Yüzün Geometrisinden Dijital Otoriteye: Leonardo da Vinci’nin Orantısal Çalışmalarından Çin’in 4K Yapay Zeka Destekli Biyometrik Gözetim Sistemlerine

İnsan yüzü, tarih boyunca hem sanatsal ifadenin hem de kimlik tespitinin merkezinde yer almıştır. Antik çağlardan modern döneme kadar uzanan bu süreçte yüzün anatomik yapısını, geometrik sınırlarını ve karakteristik özelliklerini haritalandırma çabası, felsefi bir arayıştan ziyade mutlak bir ölçüm ve kontrol mekanizmasına dönüşmüştür. Erken Rönesans döneminde ideal güzelliği ve ilahi uyumu arayan sanatçılar, yüzün evrensel orantılarını şifrelemeye çalışırken, günümüzün yapay zeka destekli gözetim sistemleri bu orantıları bireyleri milyarlarca insan arasından ayırmak için kullanmaktadır. Yapılan güncel çalışmalar ve üzerine notlar alınan klasik profiller; insanın boy, kilo, ayak ölçüsü, yara izleri ve dövmeler gibi ikincil biyometrik (soft biometric) verilerinin, Da Vinci’nin kusursuz geometri arayışıyla nasıl birleştiğini açıkça göstermektedir.

Bu rapor, Leonardo da Vinci’nin klasik yüz orantıları kuramından başlayarak, kimlik tespiti amacıyla kullanılan antropometrik ölçümlerin ve ikincil biyometrik özelliklerin evrimini incelemektedir. Devamında, modern derin öğrenme algoritmalarının yüksek çözünürlüklü 4K donanımlarla nasıl entegre olduğunu analiz ederek, özellikle Çin Halk Cumhuriyeti’nin uyguladığı devasa yüz tanıma ve davranışsal haritalandırma ağlarının sosyopolitik ve teknolojik etkilerini detaylandırmaktadır. Rapor, insan yüzünün sanatsal bir tuvalden, devletlerin ve algoritmaların anlık olarak okuyup yargıladığı dijital bir barkoda dönüşüm sürecini kapsamlı bir biçimde ele almaktadır.

Leonardo da Vinci ve Yüz Geometrisi: Antik Kanonlardan Rönesans İdeallerine

Rönesans döneminin polimatı Leonardo da Vinci, anatomi ve geometriyi birleştirerek insan bedeninin matematiksel kurallara tabi olduğunu kanıtlamaya çalışmıştır. Onun orantı üzerine yaptığı çalışmalar, salt bir sanat pratiği olmaktan öte, doğanın formları içinde gizlenmiş matematiksel kuralları arama çabasıdır. Da Vinci’nin bu yaklaşımı, günümüzde plastik cerrahiden dijital yüz haritalandırmaya kadar birçok alanda temel bir referans noktası olmaya devam etmektedir. O, her parçanın bütüne orantılı olması gerektiğine inanmış ve bu bağlamda insan bedenini, hayvanları ve mimari yapıları takıntılı bir şekilde ölçmüştür.

1490 civarında tamamladığı en ünlü eseri “Vitruvius Adamı”, insan bedenini hem bir dairenin hem de bir karenin içine yerleştirerek geometri ve anatomiyi tek bir potada eritir. Romalı mimar Vitruvius’un “insan bedeni tüm geometrinin kaynağıdır” fikrinden yola çıkan Da Vinci, antik otoriteyi körü körüne kabul etmemiş, kadavralar ve canlı denekler üzerinde yaptığı ampirik ölçümlerle klasik kanonlara kendi düzeltmelerini eklemiştir. Vitruvius’a göre ayak uzunluğu boyun altıda biriyken, Da Vinci kendi ölçümlerine dayanarak bunun yedide bir olduğunu belirtmiştir. Bu durum, onun modern istatistiksel düşüncenin temellerini attığını, normu bulmak için çok sayıda insanı ölçerek deneysel bir ortalama elde etmeye çalıştığını göstermektedir.

