklenmelidir.
3. Tersine görsel arama yapın
Tersine görsel arama, bir fotoğrafın veya benzer görüntülerin internette daha önce nerelerde kullanıldığını araştırmaya yardımcı olur.
Bunun için Google Lens, TinEye ve uygun diğer görsel arama hizmetlerinden yararlanılabilir.
Uygulamada incelenecek görseli desteklenen araca yükleyebilir veya herkese açık bağlantısını kullanabilirsiniz.
Örneğin yeni bir afete ait olduğu belirtilen fotoğrafı araştırdığınızda aynı görüntünün yıllar önce farklı bir olay hakkında yayımlandığını bulabilirsiniz.
Bu durumda fotoğrafın yeni olaya ait olduğu iddiası ciddi biçimde zayıflar.
Ancak tersine arama sonuçları da sınırlıdır.
En eski arama sonucunun gerçek ilk kaynak olduğu kesin değildir.
Ayrıca hiçbir sonuç bulunmaması, görüntünün yeni veya gerçek olduğunu kanıtlamaz.
Görüntü arama motorları tarafından indekslenmemiş olabilir, kapalı hesapta paylaşılmış olabilir veya farklı biçimde kırpılmış olabilir.
Teyit'in Tersine görsel arama nedir? rehberi bu yöntemin uygulanmasını ayrıntılı biçimde açıklamaktadır.
4. Videonun farklı karelerini inceleyin
Video doğrulamasında yalnızca tek bir kareye bakmak yeterli olmayabilir.
Videonun başlangıcından, ortasından ve sonundan belirgin görüntüler seçilebilir.
Bu görüntülerdeki tabelalar, binalar, araçlar, yol işaretleri ve başka tanınabilir nesneler ayrı ayrı araştırılabilir.
Örneğin görüntünün belirli bir şehirde çekildiği ileri sürülüyorsa videodaki tanınabilir yapılarla o şehre ait doğrulanmış fotoğraflar karşılaştırılabilir.
InVID-WeVerify gibi araçlar, desteklenen video kaynaklarından anahtar kareler elde etmeyi kolaylaştırabilir.
Ancak kullanılan aracın hangi video biçimlerini ve platformları desteklediği kontrol edilmelidir.
Videolardaki hareket sürekliliği de incelenebilir.
Bir nesnenin aniden biçim değiştirmesi veya başka bir nesnenin içinden geçmesi, sentetik üretim veya düzenleme olasılığı hakkında şüphe oluşturabilir.
Bununla birlikte tek bir görsel bozukluğa dayanarak kesin karar verilmemelidir.
5. Tarihi, konumu ve olayın bağlamını kontrol edin
Bir görüntünün hangi olaya ait olduğunu belirlerken zaman ve konum bilgileri önemlidir.
Örneğin belirli şehirde çekildiği ileri sürülen videodaki binalar, sokak düzeni ve tabelalar ilgili yerin güvenilir görüntüleriyle karşılaştırılabilir.
Bir yapının belirtilen tarihte henüz inşa edilmemiş olması önemli bir çelişki oluşturabilir.
Benzer biçimde görüntünün daha önce farklı ülkedeki olayla ilişkilendirilmiş olması, yeni paylaşımın açıklamasını sorgulamayı gerektirir.
Ancak tek bir çevresel ayrıntıdan kesin sonuca varmak doğru değildir.
Havanın bulutlu olması, insanların giyimleri veya gölgelerin yönü bir tarihle uyumlu görünebilir; fakat bunlar tek başına tarih doğrulaması değildir.
Afet, savaş ve güvenlikle ilgili olaylarda resmî açıklamalar, güvenilir haber kuruluşları ve birbirinden bağımsız kayıtlar karşılaştırılmalıdır.
Aynı görüntünün birçok sitede yayımlanması da bağımsız doğrulama yapıldığı anlamına gelmez. Siteler aynı hatalı kaynaktan yararlanmış olabilir.
6. Teknik kayıtları inceleyin
Bazı dosyalarda üretim geçmişine ilişkin teknik bilgiler bulunabilir.
Örneğin özgün fotoğrafta kamera modeli, çekim zamanı veya kullanılan yazılımlarla ilgili EXIF verileri yer alabilir.
Ancak meta veriler değiştirilebilir, kaldırılabilir veya yanlış oluşturulabilir.
Sosyal medya platformları da dosyalardaki bazı bilgileri otomatik olarak silebilir.
Bu nedenle meta verilerin bulunması tek başına doğruluk kanıtı değildir.
Ayrıca C2PA kapsamında oluşturulmuş Content Credentials kayıtları, SynthID dijital filigranları ve otomatik yapay zekâ tespit araçları farklı türden kanıtlar sunar.
Bir araç dosyanın işlem geçmişini kontrol edebilir. Bir başkası belirli üretim sisteminin filigranını arayabilir. Diğeri ise görüntünün özelliklerine göre istatistiksel bir sınıflandırma yapabilir.
Bu yöntemler birbirinin yerine geçmez.
