Yapay Zekâ (YZ) sistemlerinin katkılarıyla beraber son yıllarda yüz tanıma teknolojisinde (YTT) önemli ilerlemeler kaydedildi ve bu teknolojinin kullanımı dünya çapında yayıldı. İlk başlarda YTT hakkında çıkan haberlerde bazı ülkelerin YTT’yi havaalanlarındaki kimlik kontrollerini kolaylaştırmak amacıyla kullandığı, Çin ve Rusya gibi otoriter yönetimlerin ise bu teknolojiyi azınlık gruplarına karşı ve muhalefeti bastırmak için kullandığı yazılıyordu. Günümüzde ise YTT’nin hem çok çeşitli amaçlar için kullanıldığını hem de muhalefeti bastırmak için kullanımının sadece Çin ve Rusya ile sınırlı olmadığını biliyoruz.
YTT; sınırları kontrol etmek, sosyal yardımları dağıtmak, vergi toplamak, suçu önlemek, şehirleri denetlemek, uzaktan çalışmayı disipline etmek gibi amaçlar için kullanılabiliyor. Polis güçlerinin %70’i bu teknolojinin bir biçimine erişebiliyor ve ülkelerin %60’ında bazı havalimanlarında pasaport kontrolleri YTT ile yapılıyor. Avustralya, Fransa, Birleşik Krallık, Almanya, Hollanda ve ABD’de, sınır geçişlerinin kontrolünde YTT’den yararlanılıyor. Çeşitli ülkelerde şüphelileri veya kayıp kişileri tespit etmek için ulusal polislik faaliyetlerinde YTT kullanılıyor veya deneniyor. Kimlik doğrulama ve tanımlamanın yanı sıra hükümetler bu teknoloji yardımıyla insanları sınıflandırmaya veya saymaya çalışıyorlar (Matulionyte ve Zalnieriute, 2024).
Örneğin İsrail, uzun bir zamandır YTT’den yararlanıyor. Uluslararası Af Örgütü’nün 2023 yılında yayımladığı raporda, İsrailliler’in Batı Şeria ve Doğu Kudüs’te Blue Wolf adlı yerli bir yüz tanıma sistemi kullandıkları belirtiliyordu. Hebron gibi Batı Şeria şehirlerindeki kontrol noktalarında, Filistinliler’in geçiş yapmadan önce yüksek çözünürlüklü kameralarla taranmaları gerekiyor. Ayrıca İsrail askerleri, Filistinliler’in yüzlerini akıllı telefonlarla tarıyor ve bunları bir veritabanına ekliyorlar. Hamas’ın 7 Ekim 2023’teki sınır ötesi baskınlarından sonra ise İsrail Gazze’de, Corsight (https://www.corsight.ai/) tarafından geliştiren daha ileri bir teknolojiyi kullanmaya başladı. İlk başta bu yeni YTT, YZ ile entegre edilerek kısmen gizlenmiş veya yaralı yüzleri gerçek kimliklerle eşleştirmek için kullanıldı. Ancak İsrail’in askeri saldırılarını genişletmesiyle birlikte Gazze’deki yüz tanıma programının kapsamı da genişledi. İsrailliler YTT’nin desteği ile Hamas’ın elindeki İsrailli rehineleri ve sorgulanmak üzere gözaltına alınabilecek Hamas savaşçılarını aramaya başladılar. Gazze’ye giren İsrail askerlerine bu teknolojiyle donatılmış kameralar verildi. Askerler ayrıca Filistinliler’in yoğun çatışmaların yaşandığı bölgelerden kaçmak için kullandıkları ana yollar boyunca yüzleri tarayan kameralarla donatılmış kontrol noktaları kurdu (Frenkel, 2024).
Şirketler, hükümetlerin (özellikle de aşırı sağ hükümetlerin) eğilimlerine paralel ürünler geliştirerek veya mevcut ürünleri aşırı sağ politikalarla örtüşen biçimlerde yeniden yapılandırarak YTT pazarını genişlettiler. Bu şirketlerin başında da ABD’nin ünlü yüz tanıma şirketi Clearview geliyor. Şirket, platformların ya da kullanıcılarının bilgisi olmadan internetten ve sosyal medyadan topladığı milyarlarca görüntüyü içeren devasa bir veritabanına sahip. Veritabanındaki görüntüler, analiz ediliyor ve her birey için bir yüz izi oluşturuluyor. Veritabanında bir kişinin fotoğrafı aranabiliyor ve bir eşleşme elde edildiğinde eşleşen görüntüler gösteriliyor ve bunların yer aldığı web sitelerine bağlantılar veriliyor. Böylece aranan kişi hakkında din, siyasi bağlantılar, aile, arkadaş çevresi, romantik partnerler, cinsel yönelim vb bilgileri içeren ayrıntılı bir profil çıkarılabiliyor. YTT denilince ana akım medyanın aklına ilk olarak Çin ve Uygurlar gelse de ABD’de bir çok federal kurum yıllardır Clearview’i herhangi bir düzenleyici yasanın veya hesap verebilirlik mekanizmalarının olmadığı koşullarda kullanıyor. Üstelik Clearview, sadece para kazanmayı hedefleyen bir şirket değil. O’Brien (2025), şirketin kurucularından biri olan Ton-That’ın (kendisi de Melbourne ve Canberra’da büyümüş ve Vietnam kraliyet ailesinin soyundan geldiğini iddia eden bir göçmen) ırk, IQ ve hiyerarşi konularında takıntılı biri olduğunu, en başından beri kendisi ve ortaklarının teknolojinin göçmenlere, beyaz olmayan insanlara ve sola karşı nasıl kullanılacağı üzerinde kafa yorduğunu ve politikacıları bu doğrultudaki uygulamalar için ikna etmeye çalıştığını yazıyor. Şimdi bu ideolojik güdümlü şirketin güçlü gözetleme teknolojisi, Trump gibi demokratik kurumları ezip geçen birinin elinde!
