gülşen bubikoğlu

Gülşen Bubikoğlu'nun Dijital İkizi: Yapay Zeka Çağında Bir Yeşilçam Efsanesi

Günümüzde yapay zeka teknolojileri, geçmişin kültürel simgelerini yeniden şekillendiriyor. Gülşen Bubikoğlu, 70'li yılların unutulmaz yüzlerinden biri olarak bugün dijital platformlarda beklenmedik bir ikinci hayat yaşıyor. Peki bu dönüşüm, sadece nostaljik bir restorasyon mu yoksa derin bir etik ve teknik sorunlar zincirinin başlangıcı mı? Gülşen Bubikoğlu'nun yapay zeka tarafından üretilen görüntüleri, deepfake etiği ve dijital kimlik güvenliği tartışmalarını yeniden alevlendiriyor. Bu yazıda, bir sinema oyuncusunun imajının modern yapay zeka modelleriyle nasıl manipüle edildiğini, tespit sistemlerinin teknik altyapısını ve platform politikalarının yetersizliğini ele alacağız.

Gülşen Bubikoğlu örneği, yalnızca bir ünlü vakası değil; eski film arşivlerinin, düşük çözünürlüklü görüntülerin ve rıza dışı kullanımın teknik zorluklarını da gün yüzüne çıkarıyor. Bir mühendis olarak şunu rahatlıkla söyleyebilirim: Herhangi bir yapay zeka modeli, bir kişinin yüzünü başarılı şekilde sentezlemek için yeterli veriye sahip olduğunda, ortaya çıkan içeriklerin kötüye kullanımını engellemek neredeyse imkânsız hale geliyor. Bu yazıda, Gülşen Bubikoğlu'nun dijital ikizinin arkasındaki teknolojiyi, tespit yöntemlerini ve yasal boşlukları detaylandıracağız.

Gülşen Bubikoğlu ve Yapay Zeka: Bir Veri Kaynağı Olarak Yeşilçam

Gülşen Bubikoğlu'nun filmografisi, 30'dan fazla uzun metrajlı filmden oluşuyor. Bu filmlerin her biri, yapay zeka modelleri için altın değerinde bir veri kaynağı. Bir Generative Adversarial Network (GAN) modelini eğitmek için genellikle bir kişinin 500 ila 10. And 000 arası farklı yüz görüntüsü gerekirYeşilçam filmlerinde ise her sahne, farklı aydınlatma, açı ve ifadeyle birlikte oyuncunun yüzünü kaydetmiş durumda. 2023 yılında StyleGAN3 tabanlı bir çalışmada, eski film karelerinden yüksek kaliteli yüz sentezlemenin mümkün olduğu gösterildi.

Ancak burada bir teknik engel var: 70'lerde çekilen filmlerin çözünürlüğü genellikle 480p veya daha düşük, renk paleti ise sınırlı. Bir mühendislik problemi olarak, düşük çözünürlüklü veriden yüksek kaliteli sentez üretmek, süper çözünürlük (super-resolution) katmanları gerektiriyor. Örneğin, ESRGAN veya SwinIR gibi modeller, 128x128 piksel bir yüzü 512x512 piksele çıkarabilir, ancak bu işlem orijinal veride olmayan detayları hayal etmek anlamına geliyor. Yani Gülşen Bubikoğlu'nun dijital bir kopyası, aslında yapay zekanın tahmin ettiği bir "hayal" oluyor.

Deepfake Tespitinde Kullanılan Teknik Yöntemler ve Sınırları

Deepfake tespiti, özellikle düşük kaliteli kaynaklardan üretilen sentetik görüntüler için hâlâ büyük bir meydan okuma. Günümüzdeki tespit sistemleri genellikle evrişimli sinir ağları (CNN) ve frekans alanı analizine dayanır. Örneğin, Oxford Üniversitesi'nin geliştirdiği bir model, yüz görüntülerindeki piksel düzeyindeki tutarsızlıkları (örneğin, göz kırpma hızının gerçekçi olmaması) tespit ediyor.

Ancak Gülşen Bubikoğlu gibi eski oyuncuların kullanıldığı deepfake'lerde, orijinal film görüntülerinin düşük kalitesi tespiti zorlaştırıyor. Sensity ai tarafından 2024 yılında yayımlanan bir rapora göre, 480p kaynaktan eğitilen modeller, 1080p kaynaklara göre %23 daha başarısız tespit ediliyor. Bunun nedeni, düşük çözünürlüğün doğal olarak frekans bilgisini kaybetmesi ve tespit modellerinin ayırt edici öznitelikleri (örneğin, yeniden örnekleme artefaktları) görememesidir.

Platform Politikaları: YouTube, TikTok ve Instagram'ın Algoritmik Kör Noktaları

Büyük sosyal medya platformları, deepfake içerikleri tespit etmek için otomatik sistemler kullanıyor. YouTube, 2023 yılında "sentetik medya etiketi" zorunluluğu getirdi. TikTok ise yapay zeka ile oluşturulmuş içerikleri etiketleme politikasını 2024'te güncelledi. Ancak Gülşen Bubikoğlu gibi Türk oyuncuların içerikleri, bu platformların eğitim veri setlerinde yeterince temsil edilmediği için tespit başarısı düşük kalıyor.

Bir mühendislik perspektifinden bakıldığında, platformların kullandığı tespit modelleri genellikle İngilizce konuşan batılı ünlülerle eğitilmiş durumda. Transfer öğrenmesi (transfer learning) yapılmadığında, model Gülşen Bubikoğlu'nun daha farklı yüz yapısını, makyaj stilini ve film estetiğini tanıyamıyor. Bu durum, küresel ölçekte bir veri çeşitliliği sorununa işaret ediyor. Bu konuda daha önce yazdığımız platform politika analizinde benzer bir örneği Tom Cruise deepfake'leri üzerinden incelemiştik.

Telif Hakkı ve Kişisel Verilerin Korunması: KVKK ve Deepfake Gerilimi

Türkiye'de Kişisel