7. Kanıtları karşılaştırın ve sonucu açıkça ifade edin
Son aşamada elde edilen bütün bilgileri birlikte değerlendirin.
Örneğin özgün paylaşımı bulduğunuzu, içerik üreticisinin videoyu yapay zekâ ile hazırladığını açıkladığını ve teknik kayıtların da bunu desteklediğini düşünelim.
Bu durumda görüntünün sentetik üretimi hakkında güçlü kanıtlar bulunabilir.
Başka bir görüntüde ise yalnızca olağan dışı görünen nesneler vardır. Kaynağa ulaşılamamış ve tarih doğrulanamamış olabilir.
Bu durumda “Kesinlikle yapay zekâ ile oluşturulmuş.” demek doğru değildir.
Daha uygun sonuç “Mevcut kanıtlarla doğrulanamadı.” olabilir.
Doğrulamada yalnızca son karar değil, hangi iddianın hangi kanıtlarla değerlendirildiği de önemlidir.
Bir görüntünün yapay zekâ ile oluşturulduğu doğrulanabilir ancak ona eşlik eden başka iddiaların doğru veya yanlış olduğu ayrıca araştırılmalıdır.
Aynı biçimde gerçek fotoğrafın kaynağı bulunabilir fakat fotoğrafın belirli haberin kanıtı olduğu henüz doğrulanmamış olabilir.
C2PA ve Content Credentials Nedir?
C2PA, açılımıyla Coalition for Content Provenance and Authenticity, dijital içeriklerin kökenine ve işlem geçmişine ilişkin bilgilerin standartlaştırılması amacıyla geliştirilen açık teknik standartlarla ilgilidir.
Bu standartlar kapsamında kullanılan Content Credentials, dijital içerikler için üretim ve düzenleme geçmişine ilişkin doğrulanabilir kayıtlar sağlayabilir.
Örneğin bir görüntünün hangi uygulamada oluşturulduğu, hangi düzenlemelerden geçtiği veya belirli yapay zekâ araçlarının kullanılıp kullanılmadığına ilişkin bilgiler bulunabilir.
Kriptografik imzalar ve ilişkili teknik yöntemler, kayıtların bütünlüğünü kontrol etmeye yardımcı olur.
Ancak burada çok önemli bir ayrım vardır:
Geçerli bir C2PA kaydı, görüntünün anlattığı olayın gerçekten yaşandığını kanıtlamaz.
Kaydın geçerli olması, ilgili üretim geçmişi bilgilerinin belirli teknik koşullarda doğrulanabildiğini gösterir.
Örneğin gerçek bir fotoğrafın hangi uygulamayla düzenlendiğine ilişkin kayıt bulunabilir. Ancak sosyal medyada paylaşıldığı tarih veya yer açıklaması yanlış olabilir.
Benzer biçimde teknik kayıtlar, içeriğin bütün üretim sürecini kapsamıyor olabilir.
C2PA'nın resmî açıklamaları da içerik kökeni bilgilerinin tek başına olgusal doğruluk belirleyemeyeceğini vurgulamaktadır.
Content Credentials kaydı nasıl kontrol edilir?
Content Credentials üzerinden teknolojiye ilişkin açıklamalara ve ilgili doğrulama araçlarına ulaşılabilir.
Uyumlu araçlarda desteklenen dosyalar incelenerek kayıtların bulunup bulunmadığı, hangi kuruluş tarafından imzalandığı ve hangi üretim veya düzenleme bilgilerinin yer aldığı araştırılabilir.
Ancak dosyanın Content Credentials kaydı taşımasıyla kayıtta ileri sürülen bütün gerçek dünya bilgilerinin doğru olması aynı değildir.
C2PA kaydı bulunmayan görüntü sahte midir?
Hayır.
Bütün kameralar, yazılımlar ve paylaşım platformları C2PA kayıtlarını desteklemez.
Gerçek bir fotoğrafın Content Credentials kaydı taşıması zorunlu değildir.
Ayrıca bazı yeniden kaydetme, kırpma veya paylaşım işlemleri gömülü kayıtların kaldırılmasına neden olabilir.
C2PA sistemlerinde kayıtların korunmasını veya yeniden bulunmasını amaçlayan ek teknik yaklaşımlar da bulunmaktadır; ancak bunların her dosyada çalıştığı varsayılamaz.
Dolayısıyla:
Kayıt bulunmaması sahtecilik kanıtı değildir. Kayıt bulunması da görüntünün doğru bağlamda kullanıldığının garantisi değildir.
SynthID Nedir ve Nasıl Çalışır?
SynthID, Google DeepMind tarafından geliştirilen dijital filigran teknolojisidir.
Desteklenen üretken yapay zekâ sistemleri, belirli görsel, video ve ses içeriklerine insan gözüyle fark edilmeyen dijital işaretler yerleştirebilir.
Bu işaretler uyumlu doğrulama sistemleri tarafından araştırılabilir.
Dijital filigran, görüntünün üzerinde görünen “Yapay zekâ ile üretildi” yazısından farklıdır.
İçeriğin verilerine yerleştirilen teknik bir işarettir.