Da Vinci’nin yüz oranlarına dair temel bulguları, günümüz plastik cerrahisinde dahi geçerliliğini koruyan kesin matematiksel ifadelere dayanır. Yüzün yatay olarak üç eşit parçaya ve dikey olarak beş eşit parçaya bölünmesi kuralı bu bulguların en bilinenidir. Da Vinci’ye göre; saç çizgisinden çenenin altına kadar olan mesafe insan boyunun onda biri, göğüs kafesinden başın tepesine kadar olan mesafe ise altıda biridir. Spesifik olarak yüz oranlarında çeneden burnun altına, burnun altından kaşlara ve kaşlardan saç çizgisine kadar olan mesafelerin eşit olduğunu ve her birinin yüzün üçte birine denk geldiğini belirtmiştir. Kulakların uzunluğunun tam olarak burnun uzunluğuna eşit olduğunu hesaplayan Da Vinci, yüzün profil görüntüsünü kusursuz bir kare ile sınırlandırmıştır. Bu kare; önden yüzün dikey düzlemi, arkadan kulağın başlangıç noktası, alttan çene kemiği (mandibula) ve üstten kaş çizgisi ile tanımlanmaktadır. Gözbebekleri arasındaki mesafenin yüzün üçte birine denk geldiğini ve ağız genişliğinin burun genişliğinin bir buçuk katı olduğunu not etmiştir. Modern rinoplasti literatürü, hala Da Vinci’nin burnu izole bir yapı olarak değil, yüzün bütünüyle bir denge içinde (Nasion, columella ve alar kıkırdaklar gibi anatomik noktalar üzerinden) ele alan bu yaklaşımlarını kullanmaktadır.

Da Vinci’nin orantısal düşüncesi, yakın arkadaşı matematikçi Luca Pacioli’nin 1498-1509 yılları arasında yazdığı ve çizimlerini bizzat Da Vinci’nin yaptığı De Divina Proportione (İlahi Orantı) eseriyle daha derin bir matematiksel zemine oturmuştur. Fibonacci dizisiyle yakından ilişkili olan ve 1.618 değerini alan Altın Oran (Phi), yüzdeki uzamsal ilişkilerin temelini oluşturur. Yüzün toplam genişliğinin uzunluğuna oranı, ağız genişliğinin burun genişliğine oranı ve gözbebekleri arasındaki mesafenin yüzün geometrisindeki yerleşimi, antik Yunan’dan Rönesans’a kadar ilahi bir estetik standardı olarak kabul edilmiştir. Altın oran, doğada ayçiçeği sarmallarından DNA’nın major ve minor olukları arasındaki 21’e 13 angstromluk orana kadar evrensel bir geçerliliğe sahiptir ve Da Vinci bu evrensel dili yüz haritalandırmasına entegre etmiştir. Dahası, Da Vinci sadece statik listeler oluşturmamış, bebeklikten yetişkinliğe büyüme oranlarını, duruş veya perspektif değiştiğinde ağırlık merkezinin orantıları nasıl etkilediğini inceleyerek kinetik ve dinamik biyomekaniğin ilk adımlarını atmıştır.

Antropometrik Ölçümün Evrimi: Bertillonage Sisteminden İkincil Biyometrik Özelliklere (Soft Biometrics)

Yüzün ve bedenin sanatsal amaçlarla ölçülmesi, 19. yüzyılın sonlarında devletlerin vatandaşlarını kontrol etme arzusuyla adli bir bilim dalına dönüşmüştür. Sanayi devrimi sonrası büyüyen şehirlerde suçluları takip etmek zorlaşmış, geleneksel dağlama veya dövme ile işaretleme yöntemleri terk edilmiştir. Gözetim mekanizmalarının bireyi benzersiz bir şekilde tanımlama ihtiyacı, anatomik özelliklerin sistematik bir şekilde veri tabanlarına kaydedilmesini zorunlu kılmıştır.

Fransız polis memuru Alphonse Bertillon, 1879’da kimlik tespiti için insanların fizyolojik özelliklerinin sistematik olarak ölçülmesine dayanan ve “Bertillonage” olarak bilinen antropometrik sistemi geliştirmiştir. Da Vinci’nin estetik idealini arayan orantılarının aksine, Bertillon tamamen pragmatik ve adli bir amaç gütmüştür. Bertillon’un sistemi, insan iskeletinin yirmili yaşlardan yaşlılığa kadar neredeyse hiç değişmediği ve her bireyin kemik ölçülerinin aşırı çeşitlilik gösterdiği varsayımlarına dayanıyordu. Aynı boydaki iki kişinin diğer ekstremite ölçülerinde aynı olma olasılığının istatistiksel olarak imkansıza yakın olması prensibiyle hareket etmiş ve Tip 1 hatalarını (yanlış eşleşme) minimize etmeyi hedeflemiştir.