YTT, hızla yayılmasına karşın kusursuz çalışmıyor, zaman zaman ciddi hatalar yapıyor ve bu hataların yaşamsal sonuçları olabiliyor. Frenkel ve Odenheimer’in (2025) yazılarında anlattıkları gibi yüz tanıma sistemi, sıradan Filistinliler’in Hamas savaşçısı olarak işaretlenmesine, tutuklanmasına ve sorgulanmasına yol açabiliyor. Sadece İsrail’de değil, ABD’de de yüz tanıma teknolojisinin hatalı tespitleri nedeniyle çeşitli olumsuzluklar yaşanıyor. Yüz tanıma sistemi haksız tutuklamalara neden olabiliyor (Hill, 2024).
YTT uygulamalarıyla beraber mahremiyet, yanlılık, ayrımcılık, şeffaflık, açıklanabilirlik, kamu gözetimi, hesap verebilirlik eksikliği, ifade ve örgütlenme özgürlüğü hakkındaki tartışmalar da artıyor. YTT’nin etik ve yasal riskleri nedeniyle bu teknolojinin kullanımının düzenlenmesi ve hatta tamamen yasaklanması hakkında çağrılar yapılıyor. Buna karşın YTT’nin bu kadar kolay ve hızlı yayılmasını sağlayan örnekler ve öngörüler de var. Yüz tanıma, özellikle akıllı ev, akıllı fabrika, akıllı şehir vb hikayelerde önemli bir yere sahip. Yazının devamında önce kısaca YTT’nin tarihsel gelişimine bakacağız. Daha sonra da YTT’yi meşrulaştırmak için kullanılan örnekleri inceleyeceğiz. Son olarak da günümüzdeki ve gelecekte karşı karşıya kalacağımız sorunları tartışacağız.
En Başta Her Şey Bir Matematiksel Meydan Okumaydı
Bilgisayarlar ile yüz tanıma çalışmaları 1960’larda başladı. Uzunca bir süre bu çalışmalar, araştırmacılar için matematiksel bir meydan okumaydı. Bilgisayar bilimciler, geliştirdikleri sistemlerin doğruluğunu %70’ten %80’e ve hatta %90’ın üzerine çıkarmaya çalışıyorlardı. Çalışmalarda yüz özellikleri birlere ve sıfırlara indirgeniyor ve insanlardan ziyade matematiğe odaklanılıyordu. Bu bağlamda, yüz tanıma terimi aslında pek de doğru bir ifade değildi. Bir insanın uzaktan bir tanıdığını görmesi ve tanıması bilişsel bir süreçtir. Oysa söz konusu sistemler, bilişsel kapasiteden yoksundu ve yüzleri, bu terimi tipik olarak kullandığımız anlamda tanımıyorlar ve olasılıklara dayalı eşleştirmeler yapıyorlardı. Yüz tanıma teriminin günlük konuşma dilinde kullanılmasıyla bu önemli ayrım bir kenara bırakılıyor ve bir makinenin gerçekten birini tanıdığına dair bir algı oluşuyor (Andrejevic ve Selwyn, 2022).
İlk araştırmalarda bu sorunsal daha netti ve araştırmacılar, yaptıkları çalışmaların sınırlılığının farkındaydılar. İlk olarak uygulanabilirliği göstermeyi hedefleyen araştırmacılar bilinçli olarak ‘bay ortalama’ olarak nitelendirdikleri beyaz, orta yaşlı profiline uyan yüz resimleriyle dolu veri setleri üzerinde çalışmayı tercih ediyorlardı. Bu nedenle, veri setlerindeki tüm kişiler erkekti, beyazdı, 20 ile 50 yaş aralığındaydı, sakalsızdı, gözlüksüzdü ve belirgin anormal özelliklere sahip değildi (age). Böyle olunca yüzün sayısal olarak ifade edilmesi ve sayısal karşılaştırmalar yapılması daha kolay oluyordu. Çünkü öncelikle yaklaşımlarının uygulanabilirliğini test etmek istiyorlardı.
Yüz tanıma esasen birinin yüzündeki temel özelliklerin ölçümlerini yapmayı içerir. Bu özellikler, burunlarının ne kadar dışarı çıktığı, gözlerinin nasıl hizalandığı veya çenelerinin nasıl çukurlaştığı olabilir. Dikkatle seçilmiş beş yüz özelliği, bir bireye özgü bir veri kümesini oluşturabilirken, en gelişmiş yüz tanıma sistemleri yüzün üzerinde özelliği ölçebilir. En basit süreç, birinin söylediği kişi olup olmadığına karar veren doğrulamadır. Burada bire bir (1:1) eşleştirme yapılır. Bireyin yüzü taranır ve ardından hedef kişinin mevcut bir görüntüsüyle eşleştirilir. Bu gerçek görüntü, bir iş yerindeki çalışan kayıtları veya pasaport fotoğraflarının saklandığı bir veritabanından getirilebilir. Bazen de akıllı telefon kilitlerinde olduğu gibi karşılaştırılacak yüz özelliklerinin telefona tanıtılmış olması gerekir. Tanıma sürecinde ise yeni ölçülen yüzden gelen veri noktaları, bir eşleşme aramak için mevcut fotoğraflardan daha önce çıkarılmış veri noktalarıyla karşılaştırılır. Bir diğer deyişle, birden çoğa (1:n) bir eşleştirme gerekir. Burada eşleşen görüntü, sürücü belgeleri veya ulusal kimlik kartları gibi kapsamlı (bazen nüfus çapında) veri setlerinde bulunan mevcut fotoğraflardan gelir. Yüz tanıma kapsamında değerlendirilen üçüncü bir işlem de hedef bireyin yüzünün analizini içerir. Burada çıkarımlar yapılır ve birisi hakkında nelerin bilinebileceği üzerinde durulur. Bu, yaş cinsiyet ve ırk gibi demografik özellikleri; kişinin duygusal durumunu ve hatta niyetlerini çıkarsamayı içerebilir. Taranan bir yüzden alınan veriler, belirli bir özelliğe sahip önceden belirlenmiş yüzlerden türetilen ölçümlerle ilişkilendirilir. Bu tür hesaplamaların doğruluğu oldukça tartışmalı bir konudur.