Bazı değişiklikler ve sıkıştırma işlemleri sonrasında da tespit edilebilir. Ancak her koşulda korunması garanti değildir.
Gemini ile SynthID doğrulaması
Google'ın resmî yardım belgelerine göre Gemini'de desteklenen görsel, video ve ses dosyalarının yapay zekâ ile oluşturulup oluşturulmadığı veya düzenlenip düzenlenmediği araştırılabilir.
Kullanıcı desteklenen dosyayı Gemini'ye ekleyerek örneğin şu soruyu sorabilir:
“Bu görüntü Google yapay zekâ araçlarıyla oluşturulmuş veya düzenlenmiş mi?”
Gemini, SynthID üzerinden Google yapay zekâ araçlarına ait işaretleri denetleyebilir.
Ancak bu işlev bütün üretken yapay zekâ sistemlerini kapsayan evrensel bir tespit yöntemi değildir.
Google'ın yardım belgelerinde Gemini'nin SynthID ile tanıyabildiği üretim kapsamının Google yapay zekâ araçlarıyla sınırlı olduğu belirtilmektedir.
SynthID Detector ile Gemini arasındaki fark
Google, 7 Ekim 2026'da yayımlayıp 29 Ekim 2026'da güncellediği açıklamasında ayrı SynthID Detector hizmetinin erişimini genişlettiğini duyurmuştur.
Açıklamaya göre bu hizmet, Google'ın yanı sıra SynthID ortaklarının desteklenen içeriklerinde de filigran arayabilmektedir.
Hizmetin duyurulan kapsamı Gemini içindeki belirli doğrulama işlevinden daha geniştir.
Bu nedenle SynthID teknolojisinin genel kapsamıyla Gemini'nin doğrudan kontrol edebildiği içeriklerin kapsamı birbirine karıştırılmamalıdır.
İlgili teknik bilgiler için Google DeepMind SynthID sayfası incelenebilir.
SynthID bulunmayan görüntü gerçek midir?
Hayır.
İçerik desteklenmeyen bir sistemle hazırlanmış olabilir.
Filigran bulunmayabilir veya yapılan değişiklikler tespiti güçleştirmiş olabilir.
Benzer biçimde filigranın bulunması da görüntüye eşlik eden açıklamanın doğru olduğunu kanıtlamaz.
SynthID belirli üretim ve düzenleme süreçlerine ilişkin teknik işaretleri araştırır. Gerçek dünyadaki olayların doğruluğunu tek başına belirlemez.
Yapay Zekâ Tespit Siteleri Ne Kadar Güvenilir?
İnternette fotoğraf veya videonun yapay zekâ ile oluşturulup oluşturulmadığını değerlendirdiğini ileri süren çeşitli araçlar bulunmaktadır.
Ancak bütün araçlar aynı yöntemle çalışmaz.
Bazıları görüntünün istatistiksel özelliklerini inceler.
Bazıları belirli üretim sistemlerine özgü teknik örüntülere odaklanır.
Bazıları ise dijital filigran veya içerik kökeni kayıtlarını kontrol eder.
ABD Ulusal Standartlar ve Teknoloji Enstitüsünün (NIST) 2024 tarihli Reducing Risks Posed by Synthetic Content raporu, içerik kökeni doğrulama, dijital filigranlama ve otomatik sentetik içerik tespitini birbirinden farklı yaklaşımlar olarak ele almaktadır.
Bu ayrım günlük kullanımda önemlidir.
Örneğin yalnızca bir görüntünün istatistiksel özelliklerinden hareket eden tespit sistemi, daha önce karşılaşmadığı üretken yapay zekâ modellerinin görüntülerinde hata yapabilir.
Kırpma, yeniden boyutlandırma, sıkıştırma ve düzenleme işlemleri de bazı sistemlerin sonuçlarını etkileyebilir.
“%90 yapay zekâ” sonucu kesin kanıt mıdır?
Hayır.
Bir tespit aracının görüntü için “%90 yapay zekâ” sonucu vermesi, görüntünün gerçekten yapay zekâ ile oluşturulmuş olma olasılığının bilimsel olarak %90 olduğu anlamına otomatik olarak gelmez.
Bunun için puanın neyi ölçtüğü ve gerçek olasılıklarla ne ölçüde uyumlu olduğu bilinmelidir.
Örneğin araç, bu değeri kendi sınıflandırma puanı olarak üretiyor olabilir.
Aracın hangi verilerle geliştirildiği, hangi görüntülerde sınandığı ve bağımsız testlerdeki hata oranları önemlidir.
İki tür hata özellikle dikkate alınmalıdır.
Yanlış pozitif: Gerçek fotoğrafın yapay zekâ üretimi olarak sınıflandırılması.
Yanlış negatif: Yapay zekâ ile hazırlanmış görüntünün gerçek olarak sınıflandırılması.
Bu nedenle bir kişiyi sahtecilikle suçlamak, önemli bir haberi yanlış ilan etmek veya hukuki sonuç doğurabilecek kararlar almak için tek bir otomatik tespit sonucuna dayanılmamalıdır.
