OpenAI, daha güvenli ve şeffaf bir yapay zekâ ekosistemi oluşturma taahhüdünün bir parçası olarak, insanların bir içeriğin OpenAI modeliyle üretilip üretilmediğini anlamasına yardımcı olmak için köken sinyallerini kullanır.

Köken sinyalleri, içeriğin kaynağı hakkında yararlı bilgiler sağlayabilir. Ancak içeriğin doğru olduğunu, düzenlenmediğini, yasal sahiplik haklarına uygun olduğunu veya doğru bağlamda sunulduğunu garanti etmez.

OpenAI'ın kaynak sinyalleri

OpenAI hangi köken sinyallerini kullanıyor?

OpenAI, farklı içerik türleri için farklı köken sinyalleri kullanır.

Kapsam; ürüne, modele, dışa aktarma yöntemine, dosya türüne ve içeriğin oluşturulduğu zamana göre değişebilir. gpt-image-1, gpt-image-1.5 ve sora-2 dahil olmak üzere çok yakında kullanımdan kaldırılması planlanan modeller dışında API çıktıları kapsama dahildir. 

Neden bazı içerik türlerinde birden fazla sinyal kullanılıyor?

OpenAI, teknik olarak mümkün olduğunda meta verileri ve filigranları birlikte kullanır; böylece her biri diğerinin sınırlamalarını telafi edebilir. Meta veriler ayrıntılı bilgiler taşıyabilir, ancak platformlar, düzenleme araçları ve dosya dönüştürme işlemleri bunları kaldırabilir. Filigranlar daha az bağlamsal bilgi taşır. Ancak üretilen içeriğin kendisine gömülü oldukları için meta verileri kaldıran bazı dönüştürme işlemlerinden sonra da korunabilirler. 

Kaynak sinyalleri, içerik değişikliklerine karşı ne kadar dayanıklıdır?

Görsel ve ses dosyaları için SynthID filigranları, metinler içinse textGrain filigranları, yaygın değişikliklere dayanacak şekilde tasarlanmıştır. İçerik türüne bağlı olarak bunlar küçük düzenlemeleri, kopyalayıp yapıştırmayı, kırpmayı veya ekran görüntüsü almayı içerebilir. Görselin büyük ölçüde kırpılması, dosya sıkıştırma, metnin önemli ölçüde farklı kelimelerle ifade edilmesi veya çevrilmesi gibi daha kapsamlı değişiklikler, filigranı tespit edilemez hâle getirebilir. Kapsamlı değişikliklerden sonra ortaya çıkan içeriği “OpenAI ile üretilmiş” olarak tanımlamak da daha az anlamlı olabilir.

İçerik Kaynağı ve Özgünlüğü Koalisyonu tarafından geliştirilen İçerik Kimlik Bilgileri, ekran görüntüsü alma veya dosya dönüştürme gibi günlük işlemler sırasında kaybolabilir. Korunduklarında ise dosyanın kaynağı ve geçmişi hakkında tek başına bir filigrandan daha fazla ayrıntı sağlayabilirler.

İçerik değiştirildiğinde kaynak bilgilerinin korunma olasılığını artırmak için teknik olarak mümkün olan durumlarda her iki yöntemi de kullanıyoruz.

İçerik Kimlik Bilgileri nedir ve ne işe yarar?

İçerik Kimlik Bilgileri, dosyaya hangi araçla ve ne zaman oluşturulduğu gibi kaynağı ve geçmişi hakkında bilgiler ekler. İçerik Kaynağı ve Özgünlüğü Koalisyonu (C2PA) tarafından geliştirilen açık bir standart kullanır. Bu nedenle bazen “C2PA meta verileri” olarak da adlandırılır.

İçerik Kimlik Bilgileri, insanların içeriğin nereden geldiğini doğrulamasına yardımcı olur. Kullanımı yapay zekâ ile üretilen içeriklerle sınırlı değildir: Kamera üreticileri, haber kuruluşları ve diğer kuruluşlar da medya içeriklerinin kaynağını ve geçmişini belgelemek için bu standardı kullanır. C2PA hakkında daha fazla bilgi edinin.

SynthID nedir ve ne işe yarar?

