Gazeteciler için Yapay Zeka Tarafından Oluşturulan İçeriği Tespit Etme Rehberi!

Sinyal-gürültü oranının bire yaklaştığı bir noktaya yaklaşıyoruz; yani yanlış bilginin hızı gerçek bilginin hızına yaklaştıkça, neyin gerçek olduğunu anlamak neredeyse imkansız hale geliyor . Bu kılavuz, gazetecilere son teslim tarihi baskısı altında yapay zeka tarafından üretilen içeriği nasıl tespit edeceklerini öğretiyor ve her muhabirin ustalaşması gereken yedi gelişmiş tespit kategorisi sunuyor.

Haber merkezlerinin yanlış bilgiyle mücadelesine yardımcı olan biri olarak, beni geceleri uyutmayan şey şu:  Geleneksel bilgi kontrolü saatler hatta günler sürüyor. Yapay zeka ile yanlış bilgi üretimi ise dakikalar alıyor.

Video yoluyla yanlış bilgilendirme, modern yapay zeka teknolojisinden onlarca yıl önce ortaya çıktı yani çok eski bir olgu! İlk kayıt  cihazlarının temel teknik sınırlamalarına rağmen, yıkıcı yanlış izlenimler yaratabiliyordu. 2003 yılında dadı Claudia Muro, düşük hıza sahip bir güvenlik kamerasının nazik hareketleri bile şiddet içeren görüntüler gibi göstermesi ve kimsenin görüntüleri doğrulamayı düşünmemesi nedeniyle 29 ay hapis yattı. Ocak 2025’te, Birleşik Krallık’ta öğretmenlik yapan Cheryl Bennett, ırkçı ifadeler kullandığını gösteren sahte bir videonun yayınlanmasının ardından saklanmak zorunda kaldı.

Papa I. Francis’in beyaz Balenciaga şişme montlu bu viral görüntüsü, Midjourney’nin metinden görsele dönüştürme özelliği kullanılarak yapay zeka tarafından oluşturulduğu ortaya çıkmadan önce sosyal medyada milyonlarca kişiyi kandırmıştı. Başlıca ipucu, göğsünde asılı şekilde havada duran haç ve zincirin yarısının olmaması, yerine beyaz şişme mont görüyor olmamızdı. Görüntünün yaratıcısı Pablo Xavier, BuzzFeed News’e şunları söyledi : “Papa’yı komik bir ceket içinde görmek bana komik geldi.”

Bazen “en etkili sahteler” yapay zekaya hiç ihtiyaç duymaz. Mayıs 2019’da,  Temsilciler Meclisi Başkanı Nancy Pelosi’nin bir videosu kendisinin sarhoş gibi görünmesi için  %75’e yavaşlatılıp ses tonu değiştirilmişti. Kasım 2018’de Beyaz Saray, CNN muhabiri Jim Acosta’nın Beyaz Saray stajyeriyle etkileşiminin hızlandırılmış bir versiyonunu paylaşmıştı  ve Acosta’nın kol hareketi gerçekte olduğundan daha agresif görünmüştü.

Geçtiğimiz Mayıs ayında bir öğlen yemeğinde sadece 28 dakikada haber spikerleri, öfkeli vatandaşlar, protesto görüntüleri ve bir kurgu ürünü  belediye başkanının da içinde olduğu tamamen sahte bir siyasi skandal yarattım. Peki toplam maliyeti ne oldu bana? Sekiz dolar, yirmi sekiz dakika! Yoğun son dakika odaklı çalışan editörleri  kandırabilecek, tamamen uydurma bir siyasi krizdi bu!

Geçenlerde tecrübeli bir teyitçinin 6 parmaklı gösterilen bir elin beş  parmaklı bir el olduğunu teyitlemesi ve “gerçek ilan” etmesini izledim. Bununla gurur duyduğunu gördüm. Ama artık böylesi çözümlerin yerinde yeller esiyor!

Yapay zekanın acımasız gerçeği şu: Bizi güvende hissettiren yöntemler gözlerimizin önünde buharlaşıyor. Yapay zeka görüntü oluşturucularının ilk geliştirme aşamalarında, fazladan parmaklar veya kaynaşmış parmaklar gibi kötü çizilmiş eller yaygındı ve genellikle yapay zekayla oluşturulan görüntüleri tespit etmek için kullanılıyordu. 2023 tarihli ” Trump tutuklaması ” görüntüleri gibi viral sahtekarlıklar, bu bariz el hatalarıyla kısmen ifşa edildi. Ancak 2025 yılına gelindiğinde Midjourney ve DALL-E gibi önemli yapay zeka modelleri anatomik olarak doğru elleri oluşturmada önemli ölçüde gelişti. Sonuç olarak, eller artık yapay zeka tarafından oluşturulan görüntüleri tespit etmenin güvenilir bir yolu değil ve yapay zeka sanatını tespit etmeye çalışanlar, yapay zeka tarafından oluşturulan içeriği tespit etmek için daha incelikli işaretler aramak zorunda kalıyor.

Metin işleme devrimi daha da hızlı gerçekleşti. Yapay zeka protesto pankartları bir zamanlar “ÇILGINLIĞI SAKLAYIN” ve “SÜREKLİ ZAMAN BOŞ” gibi bozuk mesajlar gösterirken, mevcut modellerin bazıları kusursuz tipografi üretiyor. OpenAI, DALL-E 3’ü metin doğruluğu konusunda özel olarak eğitirken, Midjourney V6 “doğru metin”i pazarlanabilir bir özellik olarak sunuyor. Bir zamanlar güvenilir bir tespit yöntemi olan bu yöntem artık nadiren işe yarıyor.

Bir zamanlar yapay zeka yüzlerini ayırt eden hizasız kulaklar, doğal olmayan asimetrik gözler ve boyalı dişler giderek nadirleşiyor. 2023 yılının Ocak ayında oluşturulan portre görüntüleri sürekli olarak tespit edilebilir hatalar gösteriyordu. Bugün aynı uyarılar, inandırıcı yüzler üretiyor.