Teknik araçlar doğrulamayı destekleyebilir; ancak özgün kaynak ve bağımsız kanıt araştırmasının yerine geçmez.
Gerçek Bir Doğrulama Örneği: Pet Şişelerden Ev Yapma Videosu
Görsel doğrulamanın nasıl yapılabileceğini anlamak için Teyit'in 7 Ocak 2026'da yayımladığı incelemeye bakalım.
İncelenen videoda pet şişeler kullanılarak ev inşa edildiği görülmektedir.
Görüntüdeki bazı ayrıntılar olağan dışıdır.
Örneğin malzemelerin birbirinin içinden geçmesi, nesnelerin gerçekçi olmayan biçimde değişmesi ve inşaat sürecinin fiziksel tutarsızlıklar içermesi, yapay zekâ üretimi olasılığı hakkında şüphe oluşturmuştur.
Ancak doğrulama yalnızca bu ayrıntılara dayandırılmamıştır.
Tersine görsel arama sonucunda videonun 3 Ocak 2025'te TikTok'ta yayımlandığı belirlenmiştir.
İçeriği paylaşan hesabın profilinde yapay zekâ içerik üreticisi olduğu belirtilmiştir.
Ayrıca içerik üreticisinin görüntülerin yapay zekâ ile oluşturulduğunu doğruladığı açıklamaya ulaşılmıştır.
Böylece üç farklı kanıt türü değerlendirilmiştir:
Görüntüdeki fiziksel tutarsızlıklar.
Paylaşımın geçmişi ve üretici hesabı.
İçerik üreticisinin açıklaması.
Teyit, bu kanıtlardan hareketle gerçek bir yapım sürecini gösterdiği ileri sürülen videoyu yanlış olarak değerlendirmiştir.
Bu örnek, etkili görsel doğrulamanın yalnızca görüntüdeki hataları aramakla sınırlı olmadığını göstermektedir.
Görüntüdeki bozukluklar şüphe oluşturabilir. Ancak kaynak araştırması ve bağımsız bilgiler, değerlendirmeyi daha güçlü hâle getirir.
Yapay Zekâ ile Oluşturulan Her Görüntü Yanlış Bilgi midir?
Hayır.
Yapay zekâ ile görsel oluşturmak, kendiliğinden yanlış bilgi üretmek değildir.
Bu teknolojiler sanat, eğitim, tasarım, mimari görselleştirme, bilimsel iletişim ve yaratıcı anlatım gibi alanlarda kullanılabilir.
Örneğin tarihsel bir yapının geçmişteki görünümünü temsil eden canlandırma hazırlanabilir.
Bir bilimsel kavramı açıklamak için görsel oluşturulabilir.
Bir öykü için gerçekte bulunmayan kişiler ve mekânlar tasarlanabilir.
Bu tür kullanımların yanıltıcı olması zorunlu değildir.
Önemli olan içeriğin niteliğinin doğru açıklanmasıdır.
Bir savaşın yapay zekâ ile hazırlanmış canlandırması, o döneme ait özgün arşiv görüntüsü olarak sunulmamalıdır.
Bir afet hakkında hazırlanmış temsili görüntü, belirli bölgede çekilmiş gerçek fotoğraf gibi gösterilmemelidir.
Buna karşılık sentetik olduğu açıkça belirtilen bir canlandırma uygun bağlamda anlatımı destekleyebilir.
Ancak yapay zekâ ile oluşturulduğunun belirtilmesi, görüntüdeki bütün tarihsel veya bilimsel ayrıntıların doğru olduğu anlamına gelmez.
Temsili içeriklerin de gerçek bilgilerle uyumlu olması gerekir.
Yapay zekâ ile üretilmiş olması görüntüyü kendiliğinden yanlış yapmaz. Gerçek kamera kaydı olması da onu otomatik olarak güvenilir kanıt hâline getirmez.
Yapay Zekâ Görselleri Neden Kolayca İkna Edici Olabilir?
Görüntüler anlatılan olayları somutlaştırır.
Bir afetin sonuçlarını okumakla yıkılmış binaların görüntülerini izlemek aynı deneyim değildir.
Özellikle afet, savaş, şiddet ve çocuk güvenliğiyle ilgili görüntüler korku, üzüntü, öfke veya yardım etme isteği oluşturabilir.
Ancak bir görüntünün güçlü duygusal tepki uyandırması, onun gerçek olduğunu kanıtlamaz.
Örneğin afet bölgesinde yalnız kaldığı ileri sürülen bir çocuğun fotoğrafı, izleyen kişide yoğun üzüntü oluşturabilir.
Fakat fotoğrafın belirtilen yerde ve tarihte çekilip çekilmediği, kimin tarafından yayımlandığı ve yapay zekâ ile hazırlanıp hazırlanmadığı ayrıca araştırılmalıdır.
Burada başka bir sorun da bulunmaktadır.
Yapay zekâ ile hazırlanmış gerçekçi görüntülerin yaygınlaşması, bazı insanların gerçek fotoğraf ve videolara yönelik şüphelerini artırabilir.
