Yapay Zeka Dedektörü: Türkçe AI Detector

Yapay zeka dedektörü (AI dedektör) nedir?

Yapay zeka dedektörü (AI detector, kısaca AI dedektör), bir metnin ChatGPT, Gemini veya Claude gibi büyük dil modelleriyle yazılmış olma olasılığını tahmin eden analiz aracıdır; OpenAI'ın Kasım 2022'de yayımladığı ChatGPT'nin ardından ayrı bir yazılım kategorisine dönüştü. Ölçtüğü şey kesinlik değil olasılıktır: sonuç, 0-100 arası bir skor ve skoru üreten sinyallerin dökümü olarak verilir. Kategorinin ilk yaygın örneğini Ocak 2023'te Princeton öğrencisi Edward Tian, GPTZero adıyla yayımladı; iki yıl içinde kategori, Turnitin gibi eğitim platformlarına gömülü modüllerden tarayıcıda çalışan açık araçlara kadar genişledi. İncelenen katman her araçta aynıdır: cümle ritmi, kelime öngörülebilirliği, kalıp yoğunluğu ve somut detay oranı birlikte puanlanır.

Yapay zeka tespit programı hangi sinyalleri tarar?

Üç sinyal ailesi skorun büyük bölümünü belirler: ritim, kalıp ve deneyim. Bir yapay zeka tespit programı bu aileleri cümle düzeyinde tarar, bulguları ağırlıklandırır ve toplamı olasılık skoruna çevirir; bu sayfadaki araç ayrıca her sinyali gerekçesiyle listeler.

• Burstiness (ritim dalgalanması): insan yazımı kısa ve uzun cümleleri karıştırır, model çıktısı dar bir uzunluk bandında akar. GPTZero ile yaygınlaşan perplexity (öngörülebilirlik) ölçümü de bu ailedendir: sıradaki kelime ne kadar tahmin edilebilirse metin o kadar model işi görünür.
• Klişe kalıplar: "önemli bir rol oynamaktadır" ve "bununla birlikte" gibi dolgu ifadeleri, her paragrafı özetleyen kapanış cümleleri ve giriş-üç madde-sonuç simetrisi, denetimsiz model çıktısının parmak izidir.
• Deneyim yokluğu: tarih, yer, kişi, fiyat ve yaşanmış olay içermeyen genel doğrular. İnsan yazar metne somut iz bırakır; model bu izi ya hiç üretmez ya da uydurur.

Tek sinyal tek başına karar üretmez. Resmi bir dilekçe de kalıplarla dolu olabilir, deneyimli bir teknik yazar da düz ritimle yazabilir; skor bu yüzden sinyallerin kesişiminden hesaplanır ve döküm, hangi ailenin ağır bastığını gösterir. Ağırlıklar da eşit değildir: deneyim yokluğu tek başına zayıf bir işarettir, ritim ve kalıp bulgularıyla üst üste bindiğinde ise skoru hızla yukarı taşır.

Bu AI dedektörü nasıl çalışır?

Buradaki AI dedektör iki katman çalıştırır ve skoru ikisinin harmanından üretir. Birinci katman dilbilimsel ölçüm yapar: yapay zeka kullanmaz, aynı metne her zaman aynı sayıları verir. Ölçtüğü şeyler cümle uzunluğu dalgalanması (burstiness), Türkçe kalıp sözlüğüyle eşleşme, yüklem tekdüzeliği, cümle sonu eki çeşitliliği, noktalama zenginliği ve insan izi işaretleridir. İkinci katman bir dil modelidir: metni okur, türünü belirler ve birinci katmanın ölçümlerini görerek yorumlar. Tür bilgisi yanlış pozitifi azaltmak içindir; sözleşme ya da teknik doküman insan elinden çıksa da kalıplı akar, model bu beklentiyi hesaba katar.

Türkçeye özel iki ölçüm ayrımı büyütür. Birincisi yüklem tekdüzeliği: cümlelerin ne kadarının "-dır / -dir" kalıbıyla bittiği. Kalibrasyon metinlerinde bu oran ham model çıktısında 0,92 ile 1,00, insan yazısında 0,00 ile 0,29 arasında ölçüldü. İkincisi cümle sonu eki çeşitliliği: model çıktısı cümleleri benzer eklerle bitirir, insan yazısı bitirmez. İngilizce için tasarlanmış dedektörlerin Türkçede zorlanmasının sebebi bu katmanın hiç ölçülmemesidir; kelime öngörülebilirliği tek başına eklemeli dilde yanlış okunur.

