Yapay Zekanın Beynini Beslemek: Yapay Zekâyı Eğitmek İçin Telif Hakkını Sorgulamak

Pınar Bakırtaş, LL.M. (Max Planck İnovasyon ve Rekabet Enstitüsü & WIPO - Ankara Üniversitesi)

1. Giriş

Gelecek beklenenden daha erken geldi. Jetgiller uçan arabalar konusunda hala ileride olabilirler, ancak robot destekli yaşam söz konusu olduğunda tam isabet kaydettiler. Robotik hizmetçi Rosey bugünün evlerinde hala eksik olsa da, Yapay Zeka (YZ) araçları çoğu evde kendine yer buldu. YZ'nin küresel kullanımı, özellikle metin, görüntü, ses ve daha fazlasını son derece insani bir şekilde üreten jeneratif YZ araçlarının yaygın kullanımıyla hız kazanmıştır. YZ'nin yenilikçi kullanımları sürekli olarak ve genellikle beklenmedik şekillerde ortaya çıkmaktadır. Bunların en önemlileri arasında, Rembrandt'ın resimlerini analiz ederek sanatçı gibi yeni sanat projesi yer almaktadır. Son zamanlarda Open AI'nin yeni görüntü oluşturucusunun ortaya çıkmasıyla birlikte, Ghibli Stüdyoları anime yapımları tarzında görüntüler üretmek bir trend haline geldi. Midjourney tarafından üretilen “Théâtre D'opéra Spatial” başlıklı bir görüntü, bir güzel sanatlar yarışmasında birincilik kazandı. YZ tarafından üretilen “Heart on my Sleeve” şarkısı, kaldırılmadan önce Drake and the Weekend sanatçılarını taklit etmiş, bu arada Drake de ölen rapçi Tupac'ın sesini kullanarak kendi şarkısı için YZ kullanmıştır.

Üretken YZ kreasyonlarının örnekleri gün geçtikçe daha ilginç hale gelirken, telif hakkı alanına getirdiği çatışmalar da azımsanacak gibi değil. Jetgiller'de robotik destekli gelecek oldukça sorunsuz görünüyordu, ancak bugünün gerçekliği ince bir baskıyla birlikte geliyor. Üretken Yapay Zeka ile ilgili yasal tartışmaların merkezinde, teknoloji tarafından gerçekleştirilen iki temel eylem yer almaktadır: mevcut verilerden öğrenme (eğitim) ve yeni çıktılar oluşturma. Bu makale, YZ'nin eğitim aşamasında telif hakkı korumalı materyalleri kullanmasıyla tetiklenen telif hakkı çatışmalarına odaklanmaktadır.

Buna göre, Bölüm 2 YZ'nin nasıl çalıştığını açıklamakta, Bölüm 3 ise YZ bağlamında telif hakkı korumasını ve istisnalarını ortaya koymaktadır. Sonraki bölümler, farklı yargı alanlarının telif hakkıyla korunan materyal üzerinde YZ eğitimi için telif hakkı istisnalarını nasıl değerlendirdiğini açıklamaktadır. Bu bağlamda, Bölüm 4-7 ABD, AB, Birleşik Krallık ve Japonya yaklaşımlarını kapsamaktadır. Son olarak, Bölüm 8 son sözlerle sona ermektedir.

2. YZ'nin İşleyişi

YZ, makinelerin normalde insan zekası gerektiren karar verme ve doğal dili anlama gibi görevleri yerine getirebildiği bir teknolojiyi ifade eder. YZ sistemlerinin bunları yapmayı öğrendiği başlıca teknik, makine öğrenimi adı verilen bir süreçtir. Geleneksel programlamada, programcılar adım adım talimatlar yazar ve bilgisayar sadece emirleri takip eder. Bir veri sağlandığında bilgisayar verilen talimatları izler ve bir sonuç sağlar. Makine öğreniminde ise yöntem tersine çevrilir. Bir makine öğrenimi sistemine tam olarak ne yapması gerektiği söylenmez. Bunun yerine, bu verilerden kalıpları öğrenmek ve tahminlerde bulunmak için bir öğrenme algoritmasının kullanıldığı büyük miktarda veri ile beslenir. Örneğin, makine öğreniminin yaygın kullanım alanlarından biri, sosyal medya veya yayın platformlarında olduğu gibi tavsiye sistemleridir. (1)

Makine öğreniminde kullanılabilecek doğrusal regresyon, karar ağaçları, rastgele ormanlar ve sinir ağları gibi farklı öğrenme algoritmaları vardır. Bu yöntemlerin teknik detayları bu makalenin kapsamı ve amacı dışındadır. Ancak, sinir ağları insan beyninin nasıl çalıştığından esinlendiği için bahsetmek önemlidir. Derin öğrenme, sinir ağlarını daha yoğun bir şekilde kullanan gelişmiş bir makine öğrenimi yöntemidir.(2) Sonuçta derin öğrenme, daha kesin tahminler yapmak için çok karmaşık örüntülerin tanımlanmasına olanak tanır. Ne kadar çok veri işlerse, tahmin etme konusunda o kadar iyi olur. Örneğin, derin öğrenme dilleri tercüme etmek, doğal dili anlamak veya sanat üretmek gibi görevlerde kullanılır. Derin öğrenme, yeni içerik oluşturmak için tasarlanan birçok Üretken Yapay Zeka sisteminin arkasındaki temel teknolojidir. Altta yatan kalıpları öğrenmek için büyük veri kümelerine ihtiyaç duyarlar, bu sürece eğitim denir. Üretken Yapay Zeka eğitiminde metin, görüntü veya müzik gibi büyük miktarda mevcut içerik gerekir. Eğitimden sonra, derin öğrenme sistemleri yeni içerik üretir.