Bertillon sistemi, bedenin karmaşıklığını 11 temel ölçüme indirgemiştir. Bu ölçümler arasında boy, kulaç uzunluğu, baş genişliği ve uzunluğu, sağ kulak uzunluğu, sol ayak, sol orta ve serçe parmak uzunlukları ile oturma yüksekliği bulunmaktaydı. Bu sistemin yanı sıra, “parlè portrait” (konuşan portre) adını verdiği bir şablonla, göz rengi, saç rengi, burun profili ve en önemlisi vücuttaki yara izleri ile dövmelerin yerlerini sistematik olarak kayıt altına almıştır. Bu manuel sistem, ölçümlerin belirli kartoteks sistemlerinde sınıflandırılmasına olanak tanıyarak modern veritabanı mantığının temelini oluşturmuştur. Da Vinci’nin oranları, Bertillon’un elinde suçluyu tanımlayan bir barkoda dönüşmüştür. Ancak bu sistem, farklı memurların ölçüm hataları yapabilmesi ve iskelet ölçülerinin okyanuslar ötesinden gelen olay yerlerinde doğrudan bir iz bırakmaması nedeniyle 20. yüzyılın başlarında yerini parmak izine bırakmıştır.

Günümüzde ise, bir bireyin tanımlanması sadece parmak izi veya iris gibi kesin (hard) biyometriklere dayanmamakta, Da Vinci’nin eskizlerindeki yüz oranları ile Bertillon’un yara izi ve dövme haritalandırmasının kusursuz bir dijital sentezi olan “Soft Biometrics” (İkincil Biyometrik Özellikler) teknolojisi kullanılmaktadır. Soft biometrikler; yaş, cinsiyet, etnik köken, boy, kilo, cilt rengi gibi demografik verilerin yanı sıra yüzdeki çiller, benler (moles), yara izleri (scars) ve dövmeleri (tattoos) içeren anlamsal (semantic) niteliklerdir. Tek başlarına bir bireyi mutlak şekilde tanımlamaya yetmeseler de, geleneksel yüz tanıma algoritmalarıyla birleştirildiklerinde arama uzayını daraltarak doğruluk oranını dramatik şekilde artırırlar.

Yüz tanıma sistemlerinde aranan ikincil biyometrik unsurlar, algoritmalar tarafından özel filtrelerle tespit edilir. Örneğin, yüzdeki ve vücuttaki yara izleri, çiller veya benler (Scars, Marks, and Tattoos – SMT) lokal olarak belirgin bölgesel kontrast farklılıkları oluşturur. Gelişmiş sistemler, bu mikro özellikleri tespit etmek için ikinci dereceden türevli kenar dedektörleri, özellikle de Laplacian-of-Gaussian (LoG) filtreleri kullanır. Algoritmalar, çil ve ben gibi küçük işaretleri tespit etmek için 15×15 boyutunda bir çekirdek (kernel) kullanırken, daha büyük yara izlerini tespit etmek için 25×25 boyutunda çekirdekler kullanır. Ayrıca, Gradyan Konum Yönelim Histogramı (GLOH) ve Yönlendirilmiş Gradyan Histogramları (HoG) gibi özellik çıkarıcılar sayesinde bu yara izleri sayısallaştırılır. Bu tür ikincil özellikler, yüz anatomileri birbirine çok benzeyen kişileri veya tek yumurta ikizlerini ayırmada kritik bir role sahiptir.

Bugünün teknolojisi, kamera karşısındaki kalibrasyondan yola çıkarak boy, iskelet yapısı veya omuz-dirsek-bilek gibi eklem mesafelerinin tahminini (tıpkı Bertillon’un ölçümleri gibi) kalabalık içinde profil filtreleme aracı olarak kullanır. Klasik Da Vinci orantıları bir “ideal yüz” ararken, modern SMT ve soft biyometri algoritmaları tamamen “sapmaları” ve “kusurları” arar. Dijital bir güvenlik sistemi için bir birey, ilahi orantıya ne kadar uyduğuyla değil, o orantıdan nerede ve nasıl saptığıyla kimlik kazanır.