Harman üç şeyi belirler. İstatistik katmanının ağırlığı metin uzadıkça artar, çünkü kısa metinde varyans güvenilmez. İki katman aynı yönü gösterdiğinde güven seviyesi yükselir, ayrıştığında skor ortaya çekilir ve olası aralık genişler; sonuç bu yüzden tek sayı değil bant olarak verilir. Dil modelinin gösterdiği şüpheli cümleler ise ekrana basılmadan önce metinde birebir aranır: metinde geçmeyen alıntı elenir, böylece uydurulmuş kanıt sonuca giremez.

Tespit sonuçları ne kadar doğru?

Hiçbir dedektör kesin sonuç vermez; sınırı en açık biçimde üreticiler gösterdi. OpenAI, kendi metin sınıflandırıcısını Temmuz 2023'te düşük doğruluk gerekçesiyle kapattı; aracın lansman notu bile doğru yakalama oranını yüzde 26 olarak veriyordu. Stanford ekibinin Patterns dergisinde yayımlanan 2023 çalışması (Liang vd.) madalyonun öbür yüzünü ölçtü: yedi popüler dedektör, ana dili İngilizce olmayan yazarların TOEFL metinlerini ortalama yüzde 61 oranında yanlışlıkla AI diye işaretledi.

Pratikte hata iki yönde birikir. Kısa, resmi veya şablona bağlı insan metni yanlış pozitife (insan yazımının AI sanılmasına) kayar; insan eliyle yeniden yazılmış model çıktısı ise sinyalleri seyreltip ters yönde, yanlış negatife kaçar. Skor bu yüzden kanıt değil gösterge olarak okunur; not, işe alım veya yayın kararı gibi sonuç doğuran değerlendirmelerde ikinci bir doğrulama katmanıyla birleştirilir.

Turnitin AI detector akademik değerlendirmede nasıl konumlanır?

Turnitin, AI yazım tespitini Nisan 2023'te benzerlik raporunun yanına ekledi; yükseköğretimde yaygın kullanılan sistem, o tarihten sonra akademik AI tartışmasının merkezine oturdu. Şirketin kendi kılavuzu iki sınır çizer: belge düzeyinde yanlış pozitif oranı beyana göre yüzde 1'in altındadır ve skor tek başına yaptırım gerekçesi yapılmamalıdır. Oran bu kadar düşük kalsa bile yüz ödevlik bir dönemde haksız bir işaret istatistiksel olarak olasıdır; kılavuzun nihai kararı insana bırakması bu yüzdendir. Deneyimli eğitmenler skoru başlangıç noktası yapar: işaretli bölümü öğrenciyle sözlü sınavda doğrulamak, konu hakimiyetini ödev metninden bağımsız ölçmek raporun kendisinden daha belirleyicidir.

Google yapay zeka içeriğini cezalandırıyor mu?

Google üretim yöntemini değil sonucu değerlendirir. Şirketin Şubat 2023 tarihli AI içerik yönergesi, nasıl üretilirse üretilsin kaliteli içeriğin ödüllendirildiğini, sıralamayı manipüle etmek için otomasyon kullanmanın ise spam politikasını ihlal ettiğini yazar. Mart 2024 güncellemesi çizgiyi sertleştirdi: ölçekli içerik kötüye kullanımı (scaled content abuse) ayrı bir spam politikası oldu ve Google, düşük kaliteli, özgün olmayan içeriği sonuçlarda yüzde 40 azaltmayı beklediğini duyurdu. Politika kağıt üstünde kalmadı: güncellemeyle eş zamanlı manuel işlemler, seri üretilmiş içerik yayımlayan siteleri dizinden düşürdü.

Risk hesabı içerik üreticisi için buradan çıkar. Ham model çıktısı, kalite değerlendirici yönergelerine Aralık 2022'de eklenen deneyim (Experience) boyutunu taşımaz ve aynı komutla üretilmiş binlerce benzerinden ayrışmaz; ceza riskinden önce görünmezlik riski taşır. Model çıktısını veri, vaka ve editoryal denetimle harmanlayan yayınlar ise bu politikaların hedefi değildir. Sitesinde AI destekli içerik yayımlayan ekipler sayfa kalitesinin mevcut durumunu ücretsiz analiz raporuyla görebilir; içerik denetimi ve AI görünürlük çalışması SEO paketlerinin parçasıdır.