Hem eğitim süreci hem de içerik üretimi telif hakkı ihlali sorunlarına neden olabilir. Yeni içerik üretmek Üretken YZ'ye özgü olsa da, telif hakkıyla korunan verilerden (metinler ve görüntüler gibi) öğrenmeyi içeren eğitim süreci, veriler üzerinde eğitim veren ancak içerik üretmeyen daha geniş YZ sistemleri kümesiyle ilgilidir.

Bir sonraki bölüm, telif hakkı ve istisnalarının YZ sistemlerinin eğitim aşamasıyla nasıl ilişkili olduğunu açıklamaktadır.

3. Yapay Zekâ Eğitiminde Telif Hakkı ve İstisnalar

Telif hakkı, yaratıcıya edebî, sanatsal, bilimsel veya diğer türdeki özgün eserleri üzerinde münhasır haklar tanır. Koruma altına alınabilmesi için bir eserin hem özgün hem de bağımsız olarak oluşturulmuş (başka bir kaynaktan kopyalanmamış) olması gerekir. Telif hakkı sahibine tanınan ayrıcalıklı haklar genellikle eseri çoğaltma, kamuya iletimini sağlama, dağıtma ve uyarlama yapma haklarını kapsar. Bu hakların kapsamı ve uygulanma biçimi farklı hukuk sistemlerinde değişiklik gösterebilir. Yapay zekâ bağlamında, eğitim süreci sıklıkla telif hakkına tabi eserlerin kopyalanmasını içerir. Bu kopyalama eylemi, doğrudan telif hakkı sahibine ait çoğaltma hakkına temas eder ve bu nedenle yapay zekâ eğitimi uygulamaları bağlamında hukuki tartışmaların merkezinde yer alır.

Yapay zekâ sistemlerinin eğitimi için gerçekleştirilen bu tür kullanımlar bakımından telif hakkı istisnaları söz konusu olabilir. Telif hakkı istisnası, bazı durumlarda hak sahibinin izni olmadan ve hatta tazminat ödenmeksizin korunan materyalin kullanılmasına izin verir. Bu istisnalar dar ve belirli şartlara bağlı olacak şekilde düzenlenebilir. Yapay zekâ eğitimiyle ilgili en önemli istisnalardan biri, "metin ve veri madenciliği" (text and data mining – TDM) istisnasıdır.

 Karen Hao, ‘What Is Machine Learning?’ (MIT Technology Review, 2018).
2 ibid.

 

 

Her ne kadar TDM terimi yapay zekâ eğitimine tamamen denk düşmese de, bu kapsamda değerlendirilebileceği ileri sürülmektedir. TDM istisnası Avrupa Birliği, Birleşik Krallık ve Japonya gibi çeşitli hukuk sistemlerinde yer almaktadır; ancak uygulama kapsamı ve şartları ülkeden ülkeye farklılık göstermektedir.
Buna karşılık, Amerika Birleşik Devletleri'nde yapay zekâ eğitimi, esnek bir hukuk ilkesi olan ve duruma özel olarak uygulanan genel "adil kullanım" (fair use) doktrini çerçevesinde değerlendirilebilir.

 

4. ABD'de Adil Kullanım: Hukuki Fırtınanın Merkezindeki Dört Ölçüt

Amerika Birleşik Devletleri, Google, OpenAI, NVIDIA, Microsoft ve Meta gibi önemli şirketlerin faaliyet gösterdiği yapay zekâ araştırmaları ve yatırımları açısından önde gelen merkezlerden biridir. Şu ana kadar ABD mahkemelerinde, diğer tüm hukuk sistemlerinden çok daha fazla sayıda, 40’tan fazla telif hakkı davası açılmıştır. Bu davaların yoğunluğu nedeniyle dünya genelinde dikkatler, yapay zekâ ile telif hakkı çatışmasının nasıl şekilleneceği konusunda ABD’ye çevrilmiştir.