Bu durum gerçek bir görüntünün yeterli kanıt bulunmadan “Yapay zekâ ile yapılmış.” denilerek reddedilmesine yol açabilir.
Dolayısıyla dijital okuryazarlık yalnızca sahte içerikleri tespit etmeye çalışmak değildir.
Gerçek içerikleri de kanıt olmadan sahte ilan etmekten kaçınmayı gerektirir.
Deepfake İçerikler Hangi Güvenlik Risklerini Oluşturur?
Yapay zekâ ile oluşturulan veya değiştirilen görüntü ve sesler farklı amaçlarla kullanılabilir.
Meşru uygulamaların yanında kimlik taklidi, dolandırıcılık, tehdit, şantaj ve kişilik haklarını ihlal eden kullanımlar da bulunmaktadır.
Örneğin bir kurum yöneticisinin sesi taklit edilerek çalışanlardan beklenmedik para transferi yapmaları istenebilir.
Bir kişinin görüntüsü izni olmadan belirli ürünün reklamında kullanılabilir.
Başka bir kişinin fotoğrafı, gerçekte gerçekleştirmediği davranışı yapmış gibi gösteren görüntüye dönüştürülebilir.
Cumhurbaşkanlığı İletişim Başkanlığı, 18 Mart 2026 tarihli açıklamasında tanıdık kişilerden veya kamu kurumlarından geliyormuş izlenimi verilen, yapay zekâ destekli içerikler barındıran dolandırıcılık girişimlerine karşı uyarıda bulunmuştur.
Bu gibi durumlarda temel güvenlik ilkesi açıktır:
Beklenmedik para transferi, şifre, doğrulama kodu veya kişisel bilgi talebini yalnızca tanıdık ses ya da görüntüye dayanarak kabul etmeyin.
Talebi, mesajda verilen bağlantı veya numaradan bağımsız olarak, önceden bildiğiniz güvenilir iletişim kanalından doğrulayın.
Bu yöntem, bir içeriğin deepfake olup olmadığını teknik olarak belirleyemediğiniz durumlarda da korunmanıza yardımcı olabilir.
Rıza dışında hazırlanan mahrem görüntüler
Bir kişinin fotoğraflarından veya sesinden yararlanılarak izni olmadan sentetik içerik hazırlanması, ciddi mahremiyet ve kişilik hakkı ihlallerine neden olabilir.
Özellikle rıza dışında üretilen cinsel içerikli görüntüler tehdit, şantaj veya itibarsızlaştırma amacıyla kullanılabilir.
Bu tür durumlarda kişinin güvenliği ve mahremiyetinin korunması önceliklidir.
İçeriğin doğrulanması için görüntülerin gereksiz biçimde başkalarına gönderilmesi veya sosyal medyada yeniden paylaşılması, zararı büyütebilir.
Uygun hukuki başvuru ve destek mekanizmalarından yararlanılmalıdır.
Özellikle çocukların cinsel istismarını içeren veya böyle bir istismar izlenimi oluşturan materyaller yeniden dağıtılmamalı, inceleme amacıyla çoğaltılmamalı ve yetkili mercilere güvenli biçimde bildirilmelidir.
Teknik doğrulama ihtiyacı, insanların güvenliğini ve haklarını koruma sorumluluğunun önüne geçmemelidir.
Görsel Doğrulama Yaparken Kişisel Verilerimizi Nasıl Koruyabiliriz?
Bir fotoğrafı veya videoyu üçüncü taraf internet sitesine yüklemek, dosyanın ilgili hizmetle paylaşılması anlamına gelebilir.
Bu nedenle bir doğrulama aracını seçerken teknik özelliklerinin yanında veri işleme koşullarını da incelemek gerekir.
Özellikle çocukların fotoğrafları, sağlık belgeleri, kimlik kayıtları, özel aile görüntüleri ve kişilerin mahrem yaşamına ilişkin içerikler rastgele tespit sitelerine yüklenmemelidir.
Bir hizmetin hangi bilgileri topladığı, ne kadar süre sakladığı, kimlerle paylaşabildiği ve kullanıcıya hangi kontrol olanaklarını sunduğu değerlendirilmelidir.
Ayrıca fotoğrafın üzerinde görünmeyen teknik bilgiler de bulunabilir.
Özgün dosyada çekim zamanı, cihaz bilgileri veya konumla ilgili meta veriler yer alabilir.
Bu nedenle dosyayı yüklemeden önce hangi bilgilerin paylaşılacağını bilmek önemlidir.
Her doğrulama işlemi dosya yüklemeyi gerektirmez.
Herkese açık haber görüntülerinde önce kaynak bağlantısı, özgün paylaşım ve yayımlanmış bağımsız doğrulamalar incelenebilir.
Mahrem içeriklerde ise genel erişimli tespit siteleri yerine güvenli ve yetkili kanallardan destek alınmalıdır.
Çocuklara ve Öğrencilere Görsel Doğrulama Nasıl Öğretilebilir?