Bu durum, haber merkezleri için temel bir tehlike teşkil ediyor. 2023 tespit yöntemleri konusunda eğitim almış bir gazeteci, sahte bir özgüven geliştirebilir ve bariz yapay zeka içeriklerini, sırf güncelliğini yitirmiş testlerden geçtiği için gerçek olarak ilan edebilir. Bu yersiz kesinlik, dürüst bir belirsizlikten daha tehlikeli!

Görüntü Fısıldayıcısı

Bu makaleye ek olarak yapay zeka içerikleri için bir doğrulama asistanı geliştirip geliştiremeyeceğimi merak etmeye başladım. Uzmanlara e-posta göndermeye başladım. Bilim insanları beni hiç beklemediğim fizik alanlarına götürdüler: Fourier dönüşümleri, sinir ağlarının kuantum mekaniği, insan gözüyle görülemeyen matematiksel imzalar. Bir fizikçi, yapay zeka eserlerinin sadece görsel hatalar barındırmadığını ayrıca frekans alanı parmak izleri olduğunu da açıkladı.

Ama sonra gerçekle yüzleştik: “Kendi aracınızı kendiniz yapmayın ” diye uyardı bir uzman. “Muazzam bir bilgi işlem gücüne ve doktora seviyesinde ekiplere ihtiyacınız olacak. Bu altyapı olmadan, feci şekilde başarısız olursunuz.”

İşte o zaman anladım. Neden yapay zekaya karşı yapay zekayla ama farklı bir şekilde mücadele etmiyoruz? diye! Milyar dolarlık tespit sistemlerini yeniden yaratmak yerine, ağır işleri halletmek için mevcut yapay zeka altyapısını kullanırdım çünkü.

Image Whisperer (başlangıçta Detectai.live adıyla biliniyordu) bu anlayıştan doğdu. Araç, Google Vision işlemeyle paralel olarak büyük dil modeli analizi yürütüyor ve bu uzmanların bana öğrettiği fizik prensiplerini uygularken mevcut hesaplama gücünden de yararlanıyor. En önemlisi, çoğu yapay zeka aracının aksine, bir şeyi bilmediğinde tahmin etmek yerine size söylüyor.

En iyi sistem olmaya çalışmıyoruz; en dürüst sistem olmaya çalışıyoruz.

Yapay Zeka Tespitinde Yedi Kategori!

Yapay zeka yaratıcıları ve tespit ediciler arasındaki yarış devam ediyor! Yaratıcılar ise hız avantajından yararlanıyor. Deepfake olup olmadığını belirlemek, geliştiricilerin teknolojiyi geliştirmesiyle birlikte bir kedi-fare oyununa dönüşüyor. Deepfake’leri başarıyla tespit etmek, birden fazla tespit yönteminin birleştirilmesini, sürekli tetikte olmayı ve mükemmel tespitin imkansız olabileceğini kabullenmeyi gerektiriyor. Kesin cevaplar arayan gazeteciler için hedef, kesin tespitten olasılık değerlendirmesine ve bilgiye dayalı editoryal karara doğru kaymış durumda.

Ancak gazetecilik her zaman değişen teknolojiye uyum sağlamıştır. Herkesin web sitesi oluşturacak araçlara sahip olduğu bir dönemde kaynakları doğrulamayı öğrendik. Herkes potansiyel muhabir olduğunda sosyal medya doğrulama protokolleri geliştirdik. Şimdi ise herkesin ikna edici görsel-işitsel kanıtlar oluşturabileceği bir çağ için standartlar geliştirmeliyiz.

1.Kategori| Anatomik ve Nesne Hataları: Mükemmellik Anlatıya Dönüştüğünde!

https://www.instagram.com/p/CwVCfqqsQPi/?utm_source=ig_web_copy_link

30 Saniyelik Kırmızı Bayrak Kontrolü (Son Dakika Haberleri): Zaman kritik olduğunda, şüpheli bir ” mükemmel içeriğin” anında değerlendirilmesi gerektiğinde, bir şeyin ” gerçek olamayacak kadar iyi”  göründüğü hissine odaklanın. Bu düzeyde bir bakımın imkansız veya uygunsuz olacağı durumlarda derginin yapısına odaklanın. Makyajlı kusursuz bir protesto lideri, saçları kusursuz bir felaket mağduru veya herkesin profesyonelce şekillendirildiği samimi bir siyasi an anında şüphe uyandırmalıdır.

1. Mükemmellik içgüdüsü kontrolü  — Bu kişi durum için fazla cilalı/mükemmel mi görünüyor?
2. Bağlam uyumsuzluğu taraması  — Kriz/çatışma sahnesinde dergi düzeyinde güzellik?
3. Cilt gerçeklik kontrolü  — Doğal dokunun olması gereken yerde airbrush pürüzsüzlüğü?
4. Genel bakım değerlendirmesi  — Görünüm senaryoyla uyuşuyor mu?

Beş Dakikalık Teknik Doğrulama (Standart Hikayeler):  Bu derinlemesine inceleme, yapay üretimi ele veren teknik ayrıntılara odaklanıyor. Modern yapay zeka, anatomik olarak doğru görüntüler üretse de, genellikle gerçek fotoğrafçılıkta bulunmayan olağanüstü bir mükemmellik sergiliyor. Gerçek yüzlerde, yapay zekanın gerçekçi bir şekilde taklit etmekte zorlandığı ince asimetriler, doğal aşınma desenleri ve çevresel etkiler bulunur.

1. Yüzlere %100 yakınlaştırma yapın  — Doğal cilt dokusunu, gözenekleri ve küçük asimetrileri arayın.
2. Giyim fiziği değerlendirmesi  — Doğal kırışıklıklar, kumaş dokuları, aşınma desenleri mevcut mu?
3. Saç teli analizi  — Tek tek görünen saç telleri mi yoksa boyalı/işlenmiş görünüm mü?
4. Mücevher/aksesuar gerçekçiliği  — Üç boyutlu görünüm ile bilgisayar grafiklerinin düzlüğü arasındaki farka bakın.
5. Diş muayenesi  — Doğal kusurlar mı var yoksa tekdüze mükemmellik mi?
6. Genel mükemmellik denetimi  — Bakım düzeyi iddia edilen bağlam ve ortamla uyuşuyor mu?