YTT araştırmaları, ABD hükümetleri ve ordu tarafından desteklenmesine karşın, 2000’li yıllarda bile YTT tutarsız ve güvenilmez bir teknoloji olarak değerlendiriliyordu. Çok sayıda potansiyel yüz görüntüsünün çıkarılması ve işlenmesi sürecinin doğasında bulunan hesaplama zorlukları, yüz tanıma sistemlerinin geniş ölçekte kullanılabilirliğini zorlaştırıyordu. YTT’yi en sonunda güvenilir ve büyük ölçekte kullanıma uygun hale getiren ise bilgisayarlı görüş veya örüntü eşleştirme araştırmalarındaki ilerlemelerden çok sosyal medya oldu! Özellikle, insanların sosyal medyada kendilerine ait görüntüleri paylaşmaya yönelik istekleri, yüz tanıma teknolojisi üzerinde çalışan geliştiricilere benzeri görülmemiş miktarda ve çeşitlilikte veri setleri sağladı. Artık ellerinde milyarlarca yüz görüntüsü ve bunlarla ilişkili üst veriler vardı. Bu bağlamda, sosyal medyada hızla yayılan 20 yaşındaki veya 10 yıl önceki halini paylaşma gibi akımların o kadar masum olmadığını da dikkat etmek gerekiyor. Sosyal medyada saçılan fotoğraflar, yüz tanıma yazılımları için eşsiz veri setleri sunduğundan muhtemelen bizzat YTT hakkında çalışan şirketler tarafından teşvik ediliyordu. Nitekim yazının başında bahsettiğim ClearView’in YTT’si de en başta platformların veya kullanıcıların izni olmadan internetten topladığı görsellere dayanıyor. Ayrıca özçekim kültürünün yaygınlaşması da YTT’nin gelişimine katkıda bulundu (age).
Sosyal medyanın içerik desteğinin yanında 2020’lerin sosyal, kültürel, politik ve ekonomik koşulları da insanların hareketlerinin izlenmesini ve kamera gözetiminin normalleşmesini kolaylaştırdı. Güvenlik kameralarının yanında çeşitli sensörler ve izleme cihazları kamusal alanların bir parçası haline gelmeye başladı. Akıllı şehirler, evler, okullar gibi uygulamalarla YTT gündelik yaşamın içine daha çok sızmaya başladı. Her yere yerleştirilen kameralar insan akışlarına ilişkin veri odaklı içgörüler üretmenin, erişimi kontrol etmenin ve genel olarak yetkililerin kalabalık kamusal alanlarda hareket ederken bireyleri takip etmesine izin vermenin ideal yolları haline geldiler.
Andrejevic ve Selwyn’in (2022) altını çizdiği gibi YTT’nin, tek bir teknoloji değil, bilinmeyen bir yüzü bilinen bir yüzle eşleştirme yeteneği sağlayan bir dizi teknoloji için genel bir terim olduğunu atlamamak gerekiyor. Ayrıca YTT’ler, farklı yeteneklere ve uygulamalara sahip bir dizi teknolojiyi içeriyor. Dolayısıyla YTT’yi kabul etmek veya reddetmek, bağlamsal bir tartışma. Bir alışveriş merkezinde insanların ilgi alanlarını ve davranışlarını izlemek için kullanıldığında YTT kullanımından rahatsız olan biri, dijital bir iş sürecinde kimliğini doğrulamak için bunu kullanmaktan memnun olabilir. YTT şirketleri de bunun fazlasıyla farkındalar ve kabul edilebilir örnekleri öne çıkararak yüz tanıma için meşru bir ortam yaratmaya çalışıyorlar.
YTT ile Akıllanan Gündelik Yaşam
Teknoloji şirketleri YTT’nin sağlayacağı kolaylıklar üzerinde duruyorlar. Yüz tanıma, özellikle akıllı ev, akıllı fabrika, akıllı şehir, akıllı cezaevi vb hikayelerde önemli bir yere sahip. Otomatik tanımlama ile insanlar istedikleri şeylere daha hızlı erişebilecekler ve kişiye özel hizmetler artacak. Bu teknoloji yardımıyla bir mağazaya girebilir, istediğimizi alabilir ve bunların hepsinin bizi tanıyan kameralar tarafından hesabımıza yansıtılmasını sağlayabiliriz. Artık parola girmeyeceğiz, metroda kart basmayacağız, yüzümüz sürücü ehliyetimizin yerine geçecek, bir yere girerken kimlik göstermeye gerek kalmayacak. Otomatik yüz tanıma insanlara kolaylık, verimlilik ve güvenlik sağlayacak.