Türkçe AI detector neden az bulunur?

Türkçe destekli AI detector az bulunur çünkü dedektör modelleri ağırlıkla İngilizce metinle eğitilir ve sinyaller dile bağlıdır. Türkçenin eklemeli yapısı işi ayrıca zorlaştırır: tek kök onlarca çekimli biçim üretir ve İngilizceye göre ayarlanmış öngörülebilirlik ölçümü bu çeşitliliği yanlış okuyabilir. Klişe katmanı da dilden dile değişir; İngilizce model çıktısında "delve" ve "tapestry" gibi kelimeler öne çıkarken Türkçe çıktının parmak izi "günümüz dünyasında" ailesidir. Bu sayfadaki AI dedektörü Türkçe kalıp ailelerini ağırlıklı bir sözlükle tarar, yüklem tekdüzeliğini ve cümle sonu eki çeşitliliğini ayrıca ölçer, gerekçeleri Türkçe raporlar.

AI text detector ile görsel dedektör arasındaki fark nedir?

AI text detector dil istatistiği okur; görsel dedektör piksel izi ve köken kaydı arar. Metin tarafında elde yalnız kelimeler olduğundan sonuç her zaman istatistiksel tahmindir. Görsel tarafta üretici iz bırakabilir: Google DeepMind imzalı SynthID, Ağustos 2023'ten beri Google'ın kendi görsel modellerinin çıktısına gözle görülmeyen bir filigran gömer; Adobe ve Microsoft'un kurucuları arasında olduğu C2PA koalisyonu ise dosyaya düzenleme geçmişini taşıyan içerik kimliği (Content Credentials) ekler. Metinde filigran denemesi de var: Google, SynthID metin sürümünü Ekim 2024'te açık kaynak yaptı, ancak filigranlı metin yeniden yazıldığında iz büyük ölçüde silinir. Görselde köken kanıtı mümkündür; metinde tahmin esas kalır.

Skor bantları nasıl yorumlanmalı?

Skor üç bantta okunur: 0-39 insan ağırlıklı yazımı, 40-69 karışık üretimi, 70-100 yoğun model izini gösterir. Bandın anlamı sinyal tutarlılığından gelir; üst banda çıkan metinlerde birden çok sinyal ailesi aynı yönde üst üste biner.

Skor	Okuma	Editoryal adım
0-39	Büyük olasılıkla insan yazımı; sinyaller zayıf ve dağınık.	Rutin editoryal kontrol yeterli.
40-69	Karışık: model taslağı üzerinde insan düzenlemesi veya şablonlu insan yazımı.	Ek örneklem isteyin, işaretli bölümleri yazarla konuşun.
70-100	Büyük olasılıkla model üretimi; sinyaller yoğun ve tutarlı.	Süreç kanıtı isteyin; metni elden geçirmeden yayımlamayın.

Orta bant en çok yanlış okunan bölgedir. Resmi yazışma, mevzuat özeti ve teknik doküman türleri kalıplı aktığı için insan elinden çıksa da 40-69 aralığına düşebilir; iyi düzenlenmiş model taslağı da aynı banda tırmanır. Bu aralıkta skor tek başına karar üretmez: örneklemi büyütmek, aynı yazarın önceki metniyle karşılaştırmak ve dökümdeki gerekçeleri tek tek okumak gerekir. Toplu değerlendirmede ise sıralama pratiği zaman kazandırır: onlarca metni tek tek okumak yerine önce 70 üstü skorları ayırıp derin incelemeyi o kümeye vermek, editoryal mesaiyi doğru yere harcar.

Yapay zeka dedektörü ne sağlar, neyi garanti etmez?

Araç iki şeyi sağlar: saniyeler içinde ön eleme ve her skorun arkasında okunabilir bir gerekçe listesi. Garanti etmediği şey kesinliktir; OpenAI'ın kendi sınıflandırıcısını kapatması ve Stanford'un yanlış pozitif bulgusu, doğruluk tavanının tek bir araca değil kategoriye ait olduğunu gösterir. Doğru konum kitleye göre değişir: içerik üreticisi yayın öncesi son kontrol, eğitmen sözlü doğrulama öncesi ilk filtre, editör toplu içerik alımında ön eleme olarak çalıştırdığında araç doğru yerde durur. Skoru tek hakim yapan her senaryo ise iki hatayı birden davet eder: haksız işaretlenen insan metni ve gözden kaçan model metni.