Gerçeği Görmek
Facebook Ürün Müdürü Tessa Lyons, Facebook’un görsel olarak yayılan yanlış bilgilerle nasıl mücadele ettiğinden ve şirketin yatırım yapmaya devam etmesi gereken alanlardan bahsediyor.
Bugün, Facebook fotoğraf ve video doğruluk kontrolü özelliğini tüm üçüncü taraf doğruluk kontrolü ortakları için genişlettiğini duyurdu.
Ürün Müdürü Tessa Lyons, bize şirketin görsel içerikler üzerinden yayılan yanlış bilgilerle mücadele etmek için teknolojiyi ve insan incelemesini nasıl kullandığından ve yatırım yapılmaya devam edilmesi gereken alanlardan bahsetti.
Facebook makaleler üzerinden yayılan yanlış bilgilerle bir süredir mücadele etmekteydi, ancak fotoğraflar ve videolar nispeten yeni bir alan. Bu iki tür yanlış bilgi arasındaki fark nedir?
Makaleler üzerinden yayılan yanlış bilgilerle mücadele etmek adına çalışmalarımızı, Amerika’daki insanların bize bunların karşılaştıkları en yaygın asılsız haber türü olduğunu söylemeleri üzerine ve bu tür içeriklerin finansal açıdan kazanç elde etmek isteyen kötü niyetli kişilerin en çok başvurdukları yol olması nedeniyle başlattık.
Bu kişiler yanlış bilgi içeren makaleler paylaşıyordu ve insanlar da makalenin başlığının yanlış olması sebebiyle şaşırıyorlardı. Dolayısıyla makaleye tıklıyor ve bu kötü niyetli kişilerin reklamlar üzerinden para kazandığı bir siteye ulaşıyorlardı.
Yani bunlar istenmeyen, kandırmaya yönelik içeriklerdi.
Doğru, bunlar spam içerikler üzerinden finansal kazanç sağlamaya çalışan kişilerdi. Dolayısıyla, bu kişilerin finansal kazanç sağlamalarını engellemek ve insanlardan duyduklarımıza cevap vermek adına makaleler üzerine yoğunlaştık. Ancak, dünyanın dört bir yanındaki ülkelerde –ve Amerika’da- yapılan araştırmalardan da biliyoruz ki, yanlış bilgiler sadece makalelerde bulunmuyor.
Yanlış bilgiler haberlerde, fotoğraflarda ve videolarda da bulunabilir. Aynı yanlış iddia bir haberin başlığında, bir fotoğrafın metninde ya da bir videonun arka planında sesli olarak bulunabilir. Yanlış bilgiyle mücadele etmek adına, tüm bu farklı içerik türlerinin doğruluk kontrolünü yapabiliyor olmamız gerekiyor.
Amerika’daki insanların diğer içerik türlerine kıyasla makalelerde daha çok yanlış bilgiyle karşılaştığını söylediniz. Bu durum, diğer ülkeler için de geçerli mi?
Yanlış bilginin makalelerde, fotoğraflarda ya da videolarda bulunma derecesi ülkeden ülkeye farklılık gösteriyor – bunun bir sebebi de insanların haber kaynağında gördükleri fotoğrafların, videoların ve makalelerin sayısının ülkeden ülkeye değişiklik göstermesi.
Bazı ülkelerde, insanların haber kaynağının büyük bir kısmı makalelerden oluşabiliyor. Başka ülkelerde ise görsel içeriğe baktığınızda fotoğraflar videolardan daha çok paylaşılabiliyor, ya da tam tersi.
Bunun sebebi nedir?
En önemli sebep, haber kaynağının kişiselleştirilmiş olması. haber kaynağınızda gördüğünüz içerikler size özeldir ve arkadaş olduğunuz kişiler, takip ettiğiniz sayfalar ve haber kaynağınızdaki hikayelerle etkileşim şekliniz daha çok makale, fotoğraf ya da video görmenize sebep olabilir.
Ancak haber kaynağı deneyiminin aynı ülkedeki insanların birçoğu için benzer olduğu durumlar olabiliyor. Örneğin, birçok insanın bant genişliğiyle ilgili kaygı duyduğu bir ülkede, insanlar videolara tıklama konusunda daha çekimser davranıyor olabilirler.