Derinlemesine Araştırma (Yüksek Riskli Habercilik):  Doğruluğun en önemli olduğu haberler için, bu kapsamlı analiz, görüntüyü adli inceleme gerektiren bir kanıt olarak ele alır. Amaç, birden fazla doğrulama noktasına dayalı bir olasılık değerlendirmesi oluşturmak ve kesin kanıtın imkansız olsa da bilinçli bir yargıya varılabileceğini anlamaktır.

1. Karşılaştırmalı analiz  — Doğal ve yapay mükemmellik seviyelerini karşılaştırmak için aynı kişinin diğer fotoğraflarını bulun.
2. Teknik büyütme — Matematiksel desenler için cilt dokusunu piksel düzeyinde incelemek üzere profesyonel araçlar  kullanın.
3. Bağlam doğrulaması  — Kişinin benzer ortamlarda genellikle bu kadar cilalı görünüp görünmediğini belirlemek için araştırma yapın ve diğer görsellerle karşılaştırın.
4. Profesyonel danışmanlık — Gelişmiş analiz için Farid Hany  gibi dijital adli bilişim uzmanlarıyla iletişime geçin.
5. Çoklu açı doğrulaması  — Tutarlılığı kontrol etmek için aynı olaydan ek fotoğraflar/videolar isteyin.
6. Tarihsel karşılaştırma  — Kişinin benzer bir zaman dilimi ve bağlamdan doğrulanmış fotoğraflarıyla karşılaştırın.

2.Kategori| Geometrik İhlaller: Yapay Zeka Doğal Yasaları Göz Ardı Ettiğinde!

Anlatı:  Yapay zekâ, bir fotoğrafçı gibi değil, bir kolaj sanatçısı gibi görüntüleri bir araya getirir. Görsel öğeleri anlar ancak ışığın, perspektifin ve gölgelerin gerçek dünyada nasıl işlediğini yöneten geometrik ve fiziksel kuralları anlayamaz. Bu temel fizik hatalarının yapay zekâ tarafından düzeltilmesi daha zordur çünkü bunlar 3B uzay ve ışık davranışının anlaşılmasını gerektirir.

Yapay Zeka Görüntülerinde Gerçek Dünyaya Ait Fizik Problemleri:  Üretken yapay zeka çağının henüz başlarında olmamıza rağmen, günümüzün yapay zeka tarafından oluşturulan görüntüleri gölgeleri ve yansımaları perspektif olarak düzeltiyor. OpenAI’nin DALL-E 2’si kullanılarak oluşturulan tipik bir örnek, tutarsız gölgeler, imkansız derecede uyumsuz veya eksik yansımalar ve yansımada tam olarak yanlış yöne bakan gölgeler gösteriyor.

Kaybolma Noktası Analizi: Gerçek binalar perspektif kurallarına uyar; paralel çizgiler ufukta tek bir noktada birleşir. Yapay zeka genellikle çatı çizgileri sola, pencere çizgileri ise sağa bakan binalar oluşturur. Bu fiziksel olarak imkansız bir durumdur ve fotoğrafik çekimden ziyade algoritmik birleştirmeyi ortaya çıkarır. Ufuk noktaları, gerçek görüntülerde perspektifin özünü yakalamak için temel öneme sahiptir ve oluşturulan görüntülerde çizgilerin doğru ufuk noktasında birleşmediği tutarsızlıklar sıklıkla görülür.

Gölge Tutarlılık Kontrolü:  Işığın olduğu yerde gölgeler de vardır. Bir nesne, gölgesi ve aydınlatıcı ışık kaynağı(ları) arasındaki ilişki geometrik olarak basittir ancak işlenmiş veya sentezlenmiş bir görüntüde tam olarak doğru sonucu elde etmek aldatıcı bir şekilde zordur. Tek ışık kaynaklı sahnelerde (güneş ışığı gibi), tüm gölgeler o kaynaktan uzağa bakmalıdır. Yapay zekâ, insanların tek bir güneşe rağmen birden fazla yöne gölge düşürdüğünü ve bunun temel fizik kurallarını ihlal ettiğini sık sık göstermektedir.

Araştırma Doğrulaması:  Akademik araştırmalar bu geometrik kusurları doğruluyor. Dış mekan görüntüleri üzerine GradCam analizi kullanan çalışmalar, araçların gölge yönlerinin değiştiğini ve kaybolma noktalarına yakın yapısal bozulmalar olduğunu ortaya koyarken, iç mekan sahneleri nesne-gölge uyumsuzlukları ve oda geometrisinde hizasız çizgileri gösteriyor.

Bu tür incelikli tespitler, cesaretsizlere göre değildir. Önce satırlara bakma fikrine alışın.

30 Saniyelik Kırmızı Bayrak Kontrolü:

1. Düz tren raylarının herhangi bir fotoğrafını bulun (Google’da “demiryolu rayları perspektifi” diye aratın).
2. MS Paint’i veya herhangi bir basit resim düzenleyiciyi açın.
3. Her iki rayı da çizgi aracını kullanarak çizin ve bunları ufka doğru uzatın.
4. Bunların tek bir noktada birleşmesini sağlayın yani olması GEREKEN budur.

Artık doğru perspektifin nasıl göründüğüne dair görsel şablonunuz var.

Beş Dakikalık Teknik Doğrulama (Standart Hikayeler):

Perspektif Testi:

1. Resimdeki BİR binayı seçin.
2. Genişletilmiş çatı çizgileri ve pencere sıraları çizmek için herhangi bir resim düzenleyiciyi kullanın.
3. Aynı binadan çıkan hatların tek bir noktada birleşip birleşmediğini kontrol edin.
4. Bir yapı için birden fazla kaybolma noktası = Yapay zeka montaj hatası.

Gölge Analizi:

1. Birincil ışık kaynağını (en parlak noktaları) belirleyin.
2. Işık kaynağından nesnelerin tepelerinden geçerek gölge uçlarına doğru çizgiler çizin.
3. Tüm gölgelerin aynı yöne baktığından emin olun.
4. Çatışan gölge yönleri = fizik ihlali.