ABD’de telif hakkı sınırlamaları, 17 U.S. Code §§ 107–122 arasında düzenlenmiştir. 108. maddeden itibaren belirli durumlara özgü sınırlamalar getirilirken, 107. madde adil kullanım doktrinini genel bir hüküm olarak ortaya koyar ve her durumun özelliklerine göre bir "ölçüt testi" uygulanmasını öngörür. Bu maddeye göre, eğer bir kullanım “adil kullanım” olarak değerlendirilirse, telif hakkı ihlali sayılmaz. Adil kullanım analizinde dikkate alınan dört temel ölçüt şunlardır:

Kullanımın amacı ve niteliği, özellikle ticari mi yoksa kâr amacı gütmeyen eğitim amaçlı mı olduğu,
Telif hakkına konu eserin niteliği,
Kullanılan kısmın miktarı ve eserin bütünüyle olan orantısı,
Kullanımın, eserin potansiyel piyasası veya ekonomik değerine etkisi. (3)

Bu esnek analiz yöntemi, telif hakkı yasalarının yazıldığı tarihlerden çok sonra gelişen teknik yenilikler karşısında, yeni kullanım biçimlerinin değerlendirilmesine imkân tanır. Mahkemeler her bir ölçütü tartarak hangisinin hangi taraf lehine ağır bastığını değerlendirir ve nihai kararı tüm ölçütlerin birlikte değerlendirilmesi sonucunda verir. Bu ölçütler eşit ağırlıkta değildir; özellikle birinci ve dördüncü ölçüt ABD mahkemeleri nezdinde daha fazla ağırlığa sahiptir.

Birinci ölçüt, yani kullanımın amacı ve niteliği, karar açısından oldukça belirleyicidir. (4)Buradaki temel tartışma, kullanımın “dönüştürücü” (transformative) olup olmadığıdır. Eğer bir kullanım, orijinal eseri parodi, yorum ya da yeni bir anlam katarak dönüştürüyorsa veya farklı bir amaç ve piyasaya yönelik olarak kullanılıyorsa, dönüştürücü kabul edilebilir. (5)

3 17 U.S. Code § 107.

4 Van Lindberg, ‘BUILDING AND USING GENERATIVE MODELS UNDER US COPYRIGHT LAW’ (2023) 18 Rutgers Business Law Review 1 51.

5 ‘Kadrey v Meta, Amicus Brief of Copyright Law Professors, Document 525, 11 April 2025’.

Bazı görüşler, yapay zekâ eğitiminin dönüştürücü olduğunu savunur çünkü bu süreçte telifli materyaller sayısal verilere dönüştürülerek işlevsel bir amaç doğrultusunda kullanılır. (6)
Bu görüşü destekleyen önceki mahkeme kararları arasında, video oyunu görsellerinin kaynak koda(7) dönüştürülmesi veya görsel içeriklerin veri metriklerine çevrilerek arama motorlarında(8) kullanılması yer almaktadır. (9) Ayrıca, yapay zekâ eğitiminin kullanıcıların yeni ifade biçimleri üretmesini sağladığı, oysa telifli içeriklerin daha çok estetik ve eğlence amacıyla üretildiği ileri sürülmektedir.

Buna karşılık, bazı hukukçular yapay zekâ eğitiminin, insan öğrenme sürecinden farklı olmadığı görüşündedir. (11) Bu görüşe göre, orijinal eserler yalnızca estetik amaçlarla değil; bilgi edinme ve anlamlandırma amacıyla da üretilmiştir ve insanlar gibi yapay zekâ da bu eserleri `örüntü tanıma, bağlam kurma ve ilişkiler kurma` amacıyla kullanır. (12) ABD Yüksek Mahkemesi’nin en güncel kararına göre ise dönüştürücülük yalnızca yeni anlam veya amaç katmakla sınırlı değildir; aynı zamanda kullanıcının eserin orijinal pazarıyla rekabet edip etmediği de değerlendirilmelidir. (13) Bu nedenle, yapay zekâ eğitiminin sonunda ortaya çıkan çıktılar telifli içeriklerle rekabet ediyorsa, bu durum aleyhe değerlendirilmektedir. (14)

İkinci ölçüt, eserin niteliğini analiz eder. Burada, eserin ne derece yaratıcı olduğu önemlidir. Yaratıcılık düzeyi düşükse koruma daha zayıf olabilir. (15)  Yapay zekâ modellerinin eğitildiği içeriklerin çok çeşitli ve geniş kapsamlı olması, yüksek derecede yaratıcı müzik, metin ve görsellerin de bu eğitimlerde yer aldığı anlamına gelir. Öte yandan, eserin yayımlanmış olması durumunda adil kullanım lehine bir değerlendirme yapılması daha olasıdır.(16) Bazı yorumcular, yapay zekâya verilen içeriklerin yalnızca “veri noktaları” olarak değerlendirildiğini ve bu nedenle bu ölçütün nötr sayılması gerektiğini savunur. (17)

Üçüncü ölçüt, kullanılan kısmın miktarını inceler. Bu hem nicel hem de nitel bir değerlendirmeye dayanır. Alınan kısmın az olması, eserin "özünü" oluşturuyorsa adil kullanım aleyhine yorumlanabilir; tersi durumda da küçük miktarlar lehine olabilir. Ancak, bir eserin tamamının alınması bile dönüştürücü bir kullanım söz konusuysa makul sayılabilir. (18)

6 Michael D Murray, ‘GENERATIVE AI ART : COPYRIGHT INFRINGEMENT AND FAIR USE’ (2023) 26 SMU Science and Technology Law Review.