Dijital Çağda Yüz Haritalandırma: 3 Boyutlu Modellemeler ve Derin Öğrenme Ağları

Günümüzde Da Vinci’nin pergel ve cetvelle yaptığı yüz haritalandırmasının yerini, bilgisayarlı görü (computer vision) donanımları, konvolüsyonel sinir ağları (CNN) ve Transformer tabanlı yapay zeka mimarileri almıştır. Yüz, artık kağıt üzerinde iki boyutlu bir çizim değil, çok boyutlu bir matematiksel vektör uzayıdır.

MediaPipe ve Yüksek Yoğunluklu Yüz Ağları (Face Mesh)

Biyometrik okumanın ilk ve en kritik aşaması, yüzün üç boyutlu (3D) uzayda geometrik olarak hizalanması ve belirleyici noktaların (landmarks) tespit edilmesidir. Google tarafından açık kaynak olarak sunulan MediaPipe Face Mesh algoritması, standart bir RGB kameradan alınan görüntü üzerinde, gerçek zamanlı olarak bir insan yüzünde 468 farklı hedef noktasını tespit edebilmektedir. İris hareketlerini takip etmek için eklenen noktalarla bu sayı 478’e çıkmaktadır.

Bu 468 nokta, yüzün 3 boyutlu bir topolojisini çıkararak her bir noktanın x ve y koordinatlarına ek olarak z derinliğini (kameraya olan mutlak mesafe olmasa da, noktaların birbirine göre bağıl derinliğini) hesaplar. Tıpkı Da Vinci’nin başı ızgaralara bölerek uzamsal ilişkileri kurması gibi, Face Mesh de insan yüzünün anlık haritasını çıkararak belirli matematiksel oranlar üretir. Yorgunluk, esneme veya duygu durumlarını analiz etmek için bu noktalar arasındaki mesafeler kullanılır. Örneğin, Göz Aspekt Oranı (Eye Aspect Ratio – EAR), göz kapaklarındaki belirli landmarkların dikey mesafesinin yatay mesafesine bölünmesiyle hesaplanır. Gözler kapandığında bu oran aniden düşerek mikroskobik yorgunluk belirtilerini algılar. Benzer şekilde, Ağız Aspekt Oranı (Mouth Aspect Ratio – MAR) esneme veya konuşma dinamiklerini yakalar.

Dahası, bu landmarklar üzerinden kurulan basit lineer regresyon modelleri, başın kameraya göre rotasyonunu (kalkıklık, eğiklik, sağa sola dönüş) kesin bir doğrulukla ölçerek, yüz tanımanın önündeki en büyük engel olan “açı” problemini ortadan kaldırır.

Embedding (Gömülme) Vektörleri ve Uzamsal Metrikler

Yüzdeki yüzlerce özellik noktası belirlendikten sonra, ArcFace, DeepFace veya FaceNet gibi modern algoritmalar devreye girerek kimlik tespiti işlemini gerçekleştirir. Bu aşamada sistem, yüzü iki boyutlu bir piksel yığını olarak değil, yüksek boyutlu (genellikle 128 veya 512 boyutlu) bir sayısal vektör (“embedding”) olarak temsil eder.

Bir yüz tanıma sistemi (örneğin ArcFace), bir kişinin veritabanındaki fotoğrafı (gallery) ile sokaktaki kamerasından alınan görüntüsünü (probe) eşleştirirken, bu iki yüzün vektör karşılıklarını oluşturur. Ardından, bu iki vektör arasındaki Öklid (Euclidean) mesafesini veya Kosinüs (Cosine) benzerliğini hesaplar. Eğer iki vektör arasındaki uzaklık, önceden belirlenmiş algoritmik bir eşik değerinden (threshold, örneğin 1.4) küçükse, sistem bu iki yüzün aynı kişiye ait olduğuna karar verir (True Positive). Bu işlem Z-Score normalizasyonu gibi tekniklerle standartlaştırılarak, farklı kameralardan veya ışık koşullarından kaynaklanan sapmalar minimize edilir.