Derinlemesine Araştırma (Yüksek Riskli Haber):

Yansıma Doğrulaması:  Nesneler düzlemsel bir yüzeye yansıtıldığında, nesne üzerindeki bir noktayı yansımadaki karşılık gelen noktaya bağlayan çizgiler tek bir kaybolma noktasında birleşmelidir.

1. Görüntüdeki yansıtıcı yüzeyleri bulun (su, cam, aynalar)
2. Nesneleri yansımalarına bağlayan çizgiler çizin
3. Çizgilerin yansıtıcı yüzeyle dik açıda buluşup buluşmadığını kontrol edin
4. İmkansız yansıma pozisyonları = geometrik başarısızlık

3.Kategori| Teknik Parmak İzleri ve Piksel Analizi: Matematiksel DNA

Anlatı: Yapay zeka bir görüntü oluşturduğunda, dosyada gizli ipuçları bırakır; özel araçların tespit edebileceği görünmez parmak izleri gibi matematiksel bir imza. Bu ipuçları, piksellerin düzenlenme biçiminde ve dosyanın sıkıştırılma biçiminde bulunur. Bunu, bir şeyin gerçek bir kamera tarafından değil, yapay zeka tarafından yapıldığını kanıtlayan bir DNA kanıtı gibi düşünün.

Gürültülü Deseni Algılama:  Gerçek kameralar, kamera sensöründen gelen küçük rastgele noktalar gibi doğal ve dağınık kusurlara sahip görüntüler yakalar. Yapay zeka tarafından oluşturulan görüntülerde ise doğal olmayan mükemmel desenler bulunur. Uzmanlar bu desenleri özel bir yazılımla analiz ettiklerinde, gerçek bir fotoğrafta asla görünmeyecek belirgin yıldız benzeri şekiller görürler. Bu, eski bir televizyondaki gerçekten rastgele statik görüntü ile bu rastgeleliği taklit etmeye çalışan bir bilgisayar arasındaki fark gibidir; doğru araçlara sahipseniz sahte olanın onu ele veren gizli bir düzeni vardır.

Kopyala-Yapıştır Algılama:  Yapay zeka veya insanlar görüntü bölgelerini kopyaladığında, alışılmadık piksel korelasyonları oluşur. Farklı alanlar, doğal mekansal fazlalığın ötesinde şüpheli bir şekilde benzer hale gelerek, algılanabilir desenler veya matematiksel imzalar oluşturur.

Sıkıştırma Eserin Analizi: Yapay zeka tarafından oluşturulan içerikler genellikle kamera kaynaklı ham dosyalardan farklı, doğal olmayan sıkıştırma desenleri gösterir ve optik kökenlerden ziyade algoritmik kökenleri ortaya çıkarır.

Profesyonel Tespit Araçları:  TrueMedia.org teknolojisi, şüpheli medyayı analiz etme ve ses, görüntü ve videolardaki deepfake içerikleri tespit etme yeteneğine sahiptir. TrueMedia.org tarafından işaretlenen son deepfake içerik örnekleri arasında, iddia edilen bir Donald Trump tutuklama fotoğrafı ve Başkan Biden’ın üst düzey askeri personelle birlikte olduğu iddia edilen bir fotoğraf yer almakta.

30 Saniyelik Kırmızı Bayrak Kontrolü:

Şüpheli görüntüleri analiz etmeden önce, kusursuz bir şey üzerinde pratik yapın:

1. Fotoğrafınızı Image Verification Assistant’a yükleyin.
2. Teknolojik olarak sahte olma olasılığının oranını öğrenin.
3. Sahte olma olasılığı %70 ve üzeri olduğunda görseli daha detaylı araştırın.

Beş Dakikalık Teknik Doğrulama (Standart Hikayeler):

1. Görsel Doku Kontrolü: Cilt veya gökyüzü gibi alanları %100 yakınlaştırın. Dokuya dikkatlice bakın; gerçek hayattaki gibi rastgele ve düzensiz bir yapıya sahip mi, yoksa fazla pürüzsüz ve matematiksel olarak mükemmel mi görünüyor? Gerçek fotoğraflarda doğal bir kaos vardır; yapay zeka genellikle şüpheli derecede tekdüze desenler oluşturur.
2. Otomatik Algılama Aracı: Görüntüyü TrueMedia.org’a (ücretsiz bir web sitesi) yükleyin. Bu araç, görüntüyü daha önce bahsettiğimiz gizli matematiksel imzaları analiz eden bir yapay zeka algılama yazılımından geçirir. Görüntünün yapay zeka tarafından oluşturulma olasılığının yüzdesini verir.
3. Dosyanın Gizli Bilgilerini Kontrol Edin: Görüntü dosyasına sağ tıklayın ve “Özellikler” (PC’de) veya “Bilgi Al” (Mac’te) seçeneğini belirleyin. Meta verilere bakın; bu, dosyanın hangi yazılım tarafından ve ne zaman oluşturulduğunu gösterir. Yapay zeka görüntüleri genellikle, fotoğrafın ne zaman/nasıl çekildiğiyle ilgili varsayılan hikayeyle uyuşmayan düzenleme yazılımı zaman damgaları veya oluşturma araçları gösterir.
4. Yüzey Pürüzsüzlüğü Analizi: Bu, doku kontrol adımından farklıdır. Burada, duvarlar, kumaş veya su gibi doğal olarak kusurlu olması gereken yüzeylere bakıyorsunuz. Yapay zekâ, bu yüzeyleri “airbrush” yöntemiyle temizleyerek, gerçek bir fotoğrafta küçük tümsekler, farklılıklar veya aşınmalar görülecek şekilde doğal olmayan bir şekilde pürüzsüz hale getirir.

Her adım farklı türdeki yapay zeka hatalarını yakalar. Bu durumu edindiğiniz sonuçtan emin olmak için birden fazla farklı test kullanmak gibi düşünün.

Derinlemesine Araştırma (Yüksek Riskli Haber):

Forensically  — Bu, frekans alanı görselleştirmesine sahip ücretsiz, kapsamlı gürültü analiz araçları kümesidir.