Yapay zekâ görüntülerini değerlendirmek, dijital ve medya okuryazarlığı eğitiminin önemli bir konusudur.
Ancak öğrencilere yalnızca parmak, gölge veya yüz hatalarındaki bozuklukları aramayı öğretmek yeterli değildir.
Daha önemli olan, görüntünün neyi kanıtlamak için kullanıldığını ve bu iddianın hangi bilgilerle doğrulanabileceğini anlamalarını sağlamaktır.
Etkinlik 1: Aynı fotoğraf, iki farklı açıklama
Öğretmen, güvenli ve yaşa uygun gerçek bir fotoğraf seçebilir.
Fotoğrafı iki farklı açıklamayla sunabilir.
Birinci açıklamada görüntünün gerçek yeri ve tarihi belirtilir.
İkinci açıklamada ise aynı fotoğraf için yanlış bir yer veya tarih kullanılır.
Öğrencilerden hangi açıklamanın doğru olduğunu belirlemek için hangi bilgilere ihtiyaç duyacaklarını tartışmaları istenir.
Ardından özgün kaynak, yayımlanma tarihi ve bağımsız kayıtlar birlikte incelenir.
Bu etkinlik, görüntünün gerçek olmasının yanında yer alan açıklamayı otomatik olarak doğrulamadığını anlamaya yardımcı olabilir.
Etkinlik 2: Gerçek fotoğraf ve yapay zekâ canlandırması
İkinci etkinlikte gerçek fotoğrafla yapay zekâ ile oluşturulduğu bilinen güvenli bir görsel kullanılabilir.
Öğrencilerden önce yalnızca görüntülere bakarak değerlendirme yapmaları istenir.
Ardından iki içeriğin üretim kaynakları, açıklamaları ve varsa teknik kayıtları incelenir.
Böylece ilk tahminlerle doğrulanabilir kanıtların farkı tartışılır.
Etkinliğin amacı öğrencilerin her yapay zekâ görüntüsünü gözle tanımasını sağlamak değildir.
Amaç, araştırma ve doğrulama gerektiren durumlarda uygun soruları sorabilmelerini desteklemektir.
Bu etkinliklerin öğrenme üzerindeki etkililiği, uygun değerlendirme yöntemleri kullanılmadan bilimsel olarak kanıtlanmış kabul edilmemelidir.
Eğitim ortamlarında gerçek kişilerin mahrem fotoğrafları, çocuk istismarı içerikleri veya ağır şiddet görüntüleri kullanılmamalıdır.
Kesin Sonuca Ulaşamıyorsak Ne Yapmalıyız?
Her görüntünün özgün kaynağı bulunamayabilir.
Bazı dosyaların ilk sürümlerine ulaşılamayabilir. Videonun çekildiği yer belirlenemeyebilir. Teknik kayıtlar eksik olabilir veya kaynaklar arasında çelişkiler bulunabilir.
Bu gibi durumlarda kesin bir karar vermek zorunlu değildir.
Doğrulama sürecinin güvenilirliği, belirsizliğin doğru ifade edilmesini de gerektirir.
Ulaşılan sonuçlar üç temel biçimde belirtilebilir.
Doğrulandı: İncelenen belirli iddiayı destekleyen yeterli ve güvenilir kanıt bulunmaktadır.
Yanlışlandı: İncelenen belirli iddianın yanlış olduğunu gösteren yeterli ve güvenilir kanıt bulunmaktadır.
Doğrulanamadı: Mevcut bilgiler, iddia hakkında güvenilir bir sonuca ulaşmak için yeterli değildir.
Bu değerlendirmelerin her biri belirli iddiaya ilişkindir.
Örneğin bir görüntünün yapay zekâ ile oluşturulduğu doğrulanabilir. Ancak görüntüye eşlik eden bütün açıklamaların da yanlış olduğu otomatik olarak söylenemez.
Benzer biçimde fotoğrafın gerçek kaynağı doğrulanabilir ancak belirli haberi kanıtladığı iddiası doğrulanamayabilir.
Bu nedenle “Doğrulandı.” ifadesi kullanıldığında tam olarak neyin doğrulandığı açıklanmalıdır.
Bir iddiayı doğrulayamamak, onun yanlışlandığı anlamına gelmez.
Belirsizliği kabul etmek, kanıtların sınırlarını doğru değerlendirebilmenin parçasıdır.
Yapay Zekâ Görselleri Hakkında Sık Sorulan Sorular
Yapay zekâ ile üretilen fotoğraflar nasıl anlaşılır?
Görsel tutarsızlıklar şüphe oluşturabilir ancak kesin kanıt değildir. Özgün kaynak, paylaşım geçmişi, tersine görsel arama sonuçları ve bağımsız doğrulamalar incelenmelidir. Desteklenen dosyalarda içerik kökeni kayıtları ve dijital filigranlar yardımcı olabilir.
Parmaklar düzgünse fotoğraf gerçek midir?