Sistemlerin güvenilirliği, ABD Ulusal Standartlar ve Teknoloji Enstitüsü (NIST) tarafından yürütülen FRVT (Face Recognition Vendor Test) adlı küresel ölçekli testlerle bağımsız olarak ölçülmektedir. NIST testleri, dünyanın dört bir yanından gelen algoritmaların milyonlarca veri üzerinden Yanlış Eşleşme Oranı (False Match Rate – FMR) ve Yanlış Eşleşmeme Oranı (False Non-Match Rate – FNMR) gibi metriklerle değerlendirildiği altın standarttır. Modern sistemler, yüksek kaliteli sabıka fotoğraflarında (mugshot) milyonda bir hata payıyla (FMR = 0.000001) çalışırken, “vahşi doğa” (in-the-wild) olarak adlandırılan, zayıf ışıklandırmaya ve kötü açılara sahip sokak kamerası görüntülerinde dahi inanılmaz doğruluk oranlarına ulaşabilmektedir. NIST verilerine göre, önde gelen algoritmalar bir yüz eşleşmesini 100 milisaniyenin altında bir sürede ve 100 megabayttan daha az bellek tüketerek gerçekleştirebilmektedir.

3 Boyutlu Derinlik (3D Reconstruction) ve Hacimsel Algı

Gözetim dünyası sadece 2D kameralarla sınırlı kalmamıştır. Kameralardan elde edilen tek bir 2D yüz görüntüsü, derin öğrenme çağında “3D Morphable Models (3DMM)” ve piksel bazlı yeniden yapılandırma (3D reconstruction) yöntemleriyle anında üç boyutlu topolojilere dönüştürülebilmektedir. Oklüzyon olarak adlandırılan yüzün bir kısmının maske, gözlük, saç veya atkı ile kapanması durumunda, yapay zeka yüzün görünür olan yarısından yola çıkarak görünmeyen diğer yarısını sentetik olarak tamamlayabilir (örneğin SymmFCNet gibi simetri tabanlı konvolüsyonel ağlar kullanılarak). Bu sayede, güvenlik kameralarına profil veya çapraz açılardan yansıyan bireylerin yüzleri, sanki doğrudan kameraya bakıyormuş gibi önden (frontal) bir görüntüye dönüştürülür ve veritabanındaki 2D fotoğraflarla hatasız bir şekilde eşleştirilir.

Yüksek Çözünürlüklü Görme: 4K Kameralar ve Donanımsal Sıçrama

Dünyanın en kusursuz algoritması bile çözünürlüğü ve detayı düşük bir görüntüyle çalıştığında körleşir. Yüz tanıma teknolojisinin gözetim endüstrisinde gerçek ve kusursuz bir aygıta dönüşmesinin temel nedeni, optik sensör ve kamera işlemcisi donanımlarındaki eşi görülmemiş gelişmelerdir.

Geleneksel düşük çözünürlüklü kameraların aksine, 4K UHD (3840 × 2160 piksel) veya 8 Megapiksel çözünürlük sunan modern güvenlik sistemleri, görüntü dijital olarak yakınlaştırıldığında (zoom-in) kalite kaybı yaşamadan yüzdeki mikro gözenekleri, yara izlerini ve en küçük soft biyometrik farklılıkları net bir şekilde yakalayabilir. Bugün pazar lideri olan üreticilerin (Hikvision, Dahua vb.) sunduğu güvenlik altyapıları, saf bir optik devrim niteliğindedir. Bu devrimin arkasında yatan donanımsal yetenekler şunlardır:

1. Kod Çözme ve Ultra Sıkıştırma (H.265+): 4K çözünürlükteki bir video, sıkıştırılmadığı takdirde saniyede ortalama 25 megabitlik devasa bir ağ trafiği üretir. Bu verinin binlerce kameradan eş zamanlı aktarılabilmesi fiziksel olarak imkansızdır. Bu sorunu çözmek için donanımlar, H.265 veya yapay zeka destekli H.265+ kodlama teknolojilerini kullanarak görüntü kalitesinden ödün vermeden bant genişliğini %90 oranına kadar düşürür. Bu muazzam veri küçültme, merkez ağ kayıt cihazlarında (NVR) eş zamanlı olarak yüzlerce kanalın 4K veya 1080p çözünürlükte işlenmesine imkan tanır.

2. Zifiri Karanlıkta Gece Görüşü (ColorVu ve Starlight): Yüz tanımanın önündeki en büyük engel ışıktır; gölgeler yüzün geometrisini bozar. ColorVu (Hikvision) veya Starlight (Dahua) gibi teknolojilere sahip kameralar, yapay zeka algoritmalarının gece dahi tam renkli ve net yüz algılaması yapmasını sağlar. F/1.0 gibi devasa bir diyafram aralığına sahip özel Sony CMOS sensörleriyle, zifiri karanlık sayılabilen 0.002 veya 0.003 lux aydınlatma seviyesinde bile yüksek çözünürlüklü renkli görüntü elde edebilirler.