Frekans alanı analizi  — Yapay zekaya özgü matematiksel desenlerin teknik tespitini yapar.

4.Kategori| Ses ve Ses Eserleri: Sentetik Konuşma Kendini İhanet Ettiğinde!

Anlatı:  Ses klonlama teknolojisi, saniyeler süren ses kayıtlarından herhangi birinin sesini kopyalayabilir ancak konuşma kalıplarında, duygusal gerçeklikte ve akustik özelliklerde yapay üretimin fark edilebilir izlerini bırakır. Etkileyici bir doğruluk elde etseler de, sentetik sesler konuşmayı gerçekten özgün kılan ince insan unsurlarını kopyalamakta hâlâ zorlanırlar.

Ses Aldatmacası Vakaları:  Mart 2019’da, bir İngiliz enerji şirketinin CEO’su, kusursuz Alman aksanıyla “patronundan” yüklü bir para transferi talep eden bir telefon alır. Ancak Avusturyalı bir numaradan gelen şüpheli ikinci bir arama, yapay zeka aldatmacasını ortaya çıkarır. Daha yakın bir zamanda, siyasi danışman Steven Kramer, ABD Başkanı Joe Biden’ı taklit eden ve New Hampshire’daki 2024 Demokrat ön seçimlerinde oy kullanmamaları yönünde insanları teşvik eden sahte bir robot arama oluşturmak için 150 dolar ödedi.

Sahte Seslerin Hızı ve Maliyeti: Kramer’e karşı açılan davaya göre deepfake’in oluşturulması 20 dakikadan kısa sürdü ve maliyeti yalnızca 1 dolardı. Kramer, CBS News’e yaptığı açıklamada, çabaları karşılığında “5 milyon dolar değerinde görünürlük” elde ettiğini söyledi.

Konuşma Kalıbı Tehlike İşaretleri:  Yeni teknolojileri ve dezenformasyonu inceleyen Lindsay Gorman, NBC News’e verdiği demeçte, deepfake içeriklerde genellikle ipuçları olduğunu söyledi: “Özellikle sonlara doğru ritim doğal değil, robotikti. Bu, potansiyel olarak sahte bir ses içeriğinin ipuçlarından biri.”

• Normal tereddütler veya nefes alma olmadan doğal olmayan bir şekilde ileri geri yürümek.
• Doğal konuşmanın kusurlarından uzak, kusursuz telaffuz.
• Bazı kelimelerde veya ifadelerde robotik tonlama.
• Olması gereken çevresel arka plan gürültüsü eksik.
• Kişinin asla kullanmayacağı ifadeler veya terimler.

Dilsel Mantık Hataları:  Daha önceki bir deepfake vakasında yapay zekanın “35.000 pound” dediği ortaya çıkmıştı; bu da yapay zekanın sentetik nesli açığa çıkaran, para birimi türünü sayıların önüne doğal olmayan bir şekilde koyduğu anlamına geliyordu.

30 Saniyelik Kırmızı Bayrak Kontrolü:

Basit bir Chrome eklentisi olan Hiya Deepfake Voice Detector’a bir göz atın (ayda 20 kez kullanabilirsiniz). Trump-Biden video testini geçti:

Duyduğunuz sesin gerçek bir insan sesi mi yoksa yapay zeka tarafından oluşturulmuş bir şey mi olduğunu belirlemek için sesi gerçek zamanlı olarak analiz eden bir Chrome eklentisidir.

Aslında yaptığı şey şu:

• Chrome tarayıcınızda oynatılan videolardaki ve seslerdeki sesleri analiz eder.
• Anında çalışır, karar vermek için yalnızca bir saniyelik ses yeterlidir.
• Herhangi bir web sitesinde çalışır, sosyal medya platformları, haber siteleri, video platformları.
• Tüm büyük yapay zeka ses sentezleme araçları tarafından oluşturulan insan benzeri konuşmayı algılar.
• Birden fazla dili destekler.
• Gezinirken gerçek zamanlı olarak çalışır.

Uyarı: Eklenti olasılıksal algoritmalar kullandığından %100 doğru olmayacaktır.

Beş Dakikalık Teknik Doğrulama (Standart Hikayeler):

1. Konuşmanın doğallığını dinleyin — Tempo ve telaffuz insani geliyor mu?
2. Uygunluğunu doğrulayın — Bu kişi, iddia edildiğinde gerçekten bu ifadeyi vermiş olabilir mi?
3. Duygusal gerçekliği kontrol edin — Duygu, içerik ve bağlamla uyuşuyor mu?
4. Acil ses isteklerinizi doğrulamak için resmi numarayı tekrar arayın.
5. Sadece gerçek kişinin bilebileceği bağlamsal sorular sorun.

Derinlemesine Araştırma (Yüksek Riskli Haber):

• Ses parçasının tamamını indirin.
• Notta.ai’ye verin ve transkripti yazmasını sağlayın.
• Beklerken Claude’a aynı kişinin beş altı adet doğrulanmış ses kaydını veya transkriptlerini verin.
• Anlamsal bir analiz yapmasını ve temaları, konuşma kalıplarını, dil bilgisi kullanımını, üslubu, ses tonunu kategorilere ayırmasını isteyin.
• Daha sonra güvenmediğiniz ses kaydının dökümünü yükleyin ve Claude’dan anomalileri karşılaştırmasını isteyin.

5.Kategori| Zamansal ve Bağlamsal Mantık: Yapay Zeka Büyük Resmi Kaçırdığında!

Anlatı:  Yapay zeka, gerçek dünya bağlamını, zamansal mantığı veya duruma uygunluğu anlamadan görsel desenlere dayalı içerik üretir. Bu, tek başına ikna edici görünen ancak mantıklı bir inceleme altında dağılan içerikler yaratır.

İran Hapishanesi Video Aldatmacası: İsrail’in İran’daki Evin Hapishanesi’ne düzenlediği bir füze saldırısını gösterdiği iddia edilen, yapay zeka tarafından oluşturulmuş karmaşık bir video, 2023 tarihli bir fotoğraftan üretilmiştir. Temel tespit ipuçları arasında mevsimsel uyumsuzluklar (yaz çekimlerinde yapraksız çalılar olduğu varsayılır), olasılığı ihlal eden kusursuz ayrıntı eşleşmesi ve imkansız zamanlama yer alır.

