Dijital etik ve gizlilik, veri bilimi gelişmeye devam edip toplanan bilgileri analiz etmek için yapay zekâ dâhil makine öğrenimi metotları kullanmaya başladık daha çok önem kazanıyor. Sosyal medya, mobil uygulamalar, hatta evlerimizdeki IoT cihazları; her gün dünya çapında milyonlarca veri paylaşılıyor, depolanıyor ve analiz ediliyor. Peki, tüm bu işlemler sırasında dijital gizliliğimize ne kadar dikkat ediliyor? Paylaştığımızdan haberimiz dahi olmayan veriler bizim için ne gibi bir risk oluşturuyor? Aşağıda, bu soruları cevaplamaya çalışacağım.
Dijital Etik ve Gizlilik Ne Anlama Geliyor?
Önce temel kavramlar ile başlayalım: Dijital etik ve gizlilik derken ne kastediyoruz? Bu terimleri basitçe şöyle açıklayabiliriz:● Dijital gizlilik, verilerimizin kanunlara, yönetmeliklere ve insanların temel beklentilerine ne denli uygun toplandığını ve depolandığını ifade ediyor. Örneğin, toplanan bir bilgide sizi bireysel olarak tanımlayabilecek veriler yer alıyor mu? ● Dijital etik ise, toplanan verilerin nasıl kullanıldığını ifade ediyor. Bu bilgilerle doğrudan sizi ve zaafınız olan şeyleri hedef alan şirketler var mı? Sizi “satın almaya” teşvik etmek için ne kadar ileri gidebilirler?
Şaşırtıcı olan şey, dijital gizlilik hakkındaki kanun ve yönetmeliklerin çoğu henüz yeni olmalarına rağmen, şimdiden “eskimiş” olmaları. Veri bilimi, inanılmayacak büyüklükte verilerle uğraşıyor. “İnsanların” bunları işlemesi, analiz etmesi ve depolaması mümkün değil; şimdiden, bu iş için makine öğrenimi metotları kullanılıyor ve yapay zekâ desteği alınıyor. Örneğin Google, hakkınızda topladığı verileri işlenmesi için bir “insana” teslim etmiyor; bu iş için son derece karmaşık algoritmalar ve akıllı botlar kullanıyor. “İnsanlar”, sadece bu analizin sonuçlarını görebiliyor.
O halde sorulması gereken asıl soru şu: Makinelerin yaptığı analizin dijital gizlilik ve etik kurallarına uygun olduğundan nasıl emin olabiliriz?
Geliştiriciler Dahi Nasıl Çalıştıklarını Bilmiyor
Bu sorunun yanıtı ne yazık ki hayır: Nasıl çalıştığını bilmediğiniz bir teknolojinin gizliliğinize saygı göstereceğinden ve belirli etik kurallara uygun davranacağından emin olamazsınız. “Nasıl çalıştığını bilmediğiniz” derken şaka yapmıyoruz: Dublin Şehir Üniversitesinde bilgisayar bilimleri profesörü olan Alan Smeaton, konu hakkında şunları söylüyor: “Geleneksel makine öğrenimi tekniklerini takip etmek çok zor değildi: Bir kullanıcı profili oluşturdukları zaman, verileri nereden topladıklarını ve bu sonuca nasıl ulaştıklarını görebiliyordunuz. Yapay zekâ destekli makine öğrenimi tekniklerini ise takip etmek mümkün değil. Çok daha tutarlı sonuçlar veriyorlar ancak bu sonuçlara nasıl ulaştıkları hakkında hiçbir fikrimiz yok. ‘Kutunun içini’ açıp bakamıyoruz – zaten bu nedenle bu tekniklere ‘siyah kutu (black box) derin öğrenme teknikleri’ adı veriliyor. İnsan kapasitesi, nasıl çalıştıklarını anlayabilecek yeterlilikte değil.”
Gizlilik Ve Etik Tek Sorunumuz Değil
Siyah kutu derin öğrenme tekniklerinin gizliliğinize saygı duyup duymadıklarını bilmenin hiçbir yolu yok. Gerçeği söylemek gerekirse, büyük ihtimalle duymuyorlar. “İnsanlara” verdikleri analizler örneğin 35-40 yaş arası bekâr erkeklerin hoşlandığı genel şeyler hakkında olabilir ancak istenirse son derece özel, hatta belirli bir kişiyi hedef alan analizler yapabilmeleri de mümkün. Sonuca ulaşmak için toplayabilecekleri her türlü veriyi topluyor, işliyor ve bunu takip edilemeyecek bir hızda yaparak “raporlarını” hazırlıyorlar. “Kutunun içini açıp bakamayacağımız” için de, tüm bu süreci yasal bir çerçeveye oturtmak neredeyse imkânsız. Bir VPN kullanarak çevrimiçi gizliliğinizi ve güvenliğinizi artırabilecek olsanız da bunlar gerçekten kapsamlı ve “derin” uygulamalar, internetteki tüm faaliyetlerinizi tamamen gizleyebilmeniz mümkün değil.
Ancak bundan daha riskli bir durum var: Yapay zekâ destekli makine öğrenimi, topladığı verileri herhangi bir filtreden geçirmeden analiz ediyor. Diğer bir deyişle, insanların önyargılarından etkileniyor ve bu durum, sunduğu sonuçlara da yansıyor.
Bir örnek vererek izah edelim: Google tarafından geliştirilen Cloud Natural Language API, “gey” ve “Yahudi” sözcüklerine olumsuz anlamlar yüklemiş durumda. Hiç kimse bu API’ye bu sözcüklerin “kötü” olduğunu öğretmedi, ancak API interneti analiz ederken bu sözcüklerin genellikle kötü anlamda kullanıldığını görerek bu bağlantıyı kendi kendisine kurdu. Doğal olarak, hazırladığı raporlar ve yaptığı analizlere de bu çıkarım yansıyacak: Son derece gelişmiş makine öğrenimi teknikleri dahi insanoğlunun kötücül yanlarından etkileniyor. Toplanan veri ve analiz yöntemleri bu gibi önyargılardan etkileniyorsa, analiz sonuçlarının tutarlı olması da mümkün olmayacaktır. Üstelik bu engellenmesi mümkün olmayan bir şey: Yapay zekâ destekli makine öğrenimi, mümkün olduğu kadar genelleme yapmaları için programlanmış şeyler. Toplumun genelinde kabul edilen bir önyargıyı (yanlış olsa da) “doğru” olarak kabul edebiliyorlar.
Dijital gizlilik ve etik sorununun kısa vadeli bir çözümü ne yazık ki bulunmuyor. Algoritma yazarlarının bu riskleri mümkün olduğunca azaltacak şekilde çalışmaları bekleniyor ancak onlara yol gösterecek bir rehber şu anda mevcut değil. Önce insanoğlunun bir araya gelip evrensel ahlak standartlarını belirlemesi gerekiyor ki, bunun kısa bir zaman içinde gerçekleşmeyeceği aşikâr. Bu nedenle, bazı şeyler değişene kadar kişisel gizliliğinize ve güvenliğinize her zamankinden daha fazla dikkat etmeniz gerekiyor. Bu amaçla kullanabileceğiniz şeylerden biri de bir VPN servisine üye olmak. VPN servisleri, internet trafiğiniz için güvenli bir tünel oluşturuyor ve dijital kimliğinizi gizleyebilmenizi sağlıyor. Yapay zekâ destekli makine öğrenimi metotlarına karşı koymak çok zor ancak en azından işlerini zorlaştırabilirsiniz: VPN, size bu şansı veriyor.