YTT, kayıp ve kaçırılmış kişilerin bulunmasına da yardımcı olabilir. Örneğin, Çin’de yaklaşık 200 bin evsizin yüzleri taranmış ve böylece yaklaşık 6500 kayıp bulunabilmiş. Hindistan polisi de YTT yardımıyla binlerce çocuğu aileleriyle yeniden bir araya getirmeyi hedefliyor. Düzenli taramalarla zorla çalıştırılan kayıp çocukları tespit etmeye çalışıyorlar.
Pandemide Hindistan, Çin ve Rusya, COVID-19’un izini sürme ve sosyal takip amacıyla yüz tanıma teknolojisinden yararlandılar. Pandeminin ilk yılında Moskova’daki yetkililer, 189 bin yüz tanıma kamerasından oluşan ağ sayesinde, karantina emirlerine uymayan vatandaşları tespit ettiler ve yakın zamanda yüksek riskli ülkelerden gelen yolcuları takip ettiler. Çin’de kullanılan yüz tanıma sistemleri ise yüz maskesi takma yönetmeliklerine uymayan ve bu nedenle sağlık riski taşıdığı düşünülen kişileri işaretlemek üzere yeniden programlandı.
Bu olağanüstü durumların dışında YTT gündelik yaşamda güvenliği artıran ve hayat kolaylaştıran bir teknoloji olarak lanse ediliyor ve kullanılıyor. Örneğin kamusal alanlarda, kalabalıkların hareketinin yönetimine yardımcı olmak için kullanılıyor. Temassız turnikeler, büyük kalabalıkların bilet taraması yapmadan içeri girmesine izin veriyor. Yüz tanıma kameraları bilet sahiplerini kendilerine uygun alanlara yönlendiriyor. Bazı yerlerdeki kuyruklar, YTT ile taranıyor ve bazı müşterilerin (örneğin yıllık kartı olanların) girişleri hızlandırılıyor. Alışveriş merkezleri YTT yardımıyla alanlarını nasıl daha verimli kullanabilecekleri hakkında ayrıntılı içgörüler elde edebiliyor.
Havaalanı kalkış kapılarındaki iyi aydınlatma ve pasaport fotoğraflarının yüksek kalitesi YTT kullanımını kolaylaştırıyor. Yolcular, bagaj işlemlerini hızlandırmak ve elektronik pasaport fotoğraflarıyla hızlı eşleştirmeler yapabilen giriş kapılarından geçmek için yüz tanıma özelliğini kullanmayı seçebiliyorlar. İnsan yüzünün pasaport, bilet veya biniş kartının yerine geçmesi Dünya Bankası tarafından da destekleniyor ve bu hedeflerin uygulanabilirliğini test eden pilot projeler yürütülüyor (bkz. https://ktdi.org/). YTT’ye dayalı biniş prosedürleri, ABD’de bazı yolcu gemisi terminallerinde ve Asya şehirlerindeki bazı tren istasyonlarında da uygulanıyor.
Kumarhaneler, yeni gözetim teknolojilerini uygulamada en başından beri oldukça hevesliler. Daha 1994’te Las Vegas’ta, oldukça ilkel bir yüz tanıma sistemi kullanılıyordu. 2000’li yılların ortalarında bir gözetim ağına bağlı 160 kumarhane, tehdit olarak değerlendirdiği bazı kişilerin kumarhanelere girişini engellemeye çalışıyordu. YTT’deki yeni gelişmeler daha iddialı adımlara olanak sağlıyor. Kârlı olmadığını düşündükleri kişilerin kara listelerini çıkarıyorlar. Bu listeler sadece hilekârlardan oluşmuyor. Kart sayan müşteriler de bu listelere eklenebiliyor. Ayrıca YTT, VIP konuklara ve diğer yüksek harcama yapan müşterilere ayrıcalıklı davranılması için de kullanılıyor. Kumarhanelerdeki gözetleme uygulamaları kumarhaneye ayak basanların en baştan gözetlenmeyi kabul ettikleri ve dürüst kumarbazların hile yapanların tesislerden geri çevrilmesini memnuniyetle karşılayacakları varsayımlarına dayanıyor.
Marketler, hırsızlıkları tespit etmek ve caydırmak için YTT’den yararlanmaya başladılar. Örneğin Birleşik Krallık’ta Facewatch gibi sistemler küçük süpermarketler tarafından bile kullanıyor ve markete giren bir kişi hemen veritabanından araştırılıyor ve eşleşme durumunda market sorumluları uyarılıyor. Ayrıca bazı marketlerde alışverişleri otomatikleştirmek ve ödeme için kasalarda sıra beklememek için de kullanılıyor. Bazı yerlerde YTT ile alışveriş yapanlara kişiselleştirilmiş pazarlama ve perakende hizmetleri sunuluyor. Hatta ABD’de 2.000’den fazla kilise Churchix adlı yüz tanıma sistemini kullanarak cemaatin katılımını takip ediyor. Churchix yardımıyla hem bağış yapmaya daha yatkın düzenli katılımcılar hem de kiliseye daha sık katılmaya ikna edilebilecek düzensiz katılımcılar belirlenebiliyor.
ABD’deki okullarda ise YTT ile normalden farklı giyinen veya büyük boy çantalar taşıyan öğrenciler tespit edilerek okulları yönelik saldırılar önlenmeye çalışılıyor. Yüz tanıma, okullarda güvenlik dışında amaçlar için de kullanılıyor Avustralya’da öğretmenler yoklamayla vakit kaybetmiyor ve bunu YTT yapıyor. Çevrimiçi sınavlarda kopya çekilmesini önlemek ya da öğrencilerin anlık yüz hareketlerinden derste katılım ve konsantrasyonlarını değerlendirmek için yapılan çalışmalar da var.
