Anthropic, yapay zeka asistanı Claude'un ürettiği metinlere görünmez filigran (watermark) ekleyeceğini ve bunun nasıl çalışacağını detaylandırdı. Sistem, Google DeepMind tarafından geliştirilen SynthID-Text yaklaşımını temel alıyor ve AB Yapay Zeka Yasasının şeffaflık yükümlülüğü kapsamında zorunlu hale geliyor.
Metne filigran nasıl konur?
Görsellerde filigran görünür bir logo veya piksel deseni olabilir; metinde ise durum farklı. SynthID-Text yöntemi, modelin metin üretirken yaptığı "düşük riskli tercihlere" gizli bir örüntü yerleştiriyor. Örneğin model, aynı anlama gelen "bulutlu" ve "kapalı" kelimeleri arasında seçim yaparken bu seçimi belirli bir istatistiksel desene göre yapıyor.
Sonuç: okuyucu için metin tamamen doğal görünür, hiçbir fark hissedilmez; ancak doğru şifre çözme anahtarına sahip bir sistem, metnin yapay zeka tarafından üretilip üretilmediğini tespit edebilir.
Filigran silinebilir mi?
| Düzenleme Türü | Filigranın Durumu |
|---|---|
| Hafif düzenleme (birkaç cümle değişikliği) | Büyük olasılıkla korunur |
| Yoğun düzenleme | Zayıflar, tespit güvenilirliği düşer |
| Tam yeniden yazım (her kelimenin değişmesi) | Kaybolur |
Anthropic bu noktada dikkat çekici bir yorum yapıyor: metnin her kelimesi değiştirildiğinde "o metnin artık yapay zeka tarafından üretilmiş sayılıp sayılamayacağı tartışmalı" hale geliyor. Yani filigranın kaybolduğu nokta, aynı zamanda metnin insan katkısının belirginleştiği nokta.
Kod üretiminde durum ne?
Filigranın kod çıktıları üzerindeki etkisi neredeyse yok denecek kadar az. Bunun nedeni basit: kodun çalışması gerekir, dolayısıyla modelin keyfi tercih yapabileceği alan çok sınırlıdır. Değişken adı veya sözdizimi rastgele seçilemez. Filigran yalnızca kod yorumları gibi serbest metin alanlarında devreye girebilir.
Tespit API'si geliyor
Anthropic, filigranı tespit etmeye yarayan bir API yayınlamayı planlıyor. Bu, eğitim kurumları, yayıncılar ve içerik platformları için pratik bir doğrulama aracı anlamına gelebilir. Ancak API'nin kimlere ve hangi koşullarda açılacağı henüz netleşmedi.
Neden şimdi? AB Yapay Zeka Yasası
Bu adım gönüllü bir tercih değil; AB Yapay Zeka Yasası'nın Şeffaflık Uygulama Kuralları (Transparency Code of Practice) kapsamında zorunlu bir gereklilik. Aynı uygulama kurallarını imzalayan diğer büyük yapay zeka geliştiricileri de kendi filigran sistemlerini hayata geçirecek. Yani önümüzdeki dönemde bu, sektör genelinde standart bir uygulamaya dönüşecek gibi görünüyor.
İçerik üreticileri için pratik sonuçlar
- Yapay zeka ile taslak oluşturup üzerine kendi katkınızı ekliyorsanız, ortaya çıkan metin genellikle filigran açısından zayıf sinyal taşır.
- Tamamen model çıktısını olduğu gibi yayınlamak, tespit edilebilir bir iz bırakır.
- Filigran varlığı tek başına "kötü içerik" anlamına gelmez; şeffaflık amaçlı bir işaretlemedir.
- Arama motorlarının bu sinyali nasıl değerlendireceğine dair henüz kamuya açık bir politika bulunmuyor; kesin çıkarım yapmak için erken.
Yapay zeka araçlarını içerik üretiminde nasıl konumlandıracağınızı merak ediyorsanız, Yapay Zekâ Öğrenme Yol Haritası yazımız temel kavramları sırayla ele alıyor.
Sık Sorulan Sorular
Claude'un filigranı metni bozar mı?
Hayır; filigran yalnızca anlamı değiştirmeyen eşdeğer kelime tercihlerine yerleştirildiği için okunabilirlik ve kalite üzerinde fark edilir bir etkisi olmaz.