7 Sega Enterprises Ltd v Accolade Inc, 977 F 2d 1510 (9th Cir 1992)

8 Kelly v Arriba Soft Corp, 336 F 3d 811 (9th Cir 2003); Perfect 10 Inc v Amazon.com Inc, 508 F 3d 1146 (9th Cir 2007).

9 Murray (n 5) 280.

10 ibid.

11 Robert Brauneis, Copyright and the Training of Human Authors and Generative Machines, vol 1 (2024).

12 Kadrey v Meta, Amicus Brief of Copyright Law Professors, Document 525, 11 April 2025’ (n 4).

13 Andy Warhol Foundation v. Goldsmith, 598 U.S. 508 (2023).

14 ‘Kadrey v Meta, Amicus Brief of Copyright Law Professors, Document 525, 11 April 2025’ (n 4).

15 Saliltorn Thongmeensuk, ‘Rethinking Copyright Exceptions in the Era of Generative AI: Balancing Innovation and Intellectual Property Protection’ (2024) 27 The Journal of World Intellectual Property 285.

16 ‘Kadrey V Meta, Amicus Brief of Intellectual Property Law Professors, Document 509-2, 31 March 2025’ (2025) 7.

17 Lindberg (n 3) 52.

18 ibid 53.

 

Son ölçüt olan dördüncü kriter, kullanımın eserin potansiyel pazarı üzerindeki etkisini değerlendirir. Burada temel soru, yapılan kullanımın eserin yerine geçip geçmediğidir. (19) ABD’de yapay zekâ eğitimiyle ilgili açılan ilk davada, Delaware Bölge Mahkemesi eğitim sürecinin dönüştürücü olmadığına ve eğitimin eğitim verisiyle rekabet ettiği sonucuna varmıştır. (20) Ancak mahkeme, daha sonra kararına ilişkin temyiz talebini kabul etmiş ve davayı durdurmuştur, her ne kadar önceki kararına güvendiğini belirtmiş olsa da. Ayrıca, yapay zekâ şirketlerinin ticari niteliği birinci ölçüt açısından adil kullanım aleyhine değerlendirilmiştir. Ayrıca, kullanımın dönüştürücü nitelikte olması durumunda kullanımın ticari niteliğinin daha az önemli olduğu kararlaştırılmıştır.

Tüm bu devam eden davalar dikkate alındığında, ABD’de yapay zekâ eğitiminin nasıl bir hukuk formülüne oturacağı henüz netleşmemiştir. Ancak, eğitim faaliyetinin dönüştürücü sayılıp sayılmayacağına ilişkin analizlerin, piyasa etkisi değerlendirmesini de doğrudan etkileyeceği açıktır.

5. AB TDM İstisnası: Bir Varsayılan Onay, Ancak Veto Düğmesi ile

TDM (Metin ve Veri Madenciliği) istisnaları, 2019 tarihli Dijital Tek Pazar (DSM) Direktifi’nin 3. ve 4. maddelerinde düzenlenmiştir. Bu istisnalar, yapay zekâ sistemlerinin telif hakkıyla korunan materyaller üzerinde eğitilmesi sürecine uygulanabilecek istisnalar olarak değerlendirilmektedir. Bu istisnalar, tüm Üye Devletlerin kendi ulusal hukuklarına aktarmak zorunda olduğu zorunlu istisnalar olarak DSM Direktifi’ne dahil edilmiştir.

DSM Direktifi’nin 2(2). maddesi, TDM’yi “dijital biçimdeki metin ve verileri analiz etmeye yönelik her türlü otomatik analiz tekniği; bu analiz bilgi üretmeyi hedefler ve örüntüler, eğilimler ve korelasyonlar gibi unsurları içerir, ancak bunlarla sınırlı değildir” şeklinde tanımlar. Bu tanım, TDM’nin doğrudan yapay zekâ eğitimiyle eşdeğer olmadığını ortaya koyar. TDM, sadece yapay zekâ eğitimiyle sınırlı olmayan daha geniş kapsamlı eylemleri ifade eder, ancak AB hukukuna göre TDM’nin web kazıma (web scraping), ön-eğitim (pre-training) ve eğitim aşamalarını kapsayabileceği genel olarak kabul görmektedir.(22) Bu görüş, AB Yapay Zekâ Tüzüğü’nün (AI Act) 105 numaralı gerekçesinde (Recital) ve 53(1)(c) maddesinde TDM istisnasına yapılan atıflarla daha da güçlenmiştir.(23) Ancak, Veri Madenciliği (TDM) istisnası, yapay zekâ eğitiminin tüm faaliyetlerine yönelik kapsamlı bir koruma sağlamaz; eğitimin çeşitli yönlerini kapsadığı düşünülse de, mutlaka tüm eğitim sürecini kapsamamaktadır. (24) Ayrıca, eğitim sonrası işlemler —yani yapay zekâ tarafından üretilen çıktılar da dahil olmak üzere— TDM istisnasıyla ilgili kabul edilmemektedir.(25) Ayrıca kamuya iletim gibi sonraki kullanımlar da TDM istisnaları kapsamında değerlendirilmez. (26)

 19 ibid.
20 Thomson Reuters Enterprise Centre GmbH v Ross Intelligence Inc (US District Court, District of Delaware, No 1:2020cv00613, 11 February 2024).