Yüz tanıma teknolojilerinde halihazırda kullanıldığı ve yaygınlaşacağı bir diğer alan da işyerleri. İşyerlerindeki belirli yerlere erişimde YTT kimlik kartlarının yerini almaya başladı. Pandemide temassız teknolojilere olan ilginin artması YTT kullanımının yaygınlaşmasına yol açtı. Bir çok yerde geçici personelin veya kargo dağıtıcılarının erişimini yönetmenin kolay bir yolu haline geldi. İşyerleri YTT yardımıyla devamsızlıkların ve başkasının yerine kart basma vakalarının önüne geçmeye çalışıyorlar. İnsan kaynakları birimleri, mülakat yapılan kişilerin duygu durumlarını ölçmeye çalışıyor. Kişilerin istihdam edilebilirliğe katkıda bulunabilecek tüm veriler yüz algılama teknikleri ile ölçülmeye çalışılıyor. Canon’un Çin yan kuruluşu, ofislere yerleştirdiği kameralarla insanların ruh halini ölçüyor. Kameralar yalnızca gülümseyen çalışanların odalara girmelerine veya toplantı rezervasyonu yapmasına izin veriyor.
YTT, Avustralya’daki koalaları ve Alaska’da boz ayıları tanımlamak ve izlemek için de kullanılıyor. Evcil hayvanlara mikroçip takmak yerine takibin YTT ile yapılması da tartışılıyor.
YTT’nin Kolluk Güçleri Tarafından Kullanımı
Yukarıdaki örneklerin ardındaki gerekçeler genellikle iyi niyetli ve büyük ölçüde kabul edilebilirdir. Bu gibi durumlar insanlar, sunduğu kişisel güvenlik ve gündelik yaşamda sağladığı rahatlık nedeniyle yüz tanımayı kolayca kabul ediyorlar. Bir mağazada ödeme yapmak veya uçağa binmeden önce kimliğinizi doğrulamak için sıra beklememeyi herkes ister. Fakat şirket reklamlarının ötesinde YTT’nin çok tartışmalı yönleri de var. Örneğin polisin Kuzey Amerika ve Avrupa’daki eylemlerde YTT ile insanları tespit etmeye çalışması, kamuoyunun tepkisine neden oldu. Kolluk güçlerinin YTT kullanımına karşı çeşitli yasak ve düzenlemeler gündeme geldi.
Gözetim ve kimlik tespiti, emniyet güçleri için kritik önemde. Bu nedenle, çok uzun zamandır biyometrik verilerden yararlanıyorlar ve hatta biyometri teknolojisinin gelişimine öncülük etikleri de söylenebilir. Daha 20. yüzyılın başında Birleşik Krallık ve ABD polisi parmak izinden yararlanıyordu. Japon polisi 1980’lerde elektronik parmak izi teknolojisini geliştirdi. Günümüzde de dünyanın dört bir yanındaki polis teşkilatları, yüz tanıma, algoritmik parmak izi analizi, avuç içi izi, iris taraması ve DNA testi gibi teknolojiler kullanıyorlar. Fakat biyometrik verilerin kullanımı, güvenliği sağlama hedefinin dışına da çıkabiliyor. Örneğin yüz tanıma sistemleri, demokratik haklarını kullanan yurttaşlar üzerinde bir baskı aracı haline gelebiliyor. Hong Konglu yetkililer 2019 ve 2020 yıllarındaki demokrasi yanlısı protestolarda YTT’yi eylemcileri tespit etmek için kullandılar. Rusya, ilk başta 2018 FIFA Dünya Kupası için tanıtılan yüz tanıma özellikli kameraları daha sonra COVID-19 karantina düzenlemelerinde, sonra da protestocuları tespit etmek için kullandı. Son yıllarda ise yüz tanıma, tüm ülkelerin kolluk kuvvetlerinin eylemcileri tespit etmek için kullandığı bir araca dönüştü.
YTT, kamera tabanlı gözetimin zaten norm olduğu cezaevlerinde daha derin ve geniş biçimlerde kullanılabiliyor. YTT’ler cezaevi yetkililerine, bilinen suçlular mahkumları ziyarete geldiğinde gardiyanları uyarma, yasadışı malların sokulmasını engelleme, sahte kimlik belgeleri kullanarak cezaevine gelen ziyaretçileri tespit etme, mahkumların yerini doğrulama ve hatta serbest bırakılmadan önce mahkumların kimliğini tekrar kontrol etme gibi vaatlerle satılıyor. Çin’deki akıllı hapishanelerde ise mahkumların birbirleriyle ve gardiyanlarla ilişkileri izleniyor. Böylece rüşvet verme gibi davranışların önüne geçilebileceği iddia ediliyor.
Güvenlik güçlerinin YTT’yi kendi amaçları doğrultusunda kullanmaya karşı kendiliğinden bir eğilimleri ve istekleri var. Ancak bu teknolojiler hızla gündelik yaşamdaki diğer iktidar ilişkilerinin içine de sızıyor. Şirketler, uzaktan çalıştırdıkları beyaz yakalılar üzerindeki denetimlerini artırmaya çalışıyorlar. Örneğin, çalışanların klavyedeki tuş vuruşlarını izliyorlar. Bu verileri, YTT’den elde ettikleri verilerle birleştirerek evden çalışan ofis çalışanlarının görevleri için harcadıkları mesaiyi daha kapsamlı analiz edebiliyorlar. Tabii işverenler, sadece beyaz yakalıları izlemiyorlar. YTT ile depo çalışanı, kargocu, taksi sürücüsü vb bir çok işçi takip ediliyor. Uber sürücüleri vardiyalarına başlarken, akıllı telefonlarına yüzlerinin fotoğrafını yüklüyor ve uygulama kimliklerini doğruladıktan sonra işe başlayabiliyorlar. Bunun sıradan bir güvenlik uygulaması olduğu düşünülebilir. Ama bu fotoğrafların, çoğu zaman yasal düzenlemelerin olmadığı koşullarda toplandığını göz önünde bulundurmak gerekiyor. Fotoğraflar, başka kişilerin eline geçebilir ve farklı amaçlarla kullanılabilir.