SynthID, Google DeepMind tarafından geliştirilen ve üretilen medya içeriğine doğrudan bir sinyal gömen görünmez filigranlama teknolojisidir. Meta verilerden farklı olarak sinyal, içeriğin kendisinin bir parçasıdır ve bazı düzenleme veya dönüştürme işlemlerinden sonra da korunabilir. SynthID, C2PA meta verilerinin yanında ek bir kaynak sinyali sağlar. Örneğin bir dosyadan meta veriler kaldırıldığında bile gömülü filigran, içeriğin desteklenen OpenAI araçlarıyla üretildiğine dair bir sinyal sağlayabilir. SynthID hakkında daha fazla bilgi edinin.

Metin çıktılarına neden filigran ekliyorsunuz?

AB Yapay Zekâ Yasası'na uymak ve OpenAI'ın diğer bazı büyük yapay zekâ sağlayıcılarıyla birlikte imzaladığı AB Yapay Zekâ ile Üretilen İçeriğin Şeffaflığına İlişkin Uygulama Kuralları kapsamındaki taahhütlerimizi yerine getirmek için AB'deki ChatGPT kullanıcılarına metin filigranlamayı uyguluyoruz. 

textGrain nedir ve ne işe yarar?

textGrain, OpenAI'ın metin filigranlama teknolojisidir. Modelin yazarken olası kelimeler veya kelime parçaları arasında rastgele seçim yapma biçiminde ince ayarlamalar yapar. Bu seçimler metin boyunca, bazı düzenlemelerden sonra bile bir tespit aracının arayabileceği bir örüntü oluşturur.

Filigran, metnin ifade biçiminin bir parçasıdır ve okuyucular tarafından görülemez. Gizli karakterler, görünmez boşluklar veya alışılmadık noktalama işaretleri eklemez. Metin filigranlama, AB Yapay Zekâ Yasası'nın üretilen metinlerin işaretlenmesine ilişkin şartına uyumu destekler.

OpenAI'ın doğrulama araçları

Bir içeriğin OpenAI araçlarıyla üretilip üretilmediğini nasıl kontrol edebilirim?

Desteklenen bir görsel veya ses dosyasının, OpenAI araçlarıyla üretilen ya da dışa aktarılan içeriklerle ilişkili köken sinyalleri içerip içermediğini kontrol etmek için openai.com/verify adresini ziyaret edebilirsiniz. Desteklenen bir dosyayı yüklediğinizde araç, SynthID filigranı veya OpenAI ile ilişkili güvenilir bir C2PA tanım dosyası gibi desteklenen OpenAI köken sinyallerini arar. Araç, desteklenen bir OpenAI köken sinyali bulursa bu, içeriğin büyük olasılıkla bir OpenAI modeli tarafından üretildiğini gösterir.

Geliştiriciler ve kuruluşlar, görsel ve ses dosyalarında OpenAI köken sinyallerini kontrol etmek ve doğrulamayı kendi uygulamalarına veya iş akışlarına entegre etmek için OpenAI İçerik Kökeni API'sini de kullanabilir. Kullanım amacı uygun bulunan kuruluşlar, limitlerinin artırılması için başvuruda bulunabilir. 

Metin söz konusu olduğunda, AB Yapay Zekâ Yasası kapsamındaki yükümlülüklerimiz doğrultusunda, kullanım amacı uygun bulunan kuruluşlar metin tespit aracına erişim için başvuruda bulunabilir. Bunlara metin kökenini, tespit güvenilirliğini veya insanların köken sonuçlarını nasıl yorumladığını inceleyen akademik kuruluşlar ve araştırma kuruluşları dahildir. Gerekli koşulları sağlayan kuruluşların başvurularını tek tek değerlendirecek ve gerektiğinde güncellemeler veya ek bilgi talepleriyle kendilerine geri dönüş yapacağız. Daha fazla bilgi edindikçe ve teknolojiyi geliştirdikçe erişim konusundaki yaklaşımımız değişebilir.

Teknolojinin yeteneklerini ve sınırlamalarını daha iyi anlamak ve metin filigranlarını iyileştirme çalışmalarına yön vermek için şu anda sınırlı sayıda araştırmacıyla iş birliği yapıyoruz. Bunlar arasında Cornell Üniversitesinde bilgisayar bilimi alanında doktor öğretim üyesi olan John Thickstun, ETH Zürih'te bilgisayar bilimi profesörü ve INSAIT Bilimsel Direktörü olan Martin Vechev ve Kempelen Akıllı Teknolojiler Enstitüsündeki (KInIT) araştırmacılar yer alıyor.

Kimler daha yüksek doğrulama limitlerinden yararlanabilir ve kontroller ücretli midir?