Filigranı ben görebilir miyim?
Hayır, çıplak gözle tespit edilemez; ancak Anthropic'in yayınlamayı planladığı tespit API'si ile kontrol edilebilir.
Metni düzenlersem filigran kalkar mı?
Hafif düzenlemeler filigranı büyük olasılıkla kaldırmaz; yalnızca metnin tamamen yeniden yazılması durumunda kaybolur.
Bu uygulama sadece Claude için mi geçerli?
Hayır; aynı AB uygulama kurallarını imzalayan diğer büyük yapay zeka geliştiricileri de kendi filigran sistemlerini uygulayacak.
Kod yazdırırken de filigran ekleniyor mu?
Kod çıktısında filigranın etkisi çok sınırlıdır; yalnızca kod yorumları gibi serbest metin bölümlerinde uygulanabilir.
Kaynak: TechCrunch, 15 Ağustos 2026.
Claude filigranı kullanıcılar için ne değiştirecek?
Claude kullanan kişiler günlük sohbet ekranında filigranı görmeyecek ve metnin okunabilirliği değişmeyecek. İşaret, kelime seçimlerinin istatistiksel düzeninde bulunduğu için kopyalama ve hafif düzenleme sırasında büyük ölçüde korunabilecek. Buna karşılık metnin baştan sona yeniden yazılması sinyali zayıflatabilir.
İçerik üreticileri açısından en güvenli yaklaşım, Claude çıktısını doğrudan yayımlamak yerine doğrulamak, kaynak eklemek ve
Claude filigranının teknik ve pratik sınırlamaları
Metin filigranı, her cümlede görülen sabit bir kod değildir. Modelin çok sayıdaki kelime seçimine yayılan istatistiksel bir işaret oluşturur. Bu nedenle birkaç kelimelik yanıtlar veya seçeneklerin sınırlı olduğu teknik ifadeler güvenilir bir sinyal taşımayabilir. Metin uzadıkça örüntünün ölçülmesi kolaylaşır; fakat tespit sonucu yine de mutlak bir kimlik doğrulaması olarak değerlendirilmemelidir.
Çeviri, yoğun özetleme ve farklı bir modelle yeniden yazma işlemleri filigranın gücünü azaltabilir. Aynı durum metindeki cümlelerin sırasını kapsamlı biçimde değiştirmek veya çok sayıda eş anlamlı kelime kullanmak için de geçerlidir. Buna karşılık yalnızca yazım hatalarını düzeltmek ya da birkaç cümleyi kısaltmak, işaretin tamamını ortadan kaldırmak için yeterli olmayabilir.
Tespit sistemlerinin yanlış olumlu ve yanlış olumsuz sonuç üretme ihtimali bulunur. İnsan tarafından yazılmış bir metnin hatalı biçimde işaretlenmesi veya Claude çıktısının düzenleme sonrasında tespit edilememesi mümkündür. Bu yüzden eğitim, yayıncılık ve moderasyon süreçlerinde filigran sonucu tek başına yaptırım gerekçesi yapılmamalı; taslak geçmişi, kaynaklar ve diğer kanıtlarla birlikte incelenmelidir.
Kurumlar Claude filigranına nasıl hazırlanmalı?
Kurumlar öncelikle yapay zekâ ile hazırlanan içeriğin nerede ve nasıl belirtileceğini açıklayan yazılı bir politika oluşturabilir. Çalışanların kullandığı araçlar, insan kontrolünün zorunlu olduğu içerik türleri ve kaynak doğrulama adımları bu politikada yer almalıdır. Filigran tespit API’si kullanıma açıldığında sonuçların kimler tarafından görülebileceği ve ne kadar süre saklanacağı da önceden belirlenmelidir.
İçerik ekiplerinin model çıktısını kopyalayıp yayımlamak yerine doğruluk, telif ve bağlam kontrolü yapması önemlidir. Kaynak bağlantılarının eklenmesi, sayısal verilerin karşılaştırılması ve hassas konularda uzman incelemesi yapılması filigrandan bağımsız olarak kaliteyi artırır. Okurlara yapay zekâ desteği hakkında açık bilgi vermek ise hem şeffaflık beklentisini karşılar hem de yanlış anlaşılma riskini azaltır.