21 ‘Kadrey v Meta, Amicus Brief of Copyright Law Professors, Document 525, 11 April 2025’ (n 4) 8; Campbell v Acuff-Rose Music, Inc. 510 US 569 (1994).

22 Pedro Quintais, ‘Generative AI , Copyright and the AI Act’ (2025) 56 Computer Law & Security Review 2.

23 ibid.

24 European Copyright Society, ‘Copyright and Generative AI : Opinion of the European Copyright Society’ 5.

25 ibid 6.
26  Eleonora Rosati, ‘Is Text and Data Mining Synonymous with AI Training?’ (2024) 19 Journal of Intellectual Property Law and Practice 851 <https://doi.org/https://doi.org/10.1093/jiplp/jpae092> 851-852.

AB hukukuna göre TDM, telif hakkı sahibinin çoğaltma hakkına karşı sağlanan bir istisnadır. DSM Direktifi’nin 3. maddesi, bilimsel araştırma amacıyla yapılan TDM faaliyetlerine yönelik bir istisna sağlarken; 4. maddesi, ticari amaçlı olanlar da dâhil olmak üzere tüm TDM faaliyetlerini kapsayan genel bir istisna sunar. 3. madde, bilimsel araştırma amacıyla yasal olarak erişilmiş eserlerin çoğaltılması ve çıkarımı faaliyetlerini telif hakkı korumasının dışında tutar; bu istisna yalnızca araştırma kuruluşları ve kültürel miras kurumları tarafından gerçekleştirilen faaliyetler için geçerlidir. Öte yandan 4. madde, yasal olarak erişilebilen eserlerin herhangi bir TDM amacıyla çoğaltılması ve çıkarımına yönelik bir genel istisna oluşturur. Bilimsel araştırma için yürütülen TDM, doğrulama amacı da dâhil olmak üzere eserlerin kopyalarının saklanmasına izin verirken(27), ticari amaçlı TDM faaliyetlerinde kopyalar yalnızca gerekli olduğu süre boyunca saklanabilir. (28)

TDM istisnaları yukarıda belirtilen koşullar dahilinde otomatik olarak uygulanır. Bu iki istisna arasındaki önemli fark, DSM Direktifi’nin 4(3) maddesinde belirtilen, hak sahiplerine haklarını saklı tutma (opt-out) hakkı tanıyan hükümdür. Ancak, bilimsel araştırma amacıyla gerçekleştirilen TDM için böyle bir hak saklı tutma seçeneği yoktur. Çevrimiçi olarak kamuya açık hale getirilmiş eserler için hak sahiplerinin TDM faaliyetlerinden muafiyet istemeleri, “makine tarafından okunabilir biçimde” gerçekleştirilmelidir. Bu kavram, yasal olarak bağlayıcı olmayan ancak yorum aracı olarak kabul edilen gerekçelerde daha ayrıntılı şekilde açıklanmıştır. Makine tarafından okunabilir biçimler, “web sitesi ya da hizmetin meta verileri ve kullanım şartları” şeklinde örneklendirilmiştir. Yakın zamanda verilen Almanya’daki Kneschke v. LAION kararı(29), doğal dilde ifade edilen bir muafiyetin de makine tarafından okunabilir biçim olarak kabul edilebileceğine ilişkin bir yorum içermektedir. Mahkeme, böyle bir muafiyetin kullanım zamanındaki teknik olanaklara göre değerlendirilmesi gerektiğini belirtmiştir.(30)

Son derece önemli olarak bu opt-out (hak saklı tutma) hükmü aynı zamanda TDM kapsamında eserleri kullanılan hak sahiplerinin tazmin edilmesini de tetikler. Hak sahipleri, ya doğrudan haklarını saklı tutma ya da yalnızca kendilerine ödeme yapılmadığı durumda haklarını saklı tutma seçeneğine sahiptir.(31) AB Yapay Zekâ Tüzüğü’nün 53(1)(d) maddesinde yer alan, Genel Amaçlı Yapay Zekâ sistemlerinin (Generative AI dâhil) eğitimde kullanılan içeriklerin bir listesini oluşturma ve kamuya açık hale getirme yükümlülüğü, DSM Direktifi’nin 4(3) maddesi kapsamındaki hak saklı tutma mekanizmasını kolaylaştırır. Bu yükümlülük, hak sahiplerinin hangi yapay zekâ modellerinin kendi eserleriyle eğitildiğini bilmeleri yönündeki güçlüğü çözmeye yardımcı olur.