İçerik Kaynağı API'si ile yapılan kontroller şu anda ücretsizdir ve kullanım limitlerine tabidir. Daha yüksek limitler sunan program; haber merkezlerinde doğrulama, teyit çalışmaları, içerik kaynağı araştırmaları ve düzenleyici denetim gibi, gerekli koşulları karşılayan kamu yararına yönelik kaynak tespiti projelerine ve bilgi bütünlüğü iş akışlarına odaklanır.

Ticari dolandırıcılığı önleme, kimlik doğrulama ve doğrulama ya da kaynak tespiti ve veri analizi hizmet paketlerinin bir parçası olarak yeniden satış gibi genel ticari uygulamalar, şu anda program kapsamı dışındadır.

Uygun bir kullanım senaryosuna sahip kuruluşlar daha yüksek limitler için başvurabilir, ancak başvuru yapmak onay almayı garanti etmez. Herkese açık API, daha küçük ölçekli değerlendirmeler de dahil olmak üzere varsayılan limitleriyle kullanılabilir olmaya devam eder. Güncel kullanım limitleri için İçerik Kaynağı API'si belgelerine bakın.

Metin tespit aracına kimler erişebilir ve kontroller ücretli midir?

Metin tespit aracıyla yapılan kontroller şu anda ücretsizdir. Uygun kullanım senaryoları arasında akademik kuruluşların ve araştırma kuruluşlarının metinlerin kaynağını, tespit güvenilirliğini veya insanların kaynak tespiti sonuçlarını nasıl anladığını inceleyen çalışmaları yer alır.

Ticari dolandırıcılığı önleme, kimlik doğrulama ve doğrulama ya da kaynak tespiti ve veri analizi hizmet paketlerinin bir parçası olarak yeniden satış gibi genel ticari uygulamalar, şu anda program kapsamı dışındadır.

Öğrenci çalışmalarında (örneğin kompozisyon veya tez yazımında) yapay zekâ kullanımını kontrol etmek gibi akademik dürüstlüğe yönelik uygulamalar da şu anda program kapsamı dışındadır.

Doğrulama sonuçları ne anlama geliyor?

openai.com/verify veya OpenAI İçerik Kökeni API'si aracılığıyla bir sinyal tespit edilirse bu, yüklenen içeriğin OpenAI ile ilişkili, desteklenen bir köken sinyali içerdiği anlamına gelir. Araç, içeriğin doğru olduğunu, düzenlenmediğini, yasal sahiplik haklarına uygun olduğunu veya doğru bağlamda sunulduğunu doğrulamaz. Ayrıca içeriği kimin veya neden oluşturduğunu da belirlemez.

Hiçbir sinyal tespit edilmemesi, aracın yüklenen dosyada OpenAI tarafından eklenmiş köken sinyalleri bulamadığı anlamına gelir. Aşağıdaki durumlarda içerik yine de OpenAI tarafından üretilmiş veya dışa aktarılmış olabilir:

• İçerik, köken sinyalleri kullanıma sunulmadan önce oluşturulmuştur.

• İçerik, desteklenmeyen bir üründen, modelden, dışa aktarma yönteminden veya dosya türünden gelmiştir.

• Meta veriler yükleme, indirme, düzenleme, dönüştürme veya paylaşma sırasında kaldırılmıştır.

• Filigran; sıkıştırma, kırpma, gürültü, düzenleme, biçim dönüştürme veya başka dönüşümler nedeniyle bozulmuştur.

• Ses klibi çok kısadır veya önemli ölçüde değiştirilmiştir.

En güvenilir doğrulama sonucunu nasıl alabilirim?

Desteklenen dosyaları tek tek yükleyin ve mümkünse dışa aktarılan orijinal dosyayı kullanın. Görselleri kontrol etmeden önce kırpmaktan veya başka bir biçime dönüştürmekten kaçının. Ses dosyalarında genellikle 10 ile 60 saniye arasındaki klipler en iyi sonuçları verir. Hiçbir sinyal tespit edilmese bile bir sonuca varmadan önce dosyanın kaynağını ve bağlamını dikkate alın.

Sonuçlarda promptum veya kişisel bilgilerim görünür mü?