Hayır. Yapay zekâ sistemleri gerçekçi el ve parmak görüntüleri oluşturabilir. Gerçek fotoğraflar da hareket bulanıklığı veya görüntü sıkıştırma nedeniyle olağan dışı görünebilir.
Deepfake videoları gözle anlamak mümkün mü?
Bazı videolarda yüz, ışık veya sesle ilgili tutarsızlıklar bulunabilir. Ancak gelişmiş içeriklerde bu işaretler görülmeyebilir. Özgün kayıt ve bağımsız kanıt araştırması önemlidir.
Yapay zekâ tespit siteleri yüzde yüz doğru sonuç verir mi?
Hayır. Bütün üretim modelleri, görüntü türleri ve düzenleme koşullarında geçerli evrensel bir doğruluk garantisi yoktur. Tespit sonuçları aracın test koşulları ve hata oranları çerçevesinde değerlendirilmelidir.
C2PA kaydı bulunmayan fotoğraf sahte midir?
Hayır. Bütün görüntüler Content Credentials kaydı taşımaz. Bazı paylaşım ve düzenleme işlemleri kayıtların kaldırılmasına yol açabilir.
SynthID bulunmayan görüntü gerçek midir?
Hayır. İçerik desteklenmeyen yapay zekâ sistemiyle oluşturulmuş olabilir veya filigran tespit edilemiyor olabilir.
Tersine görsel aramada sonuç bulunmuyorsa fotoğraf yeni midir?
Böyle bir sonuca varılamaz. Görüntü arama motorlarınca indekslenmemiş veya erişilemeyen kaynakta paylaşılmış olabilir.
Yapay zekâ ile hazırlanmış görseller eğitimde kullanılabilir mi?
Evet. Ancak sentetik veya temsili nitelikleri açıklanmalı; bilimsel ve tarihsel doğruluk, telif hakları ve kişisel verilerin korunması gözetilmelidir.
Gerçek video yanlışlıkla yapay zekâ ürünü olarak değerlendirilebilir mi?
Evet. İnsanların değerlendirmeleri ve otomatik tespit araçları hata yapabilir. Gerçek görüntüyü sahte ilan etmek de güvenilir kanıt gerektirir.
Görüntü yapay zekâ ile hazırlanmışsa haberin tamamı yanlış mıdır?
Hayır. Görüntü temsili amaçla hazırlanmış olabilir. Haberdeki olgusal iddiaların doğruluğu ayrıca değerlendirilmelidir.
Sahte sesle dolandırıcılıktan nasıl korunabiliriz?
Beklenmedik para transferi, şifre veya kişisel bilgi taleplerini yalnızca tanıdık sese dayanarak kabul etmeyin. İlgili kişi veya kuruma önceden bildiğiniz bağımsız iletişim kanalından ulaşarak doğrulayın.
Sonuç
Yapay zekâ ile üretilen görsel ve videoların giderek daha gerçekçi hâle gelmesi, dijital içerikleri değerlendirme biçimimizi değiştirmektedir.
Ancak bu durum artık hiçbir fotoğraf veya videoya güvenilemeyeceği anlamına gelmez.
Asıl ihtiyaç, bir görüntünün inandırıcılığıyla kanıt değerini birbirinden ayırabilmektir.
Bilimsel araştırmalar, insanların gerçek ve yapay zekâ üretimi görüntüleri yalnızca görsel özelliklerinden hareketle her zaman güvenilir biçimde ayırt edemediğini göstermektedir.
Teknik doğrulama araçlarının da sınırlılıkları vardır.
C2PA kayıtları içeriklerin kökeni ve işlem geçmişi hakkında doğrulanabilir bilgiler sunabilir.
SynthID gibi dijital filigranlar desteklenen üretim sistemlerinin kullanımına ilişkin teknik işaretler sağlayabilir.
Otomatik tespit sistemleri ise belirli koşullarda görüntünün sentetik üretim özellikleri taşıyıp taşımadığına ilişkin değerlendirmeler üretebilir.
Ancak bu yöntemlerin hiçbiri, görüntünün gerçek dünyadaki bir olayı doğru biçimde anlattığını tek başına kanıtlamaz.
Bu nedenle güvenilir doğrulama; özgün kaynak, paylaşım geçmişi, üretim biçimi, tarih, konum ve bağımsız kanıtların birlikte incelenmesini gerektirir.
Ayrıca yapay zekâ ile oluşturulmuş her içeriği yanlış bilgi veya gerçek kamera kaydını kesin doğruluk kanıtı olarak kabul etmekten kaçınmalıyız.
Görüntüler doğru kullanıldığında eğitimi, bilimsel iletişimi ve yaratıcılığı destekleyebilir. Yanıltıcı bağlamlarda kullanıldığında ise yanlış bilgilendirmeye, dolandırıcılığa ve kişilik hakkı ihlallerine aracılık edebilir.
Bu nedenle bir görüntüyle karşılaştığımızda yalnızca “Gerçek mi?” sorusunu sormak yeterli değildir.
“Bu görüntü nereden geliyor, nasıl oluşturulmuş, neyi gösteriyor ve ona eşlik eden iddiaya güvenmek için yeterli kanıt bulunuyor mu?”