 

27  DSM Directive Art 3(3).

28  DSM Directive Art 4(2).

29 Regional Court of Hamburg, Kneschke v LAION, 29 September 2024, 310 O 227/23.

30 Kneschke v LAION paras 100-102.

31 Martin Senftleben, ‘Generative AI and Author Remuneration’ (2023) 54 IIC - International Review of Intellectual Property and Competition Law 1535 <https://doi.org/10.1007/s40319-023-01399-4>.

Bu tür bir tazminatın yöntemi oldukça tartışmalıdır. Öneriler arasında kolektif hak yönetim kuruluşlarının sürece dahil edilmesi (32), yapay zeka geliştiriciler ile sabit ücretli ya da gelir paylaşımı temelli telif anlaşmaları yapılması(33) veya yapay zekâ tarafından üretilen ve orijinal eserin yerini alabilecek çıktılara dayalı tazminat ödenmesi yer alır.(34) Bazı görüşler, opt-out sistemine karşı çıkarak onun yerine yasal lisans (statutory license) getirilmesi gerektiğini savunmaktadır.(35) Bu yaklaşım, doğrudan opt-out hakkını sınırlandıracak ve tüm TDM faaliyetlerinin, hak sahiplerinin tazmini karşılığında mümkün hale gelmesini sağlayacaktır. YouTube’un Content ID verilerinden yola çıkarak, hak sahiplerinin %90’dan fazlasının (içeriklerini engellemek ya da yalnızca izlemek yerine) para kazanmayı tercih ettiği gözlemlenmektedir.(36) Ancak, Generative AI sistemleri farklı bir dinamik sunmaktadır. Bu sistemler, orijinal eserler üzerinden eğitilerek, doğrudan orijinal eserle rekabet edebilecek çıktılar üretebilmektedir. Bu da bazı hak sahiplerinin doğrudan opt-out yolunu tercih etmesine yol açabilir.

AB'de TDM istisnasına ilişkin verilen ilk mahkeme kararı, 24 Eylül 2024 tarihinde Hamburg Bölge Mahkemesi (Landgericht Hamburg) tarafından Kneschke v. LAION davasında verilmiştir. Uyuşmazlık, Robert Kneschke’ye ait bir fotoğrafın LAION adlı kâr amacı gütmeyen kuruluşun oluşturduğu bir veri kümesinde kullanılmasına ilişkindir. Veri kümesi, kamuya açık görüntülerin ve açıklamalarının analiz edilerek eşleştirildiği bir sistemle oluşturulmuştur. Elde edilen metin-görsel çiftleri, Generative AI modellerinin eğitimi için kullanılabilecek türdendir. Davacı, eserine ilişkin haklarını saklı tuttuğunu iddia etmiş ve bu nedenle görüntüsünün çoğaltılmasının telif hakkı ihlali olduğunu ileri sürmüştür. Mahkeme, davacının görselinin çoğaltılmasının bilimsel araştırma amaçlı TDM istisnası kapsamında olduğunu belirlemiş ve opt-out talebini geçersiz saymıştır. (37)  Mahkeme, LAION’un kâr amacı gütmeyen bir kuruluş olduğunu, veri kümesinin ticari amaçla oluşturulmadığını ve kamuya ücretsiz şekilde sunulduğunu belirterek karar vermiştir. (38)  Veri kümesinin daha sonra ticari yapay zekâ sistemleri tarafından kullanılacak olması ise karar açısından önem arz etmemiştir. (39)

32 ibid.

33 Nicola Lucchi, ‘ChatGPT : A Case Study on Copyright Challenges for Generative Artificial Intelligence Systems’ [2023] European Journal of Risk Regulation 1.

34 Senftleben (n 30).

35 Christophe Geiger and Vincenzo Iaia, ‘The Forgotten Creator : Towards a Statutory Remuneration Right for Machine Learning of Generative AI’ [2024] Computer Law & Security Review.

36 YouTube Copyright Transparency Report, Jun 2023- Dec 2023.

37 Kneschke v LAION parag 109-112.

38 Kneschke v LAION paras 117-119.

39 Kneschke v LAION para 114.

 

 

Mahkeme ayrıca, yapay zekâ eğitimi bağlamında bazı kişiler tarafından ileri sürülen “geçici kopyalama” savunmasını da değerlendirmiştir. Bilgi Toplumu Direktifi’nin 5. maddesi kapsamında değerlendirilen geçici kopyalama istisnası, eserin a) geçici ya da tali olması, b) teknolojik sürecin bütünleyici ve ayrılmaz bir parçası olması, c) yasal bir kullanıma olanak tanıması ve d) bağımsız ekonomik değeri bulunmaması koşullarına bağlıdır. Alman mahkemesi bu savunmayı reddetmiştir. Mahkeme, geçici kopyalamanın geçerli olabilmesi için silme işleminin otomatik şekilde ve insan müdahalesi olmadan gerçekleşmesi gerektiğini ve yalnızca teknik süreç için gerekli süre boyunca saklanmasının zorunlu olduğunu belirtmiştir. Davalının belirli bir saklama süresi belirlemesi ve otomatik silme programı oluşturmuş olması kabul edilse de, görselin bilinçli şekilde indirilmiş olması nedeniyle bunun tali (incidental) bir kopya olmadığına karar verilmiştir. (40)

TDM istisnaları AB’de yürürlüğe girmiş ve ulusal hukuklara aktarılmış olsa da, ulusal mahkeme kararları ve yakın zamanda yayımlanan Genel Amaçlı Yapay Zekâ Uygulama Kuralları’nın (Code of Practice) üçüncü taslağı bu alanda ek yorum araçları sağlamaktadır.