Kaynak sinyalleri kullanıcı, kuruluş veya prompt hakkında ayrıntı içermez. 

openai.com/verify veya İçerik Kökeni API'si ile doğruladığım içeriklere ne olur?

openai.com/verify adresine yüklenen veya doğrulama amacıyla İçerik Kökeni API'mize gönderilen içerikler, yalnızca desteklenen köken sinyallerini kontrol etmek için işlenir. İçerikler, yasal bir zorunluluk olmadıkça saklanmaz ve OpenAI modellerini eğitmek için kullanılmaz. 

OpenAI, diğer yapay zekâ araçlarıyla üretilen içerikleri tespit edebilir mi?

İçerik kaynağı araçlarımız, OpenAI modelleriyle üretilen veya OpenAI araçlarıyla dışa aktarılan içerikle ilişkili, desteklenen kaynak sinyallerini tespit etmek için tasarlanmıştır. Diğer yapay zekâ modelleriyle üretilen içerikleri tespit etmek için tasarlanmamıştır. İlgili sinyal eksikse, desteklenmiyorsa veya bozulmuşsa OpenAI ile üretilen içerikleri de tespit edemeyebilir.

Filigranlama nasıl çalışır?

Filigranlar, içeriğin kimin eseri olduğunu, kime ait olduğunu veya hukuki sorumluluğu belirler mi?

Hayır. Filigran, içeriğin büyük olasılıkla bir OpenAI modeli tarafından üretildiğine veya işlendiğine dair bir kanıttır. Tek başına içeriği kimin oluşturduğunu veya içeriğin kime ait olduğunu, açıklama yapılmasının gerekip gerekmediğini ya da hukuki sorumluluğun kimde olduğunu ortaya koymaz. Modelin, bir kullanıcının yüklediği içeriği düzenleyip düzenlemediğini de göstermez.

Filigranlar, bir OpenAI modelinin içeriğe ne ölçüde katkıda bulunduğunu gösterir mi?

Hayır. Tespit aracı, filigran bulup bulmadığını bildirir. Filigran bulunması, içeriğin büyük olasılıkla bir OpenAI modeli tarafından üretildiğine veya işlendiğine dair bir kanıttır. Ancak modelin içeriğin bir kısmını mı yoksa tamamını mı ürettiğini ya da bir insanın ne kadar katkıda bulunduğunu göstermez.

Metin filigranlama nasıl çalışır?

Metin filigranlama, modelin yazarken seçtiği ve “token” adı verilen kelimeler ile kelime parçalarında gizli bir örüntü oluşturur.

Model, her adımda sıradaki olası tokenların her birine bir olasılık atar. Filigranlama sistemi, bu olasılıkları ayarlayarak birden fazla küme oluşturur. Her küme, gizli bir anahtara göre farklı seçimleri öne çıkarır. Kümeler, ortalamaları alındığında modelin orijinal olasılıklarıyla eşleşecek şekilde dengelenir. Hangi kümenin kullanılacağını anahtar belirler. Ardından model, bu kümeden yeni bir rastgele seçim yapar.

Aynı anahtara ve eşleşen ayarlara sahip bir tespit aracı, daha sonra metnin gizli örüntüye tesadüfen beklenenden daha sık uyup uymadığını kontrol edebilir.

Metin filigranları, olgusal metinlere ve kullanıcı tarafından sağlanan metinlere de uygulanır mı?

Metin filigranlama, modelin bir şeyi farklı biçimlerde ifade edebilmesine bağlıdır. Bir matematik probleminin cevabında olduğu gibi yanıtın tamamen olgusal veya kesin olması gerektiğinde ya da modelden sağlanan metni değiştirmeden yeniden üretmesi istendiğinde bu esneklik azalır. Bu durumlarda model, fark edilir bir değişiklik yaratmadan ifadesini değiştirmek için daha az seçeneğe sahiptir. Bu nedenle filigran tespit edilemeyebilir.

Metin filigranları kısa yanıtlara ve koda da uygulanır mı?

Kısa metinler genellikle filigranın güvenilir biçimde tespit edilebilmesi için yeterli uzunlukta değildir. Kodda da filigran eklemek daha zordur; çünkü sırada ne geleceğine ilişkin makul seçeneklerin sayısı, normal düzyazıya kıyasla daha azdır.

Bu sınırlamalar dikkate alınarak, AB Yapay Zekâ Yasası kapsamındaki Yapay Zekâ ile Üretilen İçeriğin Şeffaflığına İlişkin Uygulama Kuralları, 200 tokendan (İngilizcede yaklaşık 150 kelime) kısa çıktılarda veya kod parçacıklarında filigran bulunmasını zorunlu tutmaz.