3. Kamera İçi Uç Nokta Yapay Zekası (Edge AI): Algoritmalar artık sadece uzak sunucularda değil, doğrudan kameranın içindeki ciplerde çalışmaktadır (AcuSense teknolojisi vb.). Kamera, lensinden giren videoyu anında analiz ederek yüz tespiti yapar, insan ve araç filtrelemesi gerçekleştirir, davranış analizi (düşme, kavga, belirli bir alanda bekleme) yapar ve veritabanındaki 200.000’den fazla kara liste yüzle eşleşme sağlayarak milisaniyeler içinde alarmları tetikler. Üstelik bu işlemler sırasındaki yanlış alarm oranı (hayvanlar, ağaç yaprakları veya yağmur nedeniyle tetiklenme) %2’nin altına düşürülmüştür.

Ayrıca, TandemVu gibi çift lensli panoramik sistemler, aynı anda hem 180 derecelik geniş açılı genel kalabalık analizi yaparken, diğer lensiyle optik yakınlaştırma (PTZ) yaparak kalabalık içindeki belirli bir kişinin yüzüne odaklanabilmekte ve hiçbir kör nokta bırakmamaktadır. Bu donanımlar saniyede 30 kare (fps) hızında yüzlerce yüzü eş zamanlı olarak algılayıp işleyebilecek işlem kapasitesine (örneğin 16 kanala kadar 1080p eş zamanlı AI çözme) sahiptir.

Çin Örneği: Geniş Çaplı Biyometrik Gözetim Ağları ve “Skynet”

Yüz okuma, orantı ölçme ve biyometrik haritalandırma teknolojilerinin en ekstrem ve sınırsız uygulandığı laboratuvar Çin Halk Cumhuriyeti’dir. Teknoloji, Çin devlet aygıtında toplum mühendisliğinin ve mutlak asayişin kusursuz bir aracı olarak konumlandırılmıştır. Ülkede 700 milyonu aşkın güvenlik kamerasının aktif olduğu—ki bu rakam kabaca her iki vatandaşa bir 4K veya akıllı kamera düştüğü anlamına gelmektedir—tahmin edilmektedir. Dünyanın en çok gözetlenen on şehrinden sekizi Çin’de bulunmaktadır.

“Skynet” (Tianwang) ve “Xueliang” Projeleri

Çin’in kamu güvenliğini sağlama misyonuyla başlattığı bu devasa gözetim ağları, kentsel alanlarda “Skynet” (Tianwang – Gökyüzü Ağı) ve kırsal alanlarda kitlelerin de gözetim sürecine dahil edildiği “Xueliang” (Keskin Gözler) projeleri olarak adlandırılır. Skynet projesi, ülke çapındaki yüz tanıma veritabanlarını, polis sabıka sistemlerini, hastane kayıtlarını, kamu hizmeti faturalarını ve ulaşım istasyonlarındaki sensörleri devasa bir merkezi veri gölünde (data lake) birleştirir.

Bu entegrasyonun günlük hayattaki karşılığı son derece distopiktir. Örneğin; Pekin veya Guangzhou gibi metropollerde bir metro istasyonunda yürüyen birey, kredi kartı geçmişi ve sabıka kayıtlarından çekilen yüz kimliği ile gişelerden geçerken anında eşleştirilir. Çin’in kullandığı donanımlar, kalabalıklar içindeki her yüzü eş zamanlı olarak tarama kapasitesine sahiptir. Yabancı bir basın ekibinin aktardığı bir örnekte, Pekin’de bir sokağın köşesinde yaya geçidi kurallarını ihlal eden (jaywalking) bir kişinin yüzü 4K kameralar ile taranıp tanımlandığında, kişi daha sokağı karşıdan karşıya geçmeyi bitirmeden ceza makbuzu doğrudan cep telefonuna (WeChat gibi cüzdan uygulamalarına) gönderilmiştir. Bu, anlık, otonom ve hiçbir insan memurunun fiziksel varlığına (nobody had to be there) ihtiyaç duymayan kusursuz bir ceza sistemidir.