6. Birleşik Krallık TDM İstisnası: Yapay Zekâ ve Telif Hakkı Üzerine Yeniden Alevlenen Tartışmalar

Birleşik Krallık, TDM istisnasını AB’den önce, 2014 yılında Telif Hakkı, Tasarımlar ve Patentler Yasası’nın (Copyright, Designs and Patents Act) 29A maddesi kapsamında kabul etmiştir.(41) AB’nin iki yönlü yaklaşımından farklı olarak, Birleşik Krallık yalnızca ticari olmayan amaçlarla yasal şekilde erişilmiş eserlerin çoğaltılması için bir TDM istisnası getirmiştir. 2021 yılında Birleşik Krallık Fikri Mülkiyet Ofisi (UKIPO), yapay zekânın fikri mülkiyet yasalarında nasıl düzenlenmesi gerektiğine dair bir danışma süreci başlatmıştır. Bu danışmanın konularından biri, TDM istisnasının genişletilmesiydi. Danışmanın sonucu, tüm amaçlar (ticari dahil) için bir TDM istisnası getirilmesi ve hak sahiplerine opt-out hakkı tanınmaması yönünde olmuştu.(42)Ancak yaratıcı sektörlerden gelen yoğun tepkiler üzerine hükümet bu öneriyi uygulamama kararı almıştır.(43)

 

40 Kneschke v LAION paras 58-66.

 

4[1] Eleonora Rosati, ‘No Step-Free Copyright Exceptions : The Role of the Three-Step in Defining Permitted Uses of Protected Content ( Including TDM for AI-Training Purposes )’ Stockholm Faculty of Law Research Paper Series 15.

 

42 UKIPO, ‘Consultation Outcome Artificial Intelligence and Intellectual Property: Copyright and Patents: Government Response to Consultation’ (2022) <https://www.gov.uk/government/consultations/artificial-intelligence-and-ip-copyright-and-patents/outcome/artificial-intelligence-and-intellectual-property-copyright-and-patents-government-response-to-consultation>.

 

43 Minister of State, Department for Digital, Culture, Media and Sport ‘Artificial Intelligence: Intellectual Property Rights’ (UK Parliament, 2023) <https://hansard.parliament.uk/commons/2023-02-01/debates/7CD1D4F9-7805-4CF0-9698-E28ECEFB7177/ArtificialIntelligenceIntellectualPropertyRights>.

 

 

 

 

 

 

Aralık 2024’te UKIPO, yalnızca yapay zekâ ve telif hakkını konu alan yeni bir danışma süreci başlatmıştır. Danışmanın hedefleri, hak sahiplerinin eserleri üzerindeki denetimini desteklemek, Birleşik Krallık’ta öncü yapay zekâ modellerinin geliştirilmesini sağlamak ve daha fazla güven ve şeffaflık oluşturmaktır. TDM istisnası konusunda UKIPO, AB’nin yaklaşımına benzer bir model önerdiğini açıklamıştır. Öneri, yasal şekilde erişilmiş tüm eserler için ticari amaçlar da dâhil olmak üzere bir TDM istisnası getirmek ve hak sahiplerine opt-out hakkı tanımaktır. Ayrıca, AB’deki opt-out mekanizmasının yeterince açık olmadığı ve Birleşik Krallık’ın bu konuda daha net olmak istediği belirtilmiştir. Yapay zekâ geliştiricileri tarafından kullanılan eğitim verileri konusunda daha fazla şeffaflığa duyulan ihtiyaç da vurgulanmıştır.(44) Danışmaya cevap verme süresi 25 Şubat 2025’te sona ermiş olup, sonuç henüz açıklanmamıştır. Bu arada gönderilen yanıtlar arasında sanatçı topluluklarının kaygıları da yer almaktadır. Özellikle opt-out yaklaşımının uygulamada yaratacağı zorluklar ve hak sahipleri için adil bir tazminat sistemine duyulan ihtiyaç ön plana çıkmaktadır.(45)

7. Japonya’nın TDM İstisnası: Yapay Zekâ İçin Güvenli Liman

Japon Telif Hakkı Yasası, 2018 yılında 30-4 numaralı maddeyle değiştirilmiş ve TDM faaliyetlerini kapsayan bir telif hakkı istisnası eklenmiştir. Bu hüküm, oldukça geniş kapsamlı bir istisna getirmekte ve yapay zekâ şirketleri açısından adeta bir “rüya ortamı” sunmaktadır. İstisna, telif hakkıyla korunan eserlerin “keyif alma amacı” taşımayan kullanımlarını kapsar. TDM istisnası, çıkarım, karşılaştırma, sınıflandırma veya diğer istatistiksel analizler gibi veri analizlerini içerir.(46)

Japon telif hakkı hukukunda “keyif alma” terimi, bir eserin ifadesinin insan duyuları yoluyla takdir edilmesini ifade eder. Dolayısıyla bir eserin keyif alma amacıyla kullanılmaması halinde, bu kullanım telif hakkı koruması dışında kabul edilir; TDM de bu kapsamdadır.(47) Yukarıda da belirtildiği gibi benzer bir tartışma ABD telif hakkı hukukunda da yer almaktadır.