Dijital okuryazarlığın temelinde bütün görüntülere inanmak veya her görüntüyü sahte kabul etmek bulunmaz.
Daha güvenilir yaklaşım; kaynağı araştırmak, kanıtları karşılaştırmak, teknik araçların sınırlarını bilmek, belirsizliği açıkça ifade etmek ve doğrulanmamış iddiaları kesin gerçek gibi yaymamaktır.
Kaynakça
Brooks, C. (2026, 5 Mayıs). How to verify images and videos. House of Commons Library. https://commonslibrary.parliament.uk/research-briefings/cbp-10816/
Chandra, B., Dunietz, J., Roberts, K., Lee, Y., Fontana, P., & Awad, G. (2024). Reducing risks posed by synthetic content: An overview of technical approaches to digital content transparency (NIST AI 100-4). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.100-4
Coalition for Content Provenance and Authenticity. (t.y.). C2PA and Content Credentials explainer. https://spec.c2pa.org/specifications/specifications/2.2/explainer/Explainer.html
Google. (t.y.). Verify AI-generated images, videos, and audio. Gemini Apps Help. https://support.google.com/gemini/answer/16722517
Google DeepMind. (2026, 7 Ekim; 29 Ekim'de güncellendi). We're making it easier to identify AI-generated content globally. https://blog.google/innovation-and-ai/models-and-research/google-deepmind/synth-id-ai-content/
Google DeepMind. (t.y.). SynthID. https://deepmind.google/models/synthid/
Hove, M. F., Hjorth, F., Golovchenko, Y., Adler-Nissen, R., Bechmann, A., van Dalen, A., Hobolt, S. B., & de Vreese, C. (2026). Seeing is believing? Most people struggle to detect AI-generated images. Social Media + Society, 12(4). https://doi.org/10.1177/20563051261483376
T.C. Cumhurbaşkanlığı İletişim Başkanlığı. (2023, 4 Kasım). Sahte reklam filmleri ve kısa mesaj dolandırıcılıkları hakkında açıklama. https://www.iletisim.gov.tr/turkce/Haberler/detay/cumhurbaskani-erdoganin-goruntulerinin-kullanildigi-sahte-reklam-filmi-hakkinda-aciklama
T.C. Cumhurbaşkanlığı İletişim Başkanlığı. (2026, 18 Mart). Yapay zekâ destekli dolandırıcılık girişimlerine ilişkin bilgilendirme. https://www.iletisim.gov.tr/turkce/haberler/detay/yapay-zeka-destekli-dolandiricilik-girisimlerine-iliskin-bilgilendirme
Temiz, D. (2026, 7 Ocak). Pet şişelerden ev yapma videosu gerçek mi? Teyit. https://teyit.org/analiz/pet-siselerden-ev-yapma-videosu-gercek-mi
Teyit. (2024, 13 Mayıs). Tersine görsel arama nedir? https://teyit.org/teyitpedia/teyit-sozluk-tersine-gorsel-arama-nedir
InVID Project. (t.y.). InVID Verification Plugin. https://www.invid-project.eu/tools-and-services/invid-verification-plugin/
Araştırma ve Yayın Açıklaması
Bu yazı; yapay zekâ ile üretilen görüntülerin değerlendirilmesine ilişkin hakemli bilimsel araştırmalar, NIST'in teknik raporu, C2PA standartları, Google'ın resmî belgeleri, kamu kurumlarının açıklamaları ve bağımsız doğrulama çalışmalarından yararlanılarak hazırlanmış bir dijital okuryazarlık rehberidir.
Kaynakların erişilebilen yayın bilgileri, teknik kapsamları ve başlıca bulguları kontrol edilmiştir. Yazı bağımsız bir deneysel araştırma, sistematik derleme veya adli görüntü incelemesi değildir. Yedi aşamalı doğrulama yöntemi, araştırma ve teknik rehberlerden hareketle hazırlanmış editöryal bir uygulama düzenidir; bağımsız olarak geçerliği kanıtlanmış otomatik tespit sistemi değildir.
Araştırma, bilimsel değerlendirme ve editöryal düzenleme süreçlerinde ChatGPT (OpenAI) desteğinden yararlanılmıştır. Bağımsız uzman hakem değerlendirmesi yapılmamıştır.
Hazırlayan: Psikolojik Danışman Ahmet Usta

Hiç yorum yok:
Yorum Gönder
Yazıya ilişkin sorularınızı, gerekçeli eleştirilerinizi ve düzeltme önerilerinizi paylaşabilirsiniz. Lütfen kendinize veya başkalarına ait sağlık, öğrenci, iletişim ve kimlik bilgilerini yazmayınız. Bu alan bireysel psikolojik değerlendirme veya acil yardım hizmeti değildir. Hakaret, tehdit, ayrımcılık, izinsiz kişisel bilgi ve yanıltıcı sağlık önerileri içeren yorumlar yayımlanmaz. Görüş ayrılığı tek başına yorum kaldırma gerekçesi değildir.