Dolayısıyla o ülkelerdeki insanlar haber kaynaklarında daha az video –dolayısıyla daha az video içeriğine dayalı yanlış bilgi– görürler.
Fotoğraf ve video içeriğe dayalı yanlış bilgilerin nasıl yorumlandığını etkileyen bir diğer unsur da, medya ortamındaki ya da okur-yazarlık oranındaki farklılıklar olabilir.
Medya ekosisteminin daha az gelişmiş olduğu ya da okur-yazarlık oranının daha düşük olduğu ülkelerde, insanlar bir fotoğrafın üzerinde asılsız bir başlığı ya da üzerinde oynanmış bir fotoğrafı görerek gerçek haber olarak yorumlayabilirken, sağlıklı bir medya ekosisteminin olduğu ülkelerde “haber” konsepti daha çok makalelere bağlıdır.
Tüm bu yanlış bilgi türlerini belirleyebilmek için aynı teknoloji kullanılabilir mi?
Evet ve hayır. Yanlış bilgiyle mücadele ederken, teknolojiyi ve üçüncü taraf doğruluk kontrolü yapan kuruluşlar tarafından yürütülen insan incelemesini beraber kullanıyoruz. Söz konusu makaleler olduğunda, önce yanlış bilgi içerme potansiyeli yüksek olan makaleleri tespit etmek için teknolojiyi kullanıyoruz ve doğruluk kontrolü yapan kişilerin incelemesi için bu içerikleri önceliklendiriyoruz.
Daha sonra, doğruluk kontrolü yapan kişiler tarafından derecelendirilen o içeriğin kopyalarını bulmak için teknolojiyi kullanıyoruz. Bu teknolojiler arasında benzerlikler olmasına rağmen, makaleleri ve fotoğraf ve videoları tespit etmemiz arasında önemli farklar mevcut.
Tamam – şimdi o ilk adımdan bahsedelim: teknolojiyi kullanarak yanlış olma ihtimali yüksek olan şeyi tespit etmek.
Yanlış bilgi içerme ihtimali yüksek olan makaleleri tespit ederken, topluluğumuzdan aldığımız ve bize gördükleri bir bağlantının asılsız haber olduğunu söyledikleri geri bildirimler gibi birçok sinyali kullanıyoruz. Gönderinin altında yapılan yorumlara bakarak okuyucuların içeriğin yanlış olduğunu düşündüklerine işaret eden cümleler arıyoruz.
Ayrıca, o içeriği paylaşan sayfaların geçmişte doğruluk kontrolü yapan ortaklarımız tarafından asılsız olarak işaretlenen içerikleri paylaşıp paylaşmadıklarına da bakıyoruz. Buna benzer sinyaller makaleler, fotoğraflar ve videolar için kullanılabilir.
Dolayısıyla, asılsız olma potansiyeli yüksek bağlantıları tespit etmek için yaptığımız çalışmaların büyük bir kısmı bize fotoğraflar ve videolar konusunda da yardımcı oluyor. Fotoğraflarda ve videolardaki yanlış bilgileri üç ayrı kategoride inceliyoruz: üzerinde oynanmış ya da uydurma, bağlam dışı kullanılan ve yazılı ya da sesli asılsız iddia içeren. Hepsine teker teker bakalım.
Üzerinde oynanmış: Bir fotoğrafın üzerinde oynayarak o fotoğrafta olmayan bir insanı varmış gibi gösterebilirsiniz. Ya da bir fotoğraftaki kişi bir şey yapıyorsa –örneğin, bir şey tutuyorsa– üzerinde oynayarak başka bir şey tutuyormuş gibi gösterebilirsiniz.
Otobanda yüzen köpekbalığı fotoğrafı gibi.
Aynen, üzerinde oynanmış fotoğrafa çok güzel bir örnek. Üzerinde oynanmış videolarda ise, yanlış bilgi alanında insanların son zamanlarda sıkça bahsettiği bir terim olan “deepfakes” karşımıza çıkıyor –yani kamuya mal olmuş bir kişiyi söylemediği bir şeyi gerçekten söylüyormuş gibi gösteren videolar.
Dolayısıyla, köpekbalığı örneği üzerinde oynanmış medya içeriği olarak adlandırdığımız duruma bir örnek.