30 Saniyelik Kırmızı Bayrak Kontrolü:  Yapay zeka görsel olarak ikna edici içerikler oluşturur ancak zamanlama, mekan ve koşullar arasındaki temel mantıksal ilişkileri sıklıkla gözden kaçırır. Son dakika haber senaryolarında, daha sonra doğrulamak için karmaşık analizler gerektirecek imkansızlıkları tespit etmek için sahip olduğunuz bilgiye güvenin.

1. Mevsim/hava durumu uygunluğu kontrolü  — Bitki örtüsü, kıyafetler veya aydınlatma, iddia edilen tarih ve yerle uyuşuyor mu?
2. Teknoloji zaman çizelgesi taraması  — Bu zaman dilimine ait olmayan herhangi bir cihaz, araç veya altyapı var mı?
3. Coğrafi inceleme  — Mimari, tabela ve peyzaj iddia edilen konumla uyuşuyor mu?
4. Kaynak güvenilirliği hızlı değerlendirmesi  — İçeriğin kökeni, karmaşıklığı ve erişim gereksinimleriyle uyumlu mu?

Beş Dakikalık Teknik Doğrulama (Standart Hikayeler):  Bu derinlemesine analiz, araştırma becerilerinizi kullanarak iddiaları doğrulanabilir gerçeklerle çapraz referanslamanıza olanak tanır. Yapay zeka, gerçek dünya olaylarının birbirine bağlı yapısıyla mücadele ederek görsel incelemeden geçen ancak harici veri kaynaklarıyla karşılaştırıldığında mantıksal incelemede başarısız olan içerikler oluşturur.

1. Tarihsel hava durumu doğrulaması  — İddia edilen tarih/konum için arşivlenmiş hava durumu verilerini görünür koşullara göre kontrol edin.
2. Mimari simge yapı çapraz referansı  — İddia edilen konumda görünür binaların, işaretlerin ve altyapının mevcut olduğunu doğrulayın.
3. Kültürel unsurların denetimi  — Giyim tarzlarının, davranışların ve sosyal dinamiklerin coğrafi/kültürel bağlamla uyumlu olduğunu doğrulayın.
4. Zaman çizelgesi olasılık değerlendirmesi  — İddia edilen olayların mantıksal olarak aynı anda gerçekleşip gerçekleşemeyeceğini araştırın.
5. Kaynak desen analizi  — Benzer etkinlikler için tipik dağıtım desenlerine kıyasla içeriğin nasıl yayıldığını haritalayın.
6. Çoklu açılı arama  — Aynı olayın bağımsız kaynaklardan gelen diğer belgelerini arayın.

Derinlemesine Araştırma (Yüksek Riskli Habercilik):  Eleştirel hikayeler için, bağlamsal ipuçlarını adli bir bulmacanın parçaları olarak ele alın ve her birinin yerleşik gerçeklere göre sistematik doğrulama gerektirdiğini unutmayın. Bu kapsamlı yaklaşım, tek bir kesin kanıt noktası yerine, birden fazla mantıksal tutarsızlığa dayalı bir olasılık matrisi oluşturur.

1. Kapsamlı zaman çizelgesi yeniden yapılandırması  — İddia edilen olayların ayrıntılı bir kronolojisini oluşturun ve tüm görsel öğeleri çapraz referanslayın.
2. Coğrafi istihbarat doğrulaması  — Konum ayrıntılarını doğrulamak için uydu görüntüleri, sokak görünümü ve yerel uzmanlıktan yararlanın.
3. Mevsimsel/çevresel adli tıp  — Çevresel koşullar hakkında botanik uzmanlarına, meteorologlara ve yerel kaynaklara danışın.
4. Kültürel özgünlük değerlendirmesi  — İçerikte görülen davranış normları, giyim kuralları ve sosyal gelenekler hakkında bölge uzmanlarıyla görüşün.
5. Teknoloji anakronizmi analizi  — İddia edilen zamanda ve yerde tüm görünür cihazların, araçların ve altyapının mevcut olduğunu doğrulayın.
6. Kaynak zinciri araştırması  — Dağıtım geçmişinin tamamını izleyin ve benzer gerçek olaylar için bilinen kalıplarla karşılaştırın.
7. Uzman danışma ağı  — İddia edilen yer veya durumla ilgili yerel gazetecileri, akademisyenleri ve yetkilileri dahil edin.
8. Olasılık matrisi oluşturma  — Her mantıksal öğeyi puanlayın ve içeriğin özgünlüğüne dair kapsamlı bir değerlendirme oluşturun.

6.Kategori| Davranışsal Desen Tanıma: Yapay Zeka İnsanları Yanlış Anladığında!

Anlatı:  Yapay zeka insan görünümünü taklit edebilir ancak gerçek insan davranışları, sosyal dinamikler ve doğal etkileşim kalıplarıyla başa çıkmakta zorlanır. Bu durum, kalabalık sahnelerde, grup dinamiklerinde ve eğitimli gözlemcilerin fark edebileceği bireysel davranışlarda tespit edilebilir tutarsızlıklar yaratır.

30 Saniyelik Kırmızı Bayrak Kontrolü (Son Dakika Haberleri):  Yapay zeka, ilk bakışta gerçekçi görünen ancak doğal olmayan davranış kalıplarıyla sahteliklerini ele veren kalabalıklar yaratır. Son dakika haberlerinde, programlanmış davranışları izleyen dijital aktörlere değil, insanların belirli koşullar altında gerçek insanlar gibi davranıp davranmadıklarına odaklanın.

1. Kalabalığın tekdüzelik taraması  — Yaş, görünüm veya giyim tarzı açısından benzer çok fazla insan var mı?
2. Dikkat örüntüsü kontrolü  — Herkes aynı yöne veya kameraya mı bakıyor, yoksa dikkatte doğal farklılıklar var mı?
3. Duygusal gerçeklik kontrolü  — Yüz ifadeleri olayın varsayılan ruh hali ve yoğunluğuyla uyuşuyor mu?
4. Hareket gerçekçiliği değerlendirmesi  — Yapay konumlandırma yerine doğal insan aralığı ve beden dili?