 

44 UKIPO, ‘Copyright and Artificial Intelligence’ (2024) <https://www.gov.uk/government/consultations/copyright-and-artificial-intelligence/copyright-and-artificial-intelligence> The options considered within the consultation also included leaving UK copyright laws as they are, requiring licensing in all cases and a broad TDM exception with no or few restrictions.

45 Martin Kretschmer and others, ‘Response by the CREATe Centre to the UK Government’s Consultation’ (2025); Gaetano Dimita, Michaela MacDonald and Uma Suthersanen, ‘Queen Mary Law Research Paper No. 443/2025-Response to the Copyright and AI Consultati’ (2025).

46 Japanese Copyright Act, Art 30-4.

47 Artha Dermawan, ‘Text and Data Mining Exceptions in the Development of Generative AI Models : What the EU Member States Could Learn from the Japanese “ Nonenjoyment ” Purposes ?’ 54.

 

 

 

 

Japonya’daki bu istisna, faaliyetlerin ticari olup olmamasına bakılmaksızın tüm TDM etkinliklerine izin verir.(48) Hak sahipleri için bir opt-out seçeneği de bulunmamaktadır; hak saklı tutma anlaşmalarının geçersiz olacağı da belirtilmiştir. (49)  Ayrıca TDM’nin türüne ilişkin herhangi bir sınırlama yoktur. (50)  Tek sınırlayıcı koşul, kullanımın hak sahibinin meşru çıkarlarına “aşırı zarar” vermemesi gerektiğidir. Buna göre, TDM istisnası yasa dışı erişim yoluyla elde edilmiş içerikleri kapsamayacaktır. (51)  Ancak bu noktada farklı görüşler mevcuttur; bazı yorumcular, yasa metninde erişimin yasallığına dair bir sınırlama olmamasını bu konuda bir sınırlama öngörülmediği şeklinde yorumlamaktadır. (52)

 

Telif hakkı kuralları her ne kadar ülkesel olarak farklılık gösterse de Berne Sözleşmesi, TRIPS Anlaşması ve WIPO Telif Hakkı Antlaşması gibi küresel standartları belirleyen uluslararası anlaşmalar mevcuttur. Bu anlaşmaların tümü, telif hakkı istisnalarının aşağıdaki üç koşulu sağlamasını şart koşar: i) belirli özel bir durum olması, ii) eserin normal kullanımına zarar vermemesi, iii) hak sahibinin meşru çıkarlarına aşırı zarar vermemesi. Japonya’daki bu geniş TDM istisnasının, özellikle TRIPS kapsamındaki son iki koşulla uyumlu olmadığı yönünde eleştiriler bulunmaktadır. TRIPS’e aykırılık iddiası, Dünya Ticaret Örgütü nezdinde gündeme getirilebilir.

8. Sonuç

Yapay zekâ ve özellikle Generative AI teknolojileri geliştikçe, toplumda daha yaygın hale geldikçe, bu teknolojilere ilişkin yasal, politik ve etik sorular da giderek daha hararetli şekilde tartışılmaktadır. Telif hakkı açısından çatışma, büyük ölçüde Generative AI’ın giriş (input) ve çıkış (output) aşamalarında eserlerin çoğaltılması eylemleriyle ilgilidir. Giriş aşamasına ilişkin telif hakkı sorunları, devam eden davalar ve farklı ülkelerde gelişen yaklaşımlar ışığında yoğun şekilde tartışılmaktadır. Bu ileri düzey teknoloji, geleneksel telif hakkı kurallarının sınırlarını test etmeye yönelik düşünceleri yeniden canlandırmıştır. Öte yandan telif hakkı hukuku da bu çığır açan yeniliğin gelişimini şekillendirmeye çalışmaktadır. Adeta buz üzerinde ilerlerken, yenilik ve koruma arasındaki dengenin bu tartışmanın merkezinde kalması hayati önem taşımaktadır.

 

48 Thongmeensuk (n 14).

49 Eleonora Rosati, ‘No Step-Free Copyright Exceptions : The Role of the Three-Step in Defining Permitted Uses of Protected Content ( Including TDM for AI-Training Purposes )’ Stockholm Faculty of Law Research Paper Series 14.

50 Artha Dermawan, ‘Text and Data Mining Exceptions in the Development of Generative AI Models : What the EU Member States Could Learn from the Japanese “ Nonenjoyment ” Purposes ?’ 54.

51 Rosati (n 42) 17.

52 Dermawan (n 40) 54.