İkinci kategori, bağlam dışı kullanılan şeyler. Örneğin bir savaş alanının farklı bir zamanda ya da yerde yaşanıyormuş gibi paylaşıldığı durumlar. Aynı şey videolar için de geçerli.
Üçüncü kategori ise asılsız sözlü ya da yazılı iddialar.
Bir makalede asılsız başlık ya da metin kullanılabileceği gibi, bir fotoğrafın üzerine yazılı olarak da koyulabilir ya da bir videoda arka planda sesli olarak söylenebilir. Bir kişinin bir makalede asılsız bir iddiada bulunması gibi, asılsız bir iddia bir fotoğrafın üzerine başlık olarak yazılabilir ya da bir videoda konuşan kişi tarafından sesli olarak dile getirilebilir.
Bunlar bizim dikkate aldığımız üç kategori. Bunların her birini tespit etmek için teknolojiyi kullanabileceğimiz farklı yollar var ve bunu yapabilme kabiliyetimiz şimdilik her biri için farklı seviyelerde.
Bu üç kategori için yanlış bilgiyi tahmin edecek teknolojinin ilerleme durumu ne?
Üzerinde oynanmış şeyleri tespit etme konusunda ilerleme gösterdik.
Ancak üzerinde oynanmış bir fotoğrafın ya da videonun gerçekten yanlış bilgi olup olmadığını anlamak çok daha karmaşık bir iş; bir şeyin üzerinde oynanmış olması ille de kötü olduğu anlamına gelmiyor. Sonuçta, Facebook Hikayeler için de filtreler sunuyoruz ve o da bir anlamda üzerinde oynamak oluyor, tabi ki de doğruluk kontrolü yaparken peşinde olduğumuz içerikler bunlar değil.
Ancak şu anda fotoğraflarda değişik tür oynamaları tespit ediyoruz, bu da doğruluk kontrolü yapan kişilerin en azından o içeriklere bir göz atmaları için yardımcı bir sinyal olabiliyor.
Bir şeyin bağlamının dışında bırakılıp bırakılmadığını anlama konusunda hala yatırımlara devam ediyoruz, ancak daha yapacak çok iş var, çünkü medya içeriğinin orijinal bağlamını, içinde temsil edildiği bağlamı, ve bu ikisi arasında uyuşmazlık olup olmadığını anlamak zorundasınız.
Bir savaş alanının fotoğrafını incelemek, kaynağını bulmak, daha sonra o fotoğrafla birlikte paylaşılan başlığın fotoğrafın bağlamını yansıtıp yansıtmadığına bakmak için bir insan tarafından incelenmesine ihtiyaç var. İşte tam bu noktada doğruluk kontrolü yapan kişilerin gazetecilik alanındaki uzmanlıklarından yararlanarak durumu anlamlandırmalarına güveniyoruz.
Yazılı ya da sesli asılsız iddia içeren fotoğraflar veya videolar için, optik karakter tanıma (optical character recognition –OCR) teknolojisini ya da sesli deşifre (audio transcription) yöntemi kullanarak fotoğraflardaki metinleri seçebiliyor ve doğruluk kontrolü yapılan ve çürütülen bir iddia içerip içermediğine bakabiliyoruz.
Eğer içeriyorsa, iddianın eşleştiğini doğrulamaları için doğruluk kontrolü yapan kişilere iletiyoruz. Şu anda, fotoğraflarda OCR teknolojisini kullanma konusunda, videolarda sesli deşifre yöntemini kullandığımızdan daha ileri bir durumdayız.
Peki ya kopyaları ya da asılsız iddiaları bulma konusu?
Makalelerin kopyalarını, bir metnin ufak farklılıklar içeren kopyalarını bulmak için kullanılan bir makine öğrenmesi tekniği olan doğal dil işleme ile buluyoruz.
Fotoğraflar için birebir kopyaları bulma konusunda oldukça iyiyiz, ancak bazen birinin bir fotoğraf üzerinde yaptığı ufak bir değişiklik, karışıklık yaratabiliyor ve bir fotoğraf orijinal halinden ne kadar uzaklaşırsa onu tespit etmemiz ve engel olmamız o kadar zorlaşıyor.
Dolayısıyla üzerinde ufak değişiklikler yapılmış çok benzer kopyaları tespit etmemize yardımcı olacak teknolojilere yatırım yapmaya devam etmeliyiz.