Beş Dakikalık Teknik Doğrulama (Standart Hikayeler):  Bu analiz, yapay zekanın gerçek grup davranışlarını taklit etmedeki eksikliklerini belirlemek için insan sosyal dinamiklerine ilişkin anlayışınızı kullanır. Gerçek kalabalıklar, yapay zeka eğitim verilerinin tam olarak yakalayamadığı karmaşık sosyal örüntüler sergiler ve sözde spontane toplantılarda tespit edilebilir yapay bir tekdüzelik yaratır.

1. Demografik çeşitlilik denetimi  — Yaş aralıklarını, giyim tarzlarını, etnik temsili ve yapay tekdüzeliği sayın.
2. Sosyal etkileşim haritalama  — Sahnelenmiş konumlandırmalara karşı gerçek konuşmaları, ilişkileri ve grup dinamiklerini belirleyin.
3. Çevresel tepki doğrulaması  — İnsanlar hava koşullarına, aydınlatmaya ve gürültü seviyelerine uygun şekilde nasıl tepki veriyor?
4. Kültürel davranış çapraz kontrolü  — Sosyal normlar, kişisel alan ve etkileşim stilleri iddia edilen ortamla uyuşuyor mu?
5. Bireysel ifade analizi  — Tek tip veya genel tepkiler yerine benzersiz yüz ifadelerini ve gerçek duyguları arayın.
6. Hareket deseni değerlendirmesi  — Yapay olarak akıcı hareketlere kıyasla doğal asimetriler ve kişisel tuhaflıklar var mı?

Derinlemesine Araştırma (Yüksek Riskli Habercilik):  Eleştirel hikayelerde, insan davranışını toplumsal kalıpların sistematik bir analizini gerektiren antropolojik kanıtlar olarak ele alın. Bu kapsamlı yaklaşım, karmaşık insan etkileşimleri ağının iddia edilen koşullarda gerçekten gerçekleşip gerçekleşemeyeceğini inceler.

1. Sosyolojik kalabalık analizi  — İddia edilen olay türü için gerçekçi grup dinamiklerini doğrulamak amacıyla kalabalık psikolojisi konusunda uzmanlara danışın.
2. Kültürel özgünlüğün doğrulanması  — Uygun sosyal davranışlar, giyim kuralları ve etkileşim kalıpları hakkında bölge uzmanlarıyla görüşün.
3. Demografik olasılık değerlendirmesi  — Kalabalığın kompozisyonunun benzer etkinliklerdeki tipik katılım modelleriyle uyuşup uyuşmadığını araştırın.
4. Bireysel davranış adli bilimi  — Belirli kişilerin tutarlı kişiliklerini, ilişkilerini ve gerçek duygusal tepkilerini analiz edin.
5. Çevresel uyum çalışması  — Kalabalığın hava koşullarına, akustik ve lojistiğe verdiği tepkilerin gerçek dünyadaki kalıplarla uyumlu olduğunu doğrulayın.
6. Tarihsel karşılaştırma araştırması  — Aynı bölge veya kültürel bağlamdaki benzer gerçek olaylardan doğrulanmış görüntüler veya fotoğraflarla karşılaştırma yapın.
7. Uzman danışma ağı  — Bölgesel toplumsal dinamiklere aşina antropologlar, sosyologlar ve yerel gazetecilerle etkileşim kurun.
8. Mikro ifade analizi — Gerçek duygusal tepkiler ile yapay tepkiler arasındaki farkı görmek için yüz ifadelerini incelemek üzere uzmanlara danışın.
9. Sosyal ağ haritalama  — Grup oluşumunun yapay birleşmeye karşı gerçekliğini doğrulamak için bireyler arasındaki ilişkileri izleyin.

7.Kategori| Sezgisel Desen Tanıma: Antik Algılama Sistemi!

Anlatı:  Beynimiz milyonlarca yıl boyunca örüntü tanıma becerisi geliştirdi. Yapay zekanın örüntüleri, eğitim verilerinden ve algoritmik süreçlerden gelir. Bir şey insan algısına yerleşmiş doğal beklentileri ihlal ettiğinde, bu içgüdüsel his genellikle teknik analizden önceki en hızlı ve en güvenilir ilk dedektörü temsil eder.

Gerçek Dünya Başarı Hikayeleri:  2019’da, sosyal medya kullanıcıları Florence Kasırgası sırasında viral olan bir “sokak köpekbalığı” görüntüsünü hemen fark ettiler. Teknik olarak yeterli olsalar da, izleyiciler bunun durum için yanlış olduğunu düşündüler. İçgüdüleri doğru çıktı geriye doğru aramalar dijital eklemeyi ortaya çıkardı. Benzer şekilde, deneyimli gazeteciler amatör görüntülerin şüpheli bir şekilde sinematik göründüğünü veya sözde spontane olaylar için mükemmel bir belgelemenin mevcut olduğunu hissedebilirler.

İlginç bilgi: İddia edilen karşılaşmaların çoğu kasırgada on yıldan uzun süredir yaşandığı görülüyor, ancak doğrulanan bir örnek var .

30 Saniyelik Kırmızı Bayrak Kontrolü:  Zaman kritik olduğunda evrimsel kalıp tanıma yeteneğinize güvenin. Amatör kaynakların Hollywood seviyesinde içerik ürettiği prodüksiyon kalitesi paradoksunu veya kaotik olayların mükemmel bir şekilde belgelendiği zamanlama kolaylığını arayın. Eski tespit sisteminiz genellikle bu ihlalleri teknik analiz doğrulamadan önce tespit eder.