Metin filigranlarının tespiti dile göre nasıl değişir?

Tespit oranları dile göre değişir. Şu anda bazı dillerde filigranları tespit etmek diğerlerine göre daha kolaydır. Sinyalin daha zayıf olduğu dillerde tespiti iyileştirmek için filigranın gücünü ayarlayabiliriz.

Bu grafik, AB'nin 24 resmî dilinin tümünde tespit oranını değerlendirir. Önce çeşitli konuları kapsayan 500 sentetik İngilizce prompt ürettik, ardından bunları diğer 23 dile çevirdik. %1 yanlış pozitif oranında en yüksek tespit oranı İspanyolcada (%69,0), en düşük tespit oranı ise Rumencededir (%42,2). Filigranımızın ayarlanabilir bir güç parametresi vardır. Bu parametre, farklı alanlar için filigran sinyalini güçlendiren veya zayıflatan bir “ayar düğmesi” işlevi görür. Bu ayarı kullanarak tespit oranı %60'ın altında olan dillerde filigranın gücünü artırabildik. Çubukların açık mavi kısımları, bunun sonucunda elde edilen artışları gösterir.

Metin filigranları model kalitesini düşürür mü?

Testlerimize göre düşürmez. En yeni en üst seviye modelimiz Astra'yı değerlendirmek için kullandığımız kıyaslama testlerinde, filigranlı ve filigransız çıktılar arasındaki performans farkları, değerlendirme çalıştırmaları arasında tipik olarak gözlemlediğimiz rastgele dalgalanma aralığında kalıyor. ChatGPT'de daha önce yapılan testler de filigranlamanın kullanıma alınmasıyla beğenmeme oranlarında veya diğer ürün metriklerinde değişiklik olmadığını gösterdi. 

Metin filigranları model hızını düşürür mü?

Metin filigranlamanın modellerimizin hızına etkisi ihmal edilebilir düzeydedir. 

OpenAI'ın metin filigranlarının üçüncü taraf yapay zekâ tespit araçlarından farkı nedir?

Pangram gibi üçüncü taraf tespit araçları, yapay zekâ tarafından üretilen metinleri kelime seçimi gibi örüntülerden belirlemek için genellikle sınıflandırıcılar kullanır. Bu yaklaşım, gömülü bir sinyali tespit etmek yerine metni üretildikten sonra analiz eder. AB Yapay Zekâ Yasası, özellikle üretilen metne bir sinyal gömülmesini zorunlu kılar. 

Neden TextSeal veya SynthID yerine kendi metin filigranlarınızı kullanıyorsunuz?

Filigranın tespit edilebilirliği ile aynı prompttan üretilen yanıtların çeşitliliği arasındaki dengeyi SynthID veya TextSeal'e kıyasla daha fazla kontrol edebilmek için textGrain adını verdiğimiz kendi metin filigranlama yöntemimizi geliştirdik. Testlerimizde yöntemimiz, filigranlı metin örneklerini metin için SynthID ile benzer veya daha yüksek bir oranda doğru tespit etti. Başkalarının da bu teknolojiyi temel alarak yeni çözümler geliştirebilmesi ve metin filigranlamanın iyileştirilmesine katkıda bulunabilmesi için textGrain'i açık kaynak olarak yayımlamayı planlıyoruz.

Metin filigranlama gizli karakterler, ek tokenlar veya görünür değişiklikler ekler mi?

Hayır. Metin filigranlama, kelime seçimlerinin istatistiksel örüntüsünü değiştirir; gizli karakterler veya yalnızca filigran amacıyla kullanılan tokenlar eklemez. Filigran okuyucular tarafından görülemez. Metni kopyalayıp yapıştırmak da gizli içerik eklemez.

Müşteriler için rehber

API müşterisiyim. Metin filigranlarını nasıl etkinleştirebilirim?

OpenAI API müşterileri, Ayarlar üzerinden belirli bir proje için veya Kuruluş ayarları üzerinden kuruluşlarının tamamı için metne filigran eklemeyi etkinleştirebilir. Müşteriler her iki durumda da hangi modellerin metinlerine filigran ekleneceğini seçebilir. Desteklenen bir model için etkinleştirildiğinde OpenAI, filigranı metin üretimi sırasında ekler. Müşterilerin her yanıta ayrı bir işaret eklemesi gerekmez.

Metne filigran eklenmesine izin ver seçeneğini açın, modellerinizi seçin ve ardından Kaydet'i seçin.