Ev sahiplerini hedefleyen bir yüz tanıma teknolojisi pazarı da var. Ev sahipleri, bir kişi kapılarına geldiğinde uyarı gönderebilen ve kişinin ev sahibi tarafından tanınıp tanınmadığını belirleyebilen sistemler kullanmaya başladılar. Ancak toplumsal açıdan tehlikeli sonuçları olabilecek bir teknolojinin evler, okullar, yaya geçitleri, kumarhaneler gibi yerlerdeki masum uygulamalarla normalleştirilmesi karşısında uyanık olmak gerekiyor. Çünkü bu örnekler, insanların otomatik tanımlanmaya, izlenmeye ve profillerinin çıkarılmasına karşı duyarsızlaşmasına neden oluyor.
YTT Neden Tehlikeli Bir Teknolojidir?
YTT, görünmez bir teknolojidir. İngiliz filozof Jeremy Bentham’ın tasarladığı panoptikon adlı hapishane modeli gözetim üzerine kuruludur. Bu modelde, hapishane yetkilileri bir gözetleme kulesinden mahkumları izleyebilir. Ancak mahkumlar kulede gözetleyici olup olmadığını göremez. Bir diğer deyişle, gözetim görünmez ama daima mümkündür. Bu eşitsiz durum ve sürekli izlenme olasılığı mahkûmlarda öz denetim yaratır. Bu bağlamda CCTV kameralar (kapalı devre kamera sistemi), Bentham’ın panoptikonuna benzerler: Görünürler ama aktif olup olmadıkları bilinmez. Fakat YTT ile gözetim çoğunlukla tam tersini, görünmezliği ve insanları doğal hallerinde izlemeyi tercih eder. Örneğin, bir kameranın yüz tanıma özelliğiyle donatılmış olup olmadığını ona bakarak söylemek olanaksızdır. YTT, iktidar ilişkilerini daha dolaylı ve görünmez biçimlerde yeniden üretir.
YTT, insanların görünürlüğünü artıran bir teknolojidir. YTT’nin görünmezliği, insanların görünürlüğünü artırır. Yolda yürürken üzerimizde bir görünmezlik pelerini yoktur. Ama olağanüstü bir şey yapmadıkça veya giymedikçe kimse kafasını çevirip bakmaz. YTT; çalışanların, alışveriş yapanların, yayaların, spor taraftarlarının, protestolara katılanların bulundukları yerlerdeki görünmezliklerini ortadan kaldırır. Ayrıca bazı YTT’ler insanları yüz ifadelerini kendi bilgileri dışında sürekli izler, ruh halleri ve duygu durumları hakkında kestirimlerde bulunur. Artık kalabalıklar arasındaki sıradan bir insan, kendini izleyen gözlerden kaçamaz. YTT’ler, alışveriş yapan birinin yüzünün herhangi bir ürün karşısında duygu belirtisi gösterip göstermediğini analiz etmeye çalışabilir. Böylece gözetleme gücüne sahip olanın, gözetleneni etkileyebilme (davranışlarını sınırlayabilme, belirli doğrultuda hareket etmesi için dürtme, sınırlama gibi) kapasitesi artar.
YTT uygulamaları teknolojik çözümcülüğe meyillidir. Andrejevic ve Selwyn (2022), YTT uygulamalarının çoğunun aslında belirgin verimliliklere veya iyileştirilmiş sonuçlara yol açtığına dair elimizde yeterli kanıt olmadığını savunuyor. Bugüne kadar YTT kullanılarak bir okul saldırısının önlendiğine dair bir örnek çıkmadı. Yüz tanıma sistemlerinin saldırganları önleme iddiası, sadece daha güvenli okullar görüntüsü sunan bir güvenlik tiyatrosundan öteye gitmez. Nitekim New York eyaleti, mahremiyet endişeleri, ırksal yanlılıklardan kaynaklı yanlışlıklar ve okul saldırganlarının çoğunun izleme listelerinde işaretlenmeyen mevcut öğrenciler olması gibi gerekçelerle 2023’te okullarda yüz tanıma sisteminin kullanımını yasakladı (https://apnews.com/article/facial-recognition-banned-new-york-schools-ddd35e004254d316beabf70453b1a6a2). Teknolojik çözümcülük, silah kontrol yasalarını yeniden düzenlemek yerine sorunu saldırganın tespitine indirgemişti. Benzer şekilde Moskovalı yetkililer, pandemi sürecini YTT aracılığıyla yönettiklerini iddia etseler de YTT daha çok politikacıların sosyal bir sorun karşısında ‘bir şeyler yapıyormuş’ gibi bir algı oluşturabilmelerine yardımcı oldu.