1. İlk izlenim tepkisi  — Bu size gerçekçi mi geliyor yoksa “yapay” mı? (İnsanların yapay temsillerine karşı hissettiğiniz rahatsızlık hissine, “ürkütücü vadi” hissine güvenin.
2. Yapım maliyeti paradoksu  — Amatör kaynak sinematik kaliteyle uyuşuyor mu (8 dolar artık profesyonel görünümlü siyasi skandallar üretebiliyor)?
3. Zamanlama uygunluğu kontrolü  — Olayların mükemmel bir şekilde belgelenmesi normal kayıt için çok mu hızlı gerçekleşiyor?
4. Duygusal manipülasyon testi — İçerik, okuyucuyu bilgilendirmek yerine duygusal bir tepkiyi tetiklemek ve hızlı bir şekilde paylaşmak için mi tasarlanmış?

Beş Dakikalık Teknik Doğrulama (Standart Hikayeler):  Desen tanıma yeteneklerinizi tetikleyen belirli unsurları inceleyerek sezgisel hislerinizi sistematik doğrulamaya dönüştürün. İçgüdüleriniz bir şeylerin ters gittiğini söylediğinde, mantıklı bir durum oluşturmak için doğal beklentileri tam olarak neyin ihlal ettiğini belirleyin.

1. Bağlam mantığının derinlemesine kontrolü  — Senaryo, gerçek dünya bilgisi göz önüne alındığında pratik bir anlam ifade ediyor mu?
2. Kaynak güvenilirlik araştırması  — Kaynak, içeriğin karmaşıklığı ve erişim gereksinimleriyle uyuşuyor mu?
3. Anlatısal uygunluk analizi  — Hikayeler güncel siyasi veya toplumsal gerilimlerle fazla mı örtüşüyor?
4. Teknik tutarsızlık denetimi  — Kalite, aydınlatma veya ses iddia edilen koşullarla uyuşuyor mu?
5. Desen ihlali kataloğu  — Şüpheli hisleri veya bağlamsal imkansızlığı tetikleyen belirli unsurları belgelendirin.
6. Kaynak-içerik uyumsuzluğu değerlendirmesi  — Amatör veya anonim kaynaklardan gelen karmaşık içerikleri açıklama yapmadan işaretleyin.

Derinlemesine Araştırma (Yüksek Riskli Habercilik):  Eleştirel hikayeler için, kapsamlı doğrulamanın başlangıç ​​noktası olarak sezgisel tespiti ele alın. Desen tanıma yönteminiz anormallikleri tespit etti; şimdi, kanıta dayalı bir değerlendirme oluşturmak için şüphe uyandıran her unsuru sistematik olarak inceleyin.

1. İçgüdüsel adli tıp — “Tuhaf” hissettiren her unsuru kataloglayın ve her birinin neden doğal beklentileri ihlal ettiğini araştırın.
2. Üretim paradoksu araştırması  — Bir amatörün varsayılan yetenekleriyle karşılaştırıldığında gerçekte ihtiyaç duyulan kaynakları hesaplayın.
3. Bağlamsal imkansızlık analizi  — Harita senaryolarını gerçek dünya bilgisi ve uzman danışmanlığından elde edilen içgörülerle karşılaştırın
4. Duygusal manipülasyon değerlendirmesi  — Tasarlanmış viral tetikleyiciler ile organik bilgi paylaşımı için içerik yapısını analiz edin.
5. Teknik tutarsızlıkların derinlemesine incelenmesi  — Kalite, aydınlatma ve ses uyumsuzluklarını kare kare analiz edin.
6. Kaynak özgünlüğünün doğrulanması  — İddia edilen kökenlerin bu içeriği gerçekçi bir şekilde üretip üretemeyeceğini araştırın.
7. Anlatı mühendisliği tespiti  — Yapay kolaylık ile doğal olay gelişimi açısından hikaye inşasını inceleyin.
8. Desen ihlali konusunda uzman danışmanlığı  — Deneyimli araştırmacıları bağımsız, sezgisel değerlendirmelere dahil edin.
9. Güven eşiği analizi  — Birden fazla öğenin “tuhaf” göründüğü durumları belgelendirin ve teknik yeterliliğe rağmen içeriği reddetmeyi gerekçelendirin.

İçgüdülerinize Ne Zaman Güvenmelisiniz:

• Belirli sorunları tespit edemeseniz bile birden fazla unsur “tuhaf” geliyorsa.
• İçerik anında duygusal tepkiyi tetiklediğinde, analiz edilmesini engelleyecek şekilde tasarlanmıştır.
• Kaynak, zamanlama veya bağlam mantıksal sorular ortaya çıkarıyorsa.
• Teknik kalitenin, yapımcının deneyim seviyesiyle uyuşmaması.
• Deneyinizin gösterdiği bir üretim kalitesi paradoksu veya zamanlama kolaylığı algılarsa beyniniz.

Gerçek: Mükemmel Çözüm Yok

Özetle: Yapay zeka tespitinin bu yedi kategorisi ve yeni araç anatomik hatalar, fizik ihlalleri, teknik parmak izleri, ses eserleri, bağlamsal mantık, davranış kalıpları ve sezgisel tanıma, gazetecilere son teslim tarihi baskısı altında içerik gerçekliğini değerlendirmek için kapsamlı bir araç seti sunuyor. Profesyonel tespit araçları ve güncellenmiş editoryal standartlarla birleştiğinde, güvenilirliğimizi koruyabiliriz. Ateşe ateşle karşılık verin. Yapay zekayı tespit etmek için yapay zekayı kullanın. Ve ortak gerçekliğimizden geriye kalanları korumaya yardımcı olun.

Hollanda doğumlu  Henk van Ess,  yapay zekayı kullanarak verilerdeki hikayeleri ortaya çıkarıyor. Bunu araştırmalarda uyguluyor ve SearchWhisperer ve AI Researcher gibi kamu kullanımına yönelik araçlar geliştiriyor. Washington Post, Axel Springer, BBC ve DPG gibi dünya çapındaki haber merkezlerinde eğitmenlik yapan Henk van Ess, açık kaynaklı istihbaratın yapay zekayla buluştuğu Digital Digging’i yönetiyor. Poynter’ın Uluslararası Doğruluk Kontrol Ağı (IFCN ) ve Avrupa Doğruluk Kontrol Standartları Ağı’nda (EFCSN) değerlendirici olarak görev yapıyor .