Rusya'nın Ukrayna'ya yönelik geniş çaplı işgalinin başladığı Şubat 2022'den Eylül 2025'e kadar geçen sürede, bağımsız araştırmacı gazetecilik kuruluşu Bellingcat, personeli ve gönüllüleriyle birlikte 2.500'den fazla sivil zarar olayını tespit etti, coğrafi konumlandırdı ve paylaştı. Bu çalışma kapsamında Bellingcat, Telegram kanallarındaki sivil zarar bildirimlerini sıralamak için yeni bir makine öğrenimi modeli test etti. Model, savaş bölgelerinde büyük veri yığınları arasından sivil kayıplarla ilgili en kritik bilgileri hızlıca ayıklamayı amaçlıyor.
Gelişmenin Arka Planı
Savaş alanında sivil zararın belgelenmesi, geleneksel yöntemlerle son derece zor ve zaman alıcıdır. Gazeteciler ve insan hakları örgütleri, genellikle sosyal medya paylaşımları, uydu görüntüleri ve yerel kaynaklardan gelen ham bilgileri manuel olarak taramak zorunda kalıyor. Ukrayna örneğinde, Telegram kanalları savaşın en hızlı bilgi akışını sağlayan platform haline geldi. Ancak bu kanallarda saatte yüzlerce mesaj paylaşılıyor ve bunların sadece küçük bir kısmı gerçek sivil zarar vakalarını içeriyor.
Bellingcat'in geliştirdiği makine öğrenimi modeli, metin, görsel ve video içeriklerini analiz ederek sivil zarar iddialarını güvenilirlik ve aciliyet açısından sıralıyor. Model, daha önce doğrulanmış olaylardaki kalıpları öğrenerek, yeni gelen mesajların gerçek bir olaya işaret edip etmediğini tahmin ediyor. Bu sayede araştırmacılar, en kritik vakalara odaklanarak zaman ve kaynak tasarrufu sağlıyor. Modelin test edildiği dönemde, Bellingcat ekibi binlerce mesaj arasından sadece birkaç saat içinde doğrulanabilir olayları tespit edebildi.
Yöntemin başarısı, Ukrayna'daki savaş suçlarının belgelenmesine önemli katkı sağladı. Toplanan veriler, Uluslararası Ceza Mahkemesi ve diğer yargı mercilerine sunulmak üzere hazırlanan raporlarda kullanıldı. Bellingcat'in bu çalışması, yapay zekanın insani krizlerde nasıl kullanılabileceğine dair önemli bir örnek teşkil ediyor.
Bölgesel veya Küresel Boyut
Bu gelişme, sadece Ukrayna için değil, dünya genelinde savaş bölgelerinde sivil korumanın geleceği açısından kritik bir dönüm noktası olabilir. Benzer yapay zeka modelleri, Suriye, Yemen, Gazze ve Myanmar gibi çatışma bölgelerinde de sivil zararı izlemek için uyarlanabilir. Modelin açık kaynak olarak paylaşılması durumunda, insan hakları örgütleri ve bağımsız gazeteciler bu teknolojiyi düşük maliyetle kullanabilecek.
Ancak teknolojinin sınırları da var. Model, yanlış bilgi ve dezenformasyon karşısında hata yapabilir; özellikle de algı yönetimi amacıyla oluşturulmuş sahte içeriklerin ayıklanması zor olabilir. Ayrıca, modelin eğitim verisi genellikle belirli bir çatışma bağlamına özgüdür; bu nedenle farklı coğrafyalara uyarlamak için yeniden eğitim gerekebilir. Yine de Bellingcat'in deneyimi, yapay zekanın sivil zararın belgelenmesinde devrim yaratma potansiyeline işaret ediyor.
Türkiye Açısından Değerlendirme
Türkiye, hem Ukrayna savaşına komşu bir bölgede yer alması hem de insani krizlere müdahale kapasitesiyle bu gelişmeden doğrudan etkilenebilir. Türk insan hakları kuruluşları ve gazeteciler, benzer bir yapay zeka modelini sınır ötesi operasyonların yaşandığı bölgelerde (örneğin Suriye'nin kuzeyi) sivil zararın tespiti için kullanabilir. Ayrıca, Türkiye'nin savunma sanayisinde yapay zeka teknolojilerine yaptığı yatırımlar göz önüne alındığında, sivil zarar tespitine yönelik yerli yazılımların geliştirilmesi mümkün. Küresel ölçekte ise, bu tür teknolojiler savaş suçlarının belgelenmesini hızlandırarak uluslararası hukukun işlerliğini artırabilir; Türkiye'nin de taraf olduğu Cenevre Sözleşmeleri'nin uygulanmasına katkı sağlayabilir.