Uzaktan Biyometrik Tanımlama (Remote Biometric Identification)

Çin modelinin küresel ölçekte eşsiz olmasının sebebi yalnızca yüz tanıması değil, biyometrik veriyi yürüme biçimi, mikro ifadeler ve demografik analiz gibi çok katmanlı diğer özelliklerle harmanlayarak bir “Uzaktan Biyometrik Tanımlama” aygıtına dönüştürmesidir.

Çin’deki bu devasa gözetim mekanizması, insanların sürekli, uzaktan ve rızaları dışında 4K destekli veritabanları ile izlenmesini meşrulaştırmaktadır. Bu durum yalnızca suç oranlarını düşürmemekte; bireylerin izleniyor olmanın bilinciyle “kendi kendilerini otosansürleme” ve önleyici itaat mekanizmalarını devreye sokmasına yol açmaktadır. Toplum, görünmez bir otorite tarafından saniye saniye denetlenen bir veri tarlasına dönüşmüştür.

Sistem Zafiyetleri ve Gelecek: Adversarial (Çekişmeli) Saldırılar

Biyometrik sistemlerin, 4K kameraların ve yapay zekanın bu derece hegemonik bir güce ulaşması, yeni direniş formlarını ve algoritmik savaşları da doğurmuştur. Sistemler yüzlerce megapiksel detayla ve milyonda bir hata payıyla çalışsalar dahi, “Adversarial Attacks” (Çekişmeli/Düşmanca Saldırılar) olarak bilinen optik ve matematiksel yanılsamalarla kandırılabilmektedir.

Yapay zeka sistemlerinin en büyük zafiyeti, insan yüzünü bir bütün ve bağlam içinde değil, sadece piksel değerlerinin oluşturduğu matematiksel matrisler olarak algılamasıdır. Sınıflandırıcıları şaşırtmak için tasarlanan PGD, FGSM gibi algoritmik saldırılar, insan gözüyle fark edilemeyen dijital kirlilikleri (gürültüyü) yüze ekleyerek sistemin yüzü tamamen farklı biri olarak görmesine (impersonation attack) veya hiçbir yüz bulamamasına (dodging/hiding attack) yol açabilmektedir.

Daha da önemlisi, bu saldırılar sadece dijital ortamda kalmamakta, fiziksel dünyaya (physical-world attacks) da taşınmaktadır. Örneğin; özel olarak tasarlanmış yama (patch) baskıların yüze takılması, Lambertian yansıma modelleri kullanılarak kızılötesi veya yapılandırılmış ışık (structured light) projektörleriyle yüzün üzerine belirli frekanslarda ışık yansıtılması, 3D yüz okuma sistemlerini ve 4K derinlik kameralarını tamamen işlevsiz hale getirebilmektedir. Adversarial aydınlatma, yüzün 3 boyutlu nokta bulutunu (point cloud) bozarak, kameranın oradaki insanı bir araç veya sadece bir arka plan gürültüsü olarak algılamasına neden olabilmektedir. Bu durum, kusursuz olduğu iddia edilen matematiksel modellerin bile kendi algoritmik sınırlarına mahkûm olduğunu ve yapay zeka ile geliştirilen her önlemin, aynı hızda yapay zeka ile üretilen bir karşı-saldırı (Deepfakes, GAN üretimi sahte yüzler) ile sınandığını göstermektedir.

Da Vinci’den Algoritmalara Felsefi ve Teknolojik Sentez

Tarihsel sürece bakıldığında, Leonardo da Vinci’nin anatomik çizimleri, Alphonse Bertillon’un adli antropometrisi ve Çin’deki güncel yapay zeka gözetim mekanizmaları arasında derin ve süreklilik arz eden bir felsefi bağ bulunmaktadır. Tüm bu çabalar, insan bedenini kaostan çıkarıp; ölçülebilir, öngörülebilir ve kontrol edilebilir bir formüle indirgemeyi amaçlar. Ancak bu geçiş sürecinde paradigmatik kırılmalar yaşanmıştır.