1. Kuruluş varsayılanı: Kuruluş ayarları > Veri denetimleri bölümüne gidin.

2. Metin kökeni seçeneğini seçin.

Projeye özel ayar: Proje Ayarları > Metin kökeni bölümüne gidin.

Hangi modeller için filigranları etkinleştirebilirim?

Müşteriler, şu anda filigran eklemeyi destekleyen modellerin listesini Ayarlar ve Kuruluş ayarları bölümlerinden görebilir. Önümüzdeki haftalarda kapsamı tüm eski modelleri içerecek şekilde genişleteceğiz.

Metin filigranlarını etkinleştirmek, metin tespit aracına da erişmemi sağlar mı?

Hayır. Metin tespit aracına erişim şu anda yalnızca metin filigranlamanın güvenilirliğini ve kullanım kolaylığını artırmak, teknolojinin ve sonuçlarının daha açık biçimde açıklanabilmesini sağlamak için çalışan, onaylanmış araştırma ve akademik kuruluşlarla sınırlıdır. Bu yaklaşım, AB Yapay Zekâ Yasası kapsamındaki Yapay Zekâ ile Üretilen İçeriğin Şeffaflığına İlişkin Uygulama Kuralları çerçevesinde verdiğimiz taahhütlerle uyumludur.

İçeriği dönüştürdükten sonra sinyaller içerikte kalır mı?

Kalabilir, ancak bu, sinyale ve yaptığınız değişikliklere bağlıdır.

Desteklenen görsel ve ses dosyalarının orijinal bir kopyasını saklayın. Düzenleme, dönüştürme ve yayımlama işlemlerinden sonra temsili dosyaları test etmek için İçerik Kökeni API'sini kullanın. Görsellerde kırpma, gürültü ekleme, JPEG'e dönüştürme ve ekran görüntüsü alma işlemleri sinyallerin tespit edilmesini zorlaştırabilir. Metinleri bu şekilde test edebilmeniz için kuruluşunuzun metin tespit aracına erişiminin onaylanmış olması gerekir.

Dosya biçiminiz ve iş akışınız destekliyorsa mevcut C2PA meta verilerini koruyun ve ürettiğiniz dosyalara İçerik Kimlik Bilgileri ekleyin. Köken bilgilerinin daha kalıcı veya kullanışlı olması için kendi işaretlerinizi eklemeyi de düşünebilirsiniz. Uygulama ayrıntıları için C2PA teknik belgelerine bakın.

Metinlerde filigran, modelin kelime seçimlerinin bir parçasıdır. İfadeleri olduğu gibi korursanız metni yeniden kullandığınızda, ek bir entegrasyon çalışması gerekmeksizin sinyalin korunması beklenir. Metni büyük ölçüde yeniden yazmak, farklı sözcüklerle ifade etmek veya çevirmek, tespitin güvenilirliğini azaltabilir. İfadelerin hiç değiştirilmemesi bile filigranın tespit edilebilir olacağını garanti etmez. Bu, özellikle kısa metinler veya farklı kelime seçimlerine pek olanak tanımayan metinler için geçerlidir.

OpenAI modellerine bir bulut hizmeti üzerinden erişiyorum. Bu çıktılar da köken sinyalleri içeriyor mu?

Görsel, ses ve metin dahil olmak üzere uygun tüm çıktılara filigranlar dahil köken sinyallerinin gömülmesini sağlamak için tüm bulut ve dağıtım sağlayıcılarımızla birlikte çalışıyoruz. Bu sinyallerin kullanılabilirliği çıktıya ve iş ortağına göre değişebilir. 

Kaynak sinyalleri, görünür yapay zekâ etiketlerinin veya diğer açıklamaların yerini alır mı?

Hayır. Filigranlar ve C2PA meta verileri, yazılımların okuyabileceği bilgiler sağlar. Gerekli olabilecek görünür etiketlerin, afişlerin veya diğer bildirimlerin yerini almaz.

Ek bir açıklama yapmanızın gerekip gerekmediği, içeriği nasıl ve nerede kullandığınıza bağlıdır. OpenAI, size özel hukuki yükümlülükleriniz konusunda danışmanlık veremez. Kullanımınıza ilişkin gereklilikleri hukuk ekibiniz değerlendirmelidir.

AB Yapay Zekâ Yasası hakkında başka sorularım var

Lütfen AB Yapay Zekâ Yasası soru formunu gönderin. Size geri dönüş yapacağız.