Meta’nın geliştirdiği, Muse Image tarafından oluşturulan görsellere görünmez bir işaret (Content Seal) ekleyerek yapay zekâ üretimini saptamayı amaçlayan tespit aracı, basit düzenlemeler karşısında zayıf kaldı. Reuters’ın gerçekleştirdiği denemede, orijinal halleriyle sisteme yüklenen 40 görselin tamamı doğru şekilde tespit edilirken, aynı görseller kenarlarından kırpılarak boyutları küçültüldüğünde aracın algılama başarısının belirgin biçimde düştüğü görüldü.
Test sonuçları raporuna göre, kırpılmış hâlleriyle sisteme yüklenen 40 görselin 22’sinde görünmez filigran tespit edilemedi; yani araç, düzenlenmiş görsellerin %55’inden fazlasını yapay zekâ ürünü olarak belirleyemedi. Bu bulgu, görünmez filigranın kırpma gibi basit işlemler karşısında yeterli dayanıklılığı göstermediğine işaret ediyor.
Meta’nın açıklaması ve sistemin işleyişi
Şirket, aracın hâlen ön izleme aşamasında olduğunu ve zaman içinde iyileştirileceğini belirtti. Meta’nın sunduğu yöntemde Muse Image ile Meta AI uygulaması ve şirketin sitesi üzerinden üretilen görsellere otomatik olarak Content Seal adı verilen görünmez bir kaynak işareti ekleniyor. Kullanıcılar, Meta’nın tespit aracıyla bu işaretin görselde bulunup bulunmadığını kontrol edebiliyor.
Meta, işaretin kırpma, yeniden boyutlandırma, sıkıştırma ve ekran görüntüsü gibi yaygın değişikliklere karşı korunacak şekilde tasarlandığını açıklamış olsa da Reuters’ın testindeki sonuçlar, güçlü veya bileşik düzenlemelerin filigran sinyalini zayıflatabildiğini gösterdi.
Kırpmanın neden etkili olduğu
Görünmez filigranlar, insan gözüyle fark edilmesi güç dijital sinyallerle yapay içeriklere kaynak bilgisi ekliyor. Ancak görsel üzerinde yapılan kırpma, sıkıştırma veya yeniden boyutlandırma işlemleri bu sinyalin bir bölümünü ortadan kaldırabilir veya gücünü azaltabilir; böylece tespit aracının güvenilirliği düşer. Ayrıca sosyal medya platformlarının kendi sıkıştırma mekanizmaları da tespit performansını olumsuz etkileyebiliyor.
Doğrulamada bütüncül yaklaşıma ihtiyaç
Uzmanlara göre görünmez filigranlar faydalı bir araç olsa da tek başlarına kesin bir çözüm sunmuyor. Sahte ve yanıltıcı görsellerin özellikle seçim, savaş, doğal afet gibi hassas konularda hızla yayılması, yanlış bilgiyle mücadeleyi zorlaştırıyor. Bu nedenle teknoloji şirketleri; görünmez filigran, içerik meta verisi ve yapay zekâ destekli görüntü analizini bir arada kullanacak daha kapsamlı doğrulama yöntemleri geliştirmeye yöneliyor.
Sektörel bağlam
2026’da yayımlanan çalışmalara göre, farklı üretken yapay zekâ modelleriyle oluşturulan görselleri her koşulda güvenilir biçimde tespit edebilen evrensel bir araç henüz yok. Görsellerin kırpılması, bulanıklaştırılması, yeniden boyutlandırılması veya sıkıştırılması gibi yaygın düzenlemeler, pek çok tespit sisteminin doğruluk oranlarını ciddi ölçüde düşürebiliyor. Reuters’ın bulguları da, yalnızca görünmez filigrana dayanmanın yetersiz kalabileceğini teyit ediyor.