YTT’de işlev genişlemesine çok sık rastlanmaktadır. Belirli bir amaç için geliştirilmiş bir uygulama daha sonra başka amaçlar için yeniden yapılandırılabilir. Görünürde yararlı uygulamalar bile günlük kamusal ve özel alanlara otomatik izleme, takip etme, sıralama ve engelleme mantığı getirirler. Daha sonra hızla başka (ve başlangıçta öngörülemeyen) uygulamalara yol açma potansiyeli taşırlar. Örneğin, kumarhanelerde YTT sonuçlarına bağlı olarak sorunlu kumarbazları dışarıda bırakmayı daha sonra VIP misafirleri ve diğer kazançlı yüksek bahisçileri kapıda tanıma takip edebilir. Ama sonrasında yazılımın işlevleri, küçük miktarlarda para harcayan sürekli müşterileri caydıracak biçimlerde de genişletilebilir (Selwyn vd, 2024).
Örneğin İngiltere, savunmasız yaşlı yetişkinler için izleme cihazları geliştirme konusunda uzmanlaşmış bir teknoloji şirketiyle sözleşme imzaladı. Sözleşmeye göre suçla itham edilen göçmenlerin konumunu takip edebilmek için yüz tanıma saatleri üretilecekti. Fakat daha sonra bu teknoloji, göçmenlerin yüzlerini taramaları ve coğrafi konumlarını günde beş defa akıllı saat cihazına kaydetmeleri için kullanılmaya başlandı (age).
Biyometrik veriler, üçüncü kişilerin eline geçebilir. Günümüzde Avrupa ülkelerinin mahremiyet hakkında daha duyarlı olmalarının başlıca nedeni II. Dünya Savaşı deneyimleridir. II. Dünya Savaşı’ndan önce toplanmış nüfus verileri Naziler’in işini oldukça kolaylaştırmıştı. Yakın zamanda benzer bir durum Afganistan’da da yaşandı. ABD güçleri Afganistan’da maaş çeki dolandırıcılığıyla mücadele etmek için iris taramaları, parmak izleri ve yüz görüntülerinden oluşan veri setleri oluşturmuştu. 2021’de ABD Afganistan’dan çekildikten sonra Afgan polisi ve ordu personeline ait biyometrik veriler Taliban rejiminin eline geçti. Bu da Taliban’ın ABD ve diğer batılı güçleri desteklemek için çalışan Afganlar’ı tespit etme kapasitesini artırdı. Devlet kurumlarının topladığı verilerin yanında Clearview gibi şirketlerin sosyal medya sitelerinden ve diğer kaynaklardan topladıkları görüntüler de var. Bu görüntüler, düzenleyici ve kısıtlayıcı yasalar olmaksızın kullanılabiliyor ve el değiştirebiliyor.
Yanlış bir şekilde izlenmek, sadece izlenmekten daha kötüdür. Herhangi bir yanlış tanıma vakası, bu tanımlamaları yapan kurumlar için genellikle önemsiz ve sıradan bir durumdur. Fakat yanlış tanınmanın haksızlığa uğrayan bireyler için yıkıcı sonuçları olabilir. Örneğin, ABD genelinde sadece uygun kişilerin işsizlik yardımlarına erişimini sağlamak için %99,9 başarı oranına sahip bir yüz tanıma yazılımının kullanılması, yine de binlerce hak sahibinin haftalarca temel ödemelerden yoksun kalmasına ve dolayısıyla geçimlerini sağlamakta zorlanmalarına neden oldu (Andrejevic ve Selwyn, 2022).
YTT, iddia edildiği gibi sorunsuz bir şekilde çalışan bir teknoloji değildir. YTT’nin lanse edildiği gibi çalışmadığı hakkında çok fazla örnek var. Satıcılarının yapabildiğini iddia ettiklerinin aksine YTT’nin gerçekte ne yapabildiğini sorgulamak zorundayız. Şu anda kullanılmakta olan YTT’nin doğru çalışmamasının sonuçlarına çok daha fazla dikkat etmemiz gerekiyor. Bu sistemler, olasılıksal kararlar veriyorlar. Diğer veri odaklı süreçlerde olduğu gibi hatalar olabiliyor. Yanlış pozitif ve yanlış negatifler ortaya çıkabiliyor. YTT, sıradan bir Filistinli’nin Hamas savaşçısı olarak gözaltına alınmasına neden olabiliyor. YTT’nin yanlış kararları insanların belirli yerlere ve kaynaklara erişimleri engellenebiliyor.
Bunun yanında bir YTT başarısız olduğunda veya hatalı kararlar verdiğinde, bilgisayarın kararının yanlışlığını kanıtlamak zahmetli ve zaman alıcı olabilmektedir. Ayrıca YTT’ler belirli insan gruplarını diğerlerinden daha sık yanlış tanıma eğilimindeler. Özellikle, beyaz olmayan kadınları tanımakta zorlanıyorlar. Ayrıca normalin dışına çıkıldığında (insanlar başörtüsü, peçe veya maske kullandıklarında veya yüzlerine dövme yaptırdıklarında) başarı oranları düşüyor (Selwyn vd, 2024).
YTT’nin doğruluk oranı koşullara ve eğitiminde kullanılan veri setine bağlı olarak değişir. En iyi senaryo, yüz maskeleri veya başka müdahaleler olmadan düz bir açıyı içeren görüntülerdir. Birçok havaalanındaki iyi aydınlatılmış kameralar ve eşleştirme için kullanılan pasaport fotoğrafları yüz tanıma için idealdir. Fakat asıl sorun ideal olmayan koşullarda da doğru ve güvenilir eşleşmeler yapabilmektir. Bazen yetersiz aydınlatma nedeniyle doğruluk oranları düşer. Bazen de insanların yüzlerini şapka, gözlük, burka veya yüz maskeleriyle kapattığı durumlar olabilir. Bir diğer karmaşıklık da görüntünün canlılığının tespitidir. Sistem, yeni edinilen görüntünün canlı kişiye mi, bir yüzün yüksek çözünürlüklü fotoğrafına mı veya gerçekçi bir lateks maske takan birine mi ait olduğunu tespit etmekte zorlanabilir. Bu tür durumlar, insanlar için zor olmayabilir, ancak hesaplama açısından ciddi zorluklara neden olabilir (Andrejevic ve Selwyn, 2022).