Da Vinci, insan yüzünü ölçerken “Mükemmel Evrensel İnsan”ı formüle etmeye çalışmış, normu ve ilahi olanı bulmayı amaçlamıştır. Oysa modern derin öğrenme algoritmaları, norm ile ilgilenmez; gözetim mekanizması “kusurlu, benzersiz ve sapmış” bireyi arar. Da Vinci için burun ile kulak uzunluğunun birbirine eşit olması uyumun zirvesiyken; yapay zeka için bu uzunluklar arasında milimetrik bir asimetri olması, bireyi yüz milyonlarca insan arasından bulup çıkarmayı sağlayan paha biçilmez bir ikincil biyometrik (soft biometric) koddur. Yüz, evrensel güzelliğin sembolü olmaktan çıkmış, yara izleri, çilleri ve asimetrileriyle devlete ait bir veri dosyasına dönüşmüştür.

4K çözünürlüklü kameraların, yüz üzerindeki 468 landmark noktasını (MediaPipe) ve yara, dövme gibi özellikleri okuması, kamusal alanın niteliğini tamamen değiştirmiştir. İnsan yüzü eskiden yalnızca tanıdıklara ifşa edilen mahrem bir kimlik iken, bugün sokakta yürüyen herhangi birinin yüzü, anlık okunabilen açık bir barkoda dönüşmüştür. Üstelik “Skynet” gibi modeller ve Watrix yürüyüş tanıma algoritmaları sayesinde, bireylerin kimliğini saklama kapasitesi—yüzlerini maskeyle gizleseler dahi—vücutlarının ritmik kinezyolojisi üzerinden imkansız hale getirilmiştir.

Leonardo da Vinci’nin sararmış parşömenler üzerine kurşun kalemle çizdiği kareler, oranlar ve ızgara sistemleri, beş yüz yıl sonra devasa sunucuların, yapay sinir ağlarının ve 4K gözetim kameralarının temel yazılım dili haline gelmiştir. Rönesans hümanizmi insanı evrenin merkezine koyarak yüzü bir ilahi estetik olarak kutlarken, çağdaş teknolojiler aynı oranları insanı kategorize etmek, davranışlarını tahmin etmek ve onu bir puan sistemine tabi tutmak için kullanmaktadır. İnsanın yüzü ve bedeni, artık sırların saklandığı bir kalkan değil; biyometrik kameraların ardındaki algoritmalar tarafından aralıksız okunan, tasnif edilen ve arşivlenen şeffaf, dijital bir denetim mekanizmasının ana sahasıdır. Antik çağın anatomik keşfinden günümüzün teknolojik panoptikonuna uzanan bu serüven, bilimin salt “tanıma” amacını çoktan aşarak, davranış, ceza ve toplum yönetimi eksenine tamamen oturduğunu kanıtlamaktadır.

Avukat, Uzman Arabulucu Enver Alper Mutluer

[Hakkımızda]

İstanbul Üniversitesi Hukuk Fakültesi mezunu olan Av. Arb. Enver Alper Mutluer, 19 yılı aşan mesleki tecrübesiyle avukatlık, hukuki danışmanlık ve arabuluculuk faaliyetlerini İstanbul merkezli olarak sürdürmektedir.

2007 yılından bu yana İstanbul 1 No.lu Barosu’na 34169 no’lu sicil ile kayıtlı olan Mutluer, 2011 yılında kurduğu Mutluer Hukuk Bürosu bünyesinde; ticaret ve şirketler hukuku, ceza hukuku, iş hukuku, aile ve miras hukuku, gayrimenkul ve inşaat hukuku, sözleşmeler hukuku ile diğer özel hukuk uyuşmazlıklarında gerçek ve tüzel kişilere hukuki hizmet vermektedir.

Arabuluculuk Sicil No: 4326 kapsamında İş, Ticaret, Tüketici, Banka ve Finans ile Sigorta Hukuku alanlarında uzman arabulucudur.

Hukuki uyuşmazlığınızın, dosyanızın veya sözleşmenizin somut koşulları çerçevesinde değerlendirilmesi için görüşme randevusu oluşturabilirsiniz.

[Randevu Oluştur]  [İletişime Geç]

Mutluer Hukuk Bürosu – Şişli / İstanbul (Kanyon AVM yanı)
📞 0 532 263 41 65
✉️ av.alper@mutluer.av.tr

Her hukuki uyuşmazlık kendi koşulları içinde değerlendirilir. İnternet sitesindeki açıklamalar genel bilgilendirme niteliğindedir ve hukuki görüş veya sonuç garantisi oluşturmaz.

Gizlilik Politikamız