Belirli bir ırk veya yaş grubundan yeterli sayıda fotoğraf içermeyen bir fotoğraf yığını üzerinde eğitilen bir YTT, benzer özelliklere sahip kişileri tanımakta zorluk çekebilir. Bu nedenle, YTT’nin ilk günlerindeki bay ortalamaların aksine çeşitliliğin yüksek olduğu veri setlerine gerek var. Fakat buralarda farklı tartışmalar ortaya çıkmaktadır. Yüz tanıma modellerini ve algoritmalarını eğitmek ve test etmek için, sistem sonuçlarının karşılaştırılabileceği ve test edilebileceği etiketlere gereksinim vardır. Örneğin, FairFace algoritması bir bireyin siyah, beyaz ya da latin olup olmadığını ayırt edebileceğini iddia ediyor. Fakat latinliğin ırksal bir kategori olmamasının yanı sıra (Latin insanlar herhangi bir ırktan olabilir) bunun yüz hatlarından tespit edilmesi de çok zordur (age).
Yanlılık (bias) sadece istatistiksel bir sorun değildir. YTT’nin bazı ırkları tanımada yetersiz kaldığı bir sır değildir. Ama temel tartışma konularından biri YTT’nin daha iyi veri uygulamaları ve teknik titizlikle düzeltilip düzeltilemeyeceğidir. Bu da algoritmaların ve yapay zekâ modellerinin kendi başlarına yanlı olmadıkları varsayımına dayanır. Daha iyi veri setleri ile yanlılık sorununun çözülebileceği savunulur. Ama yanlılık sadece veriden de kaynaklanmaz. Algoritmik sistemler geliştirilirken verilen çeşitli kararlar da çeşitli yanlılıklar yaratabilir.
Daha önemlisi, bilgisayar bilimcilerin ve sosyal bilimcilerin yanlılıktan söz ederken aslında farklı konulardan söz etmeleridir. Bilgisayar bilimcilere göre yanlılık doğru algoritmalar ve yapay öğrenme modelleri geliştirirken en aza indirmesi gereken veri sorunlarından biridir. Sosyal bilimciler ise algoritmik yanlılığı basit bir veri sorunu olarak görmezler. Bunun hem insan ilişkilerinden hem de bu ilişkileri temsil etmeye ve düzenlemeye çalışan insan-veri ilişkilerinden oluşan sosyoteknik bir sorun olduğunu savunurlar. Bu nedenle sosyal bilimciler için yanlılık, düzeltilebilecek bir şey değildir. Veri odaklı araçlar, kaçınılmaz olarak onları yapan ve kullanan insanların dünya görüşleri kadar kusurlu olacaktır. Sözkonusu araçlar, özellikle daha kapsayıcı sonuçlar ve pozitif ayrımcılık yönünde yanlı olacak şekilde tasarlanmadıkça, mevcut farklılıkları ve adaletsizlikleri artıracaklardır. Bu nedenle, gerekli önlemler alınmazsa YTT yanlılıkları yeniden üretmekle kalmayacak onları daha da güçlendirecektir (Selwyn vd, 2024).
***
Cin şişeden çıktı. YTT’yi tekrar şişeye hapsetmek çok zor. Ama YTT’nin kullanımını sınırları çizilmiş hesap verebilirlik mekanizmalarıyla düzenlemek ya da bazı yerlerde kullanımını tamamen yasaklamak hâlâ mümkün.
Kaynaklar
Andrejevic, M., & Selwyn, N. (2022). Facial recognition. John Wiley & Sons.
Frenkel, S. (2024). Israel Deploys Expansive Facial Recognition Program in Gaza. International New York Times, https://www.nytimes.com/2024/03/27/technology/israel-facial-recognition-gaza.html, son erişim 16.06.2025
Frenkel, S., Odenheimer, N. (2025). Israel’s A.I. Experiments in Gaza War Raise Ethical Concerns. International New York Times, https://www.nytimes.com/2025/04/25/technology/israel-gaza-ai.html, son erişim 16.06.2025
Hill, K. (2024). Facial recognition led to wrongful arrests. So Detroit is making changes. International New York Times, https://www.nytimes.com/2024/06/29/technology/detroit-facial-recognition-false-arrests.html, son erişim 16.06.2025
Matulionyte, R., & Zalnieriute, M. (2024). Introduction: facial recognition in the modern state. In The Cambridge handbook of facial recognition in the modern state (pp. 1-8). Cambridge University Press (CUP).
O’Brien, L (2025). The Shocking Far-Right Agenda Behind the Facial Recognition Tech Used by ICE and the FBI, Mother Jones, https://www.motherjones.com/politics/2025/04/clearview-ai-immigration-ice-fbi-surveillance-facial-recognition-hoan-ton-that-hal-lambert-trump, son erişim 16.06.2025
Selwyn, N., Andrejevic, M., O’Neill, C., Gu, X., & Smith, G. (2024). Facial recognition technology: Key issues and emerging concerns. In The cambridge handbook of facial recognition in the modern state (pp. 11-28). Cambridge University Press.
İlk Yorumu Siz Yapın