‘’Skynet is one of the digital defense systems developed under Brewster.’’

‘’Your father is the one who can shut Skynet down.’’

‘’This is your mission, to save people!’’

Terminator 3: Rise of the Machines (2003)

Do you remember those words that were said by John Connor? He warned that Skynet, an advanced Artifical Intelligence (AI) defense system, is about to achieve self-awareness that it can be devastation for humanity.

Fast forward 20 years… On November 30, 2022, the world welcomed ChatGPT that is AI robot which produces human-like responses and assist with various tasks. This milestone triggered an AI arms race with tech companies invested more money to create their own chatbots, and they quickly outnumbered the competition. AI chatbots are significantly shaping our world in multiple ways. Their influence spans across industries and daily life. As for now, we don’t share John Connor’s apocalyptic fears, but we are not sure about the future. In this article, we will discuss how they evolved, what is the race between nations and what is waiting us for the future?

Key Words: Artificial Intelligence, Chatbots, AI Development

Yapay Zekâ Savaşı: Sohbet Robotlarının Yükselişi

ÖZET

“Skynet, Brewster altında geliştirilen dijital savunma sistemlerinden biri.”

“Baban, Skynet’i kapatabilen tek kişi.”

“Bu senin görevin, insanları kurtarmak!”

Terminatör 3: Makinelerin Yükselişi (2003)

John Connor’ın söylediği bu sözleri hatırlıyor musunuz? John, Skynet’in, insan benzeri yanıtlar üreten ve çeşitli görevlerde yardımcı olan gelişmiş bir yapay zekâ savunma sistemi olduğunu ve kendilik bilincine ulaşmasının insanlık için yıkıcı olabileceğini uyarmıştı.

20 yıl sonrasına hızla ilerleyelim… 30 Kasım 2022’de dünya, insan benzeri yanıtlar üreten ve çeşitli görevlerde yardımcı olan bir yapay zekâ sohbet robotu olan ChatGPT’yi karşıladı. Bu kilometre taşı, teknoloji şirketlerinin kendi sohbet robotlarını yaratmak için daha fazla para yatırmalarına ve rekabetin hızla artmasına neden oldu. Yapay zekâ sohbet robotları, dünyamızı birçok şekilde şekillendiriyor. Şu an için, John Connor’ın apokaliptik korkularını paylaşmıyoruz, ancak gelecekte ne olacağı hakkında emin değiliz. Bu yazıda, Yapay zekâ sohbet robotlarının nasıl evrildiğini, ülkeler arasındaki yarışın ne olduğunu ve gelecekte bizi nelerin beklediğini tartışacağız.

Anahtar Kelimeler: Yapay Zekâ, Sohbet Robotları, Yapay Zekanın Gelişimi

1.   THE GENESIS

In 1950, Alan Turing raised the idea of a computer program that could converse with people without them realizing they were talking to a machine. (Turing, 1950) This concept became the foundation for later developments in artificial intelligence and chatbots. Early ideas like Turing’s sparked the quest to create systems that could understand and generate human-like language.

In 1966, the first chatbot, ELIZA, was created by Joseph Weizenbaum ELIZA simulated a psychotherapist by using simple pattern matching to transform the user’s statements into questions. Although its knowledge was limited to a specific domain and it could not maintain long conversations, ELIZA influenced many later developments in the field. (Weizenbaum, 1966)

In 1972, a more advanced chatbot named PARRY was developed. (Colby et al., 1971; Colby et al., 1972) PARRY was designed to simulate a patient with schizophrenia and featured a basic personality that produced emotional responses based on changes in the user’s input. Despite its limited language understanding and learning capabilities, PARRY marked an important step in creating chatbots that could mimic more complex human behavior, even though experiments with a small group of psychiatrists produced mixed results. (Heiser et al., 1979)

A significant step forward came in 1995 with the development of ALICE (Artificial Linguistic Internet Computer Entity). ALICE was inspired by ELIZA but used a new language called AIML (Artificial Intelligence Markup Language) and contained over 41,000 templates for pattern matching. This allowed ALICE to handle a wider range of topics and longer conversations, even though it still could not generate truly human-like responses or express genuine emotions. (Bradeško & Mladenić, 2012)

The development of AI chatbots advanced further with the emergence of smart personal voice assistants. Apple’s Siri, introduced in 2010, became the first widely recognized voice assistant, allowing users to make inquiries and receive recommendations using voice commands. (Siri, 2020)

Google entered the field with Google Now in 2012, a service that provided information based on the time of day, location, and user preferences. This service later evolved into Google Assistant in 2016, offering a more conversational style and the ability to predict users’ needs. At the same time, Microsoft introduced Cortana in 2014, a voice assistant that could manage reminders, emails, and other daily tasks, although it was later reported to have some security concerns. Also in 2014, Amazon launched Alexa, which became popular for home automation and managing smart devices.

Beyond these mainstream assistants, the rise of social media and the Internet of Things has led to the creation of thousands of specialized chatbots for marketing, customer support, healthcare, education, and entertainment. (Wizu, 2018; Dale, 2016; Kar & Haldar, 2016) Recent developments have enabled chatbots to engage in more complex conversations, sharing personal stories and even mimicking certain human behaviors.

In 2022, a major breakthrough in conversational AI was achieved with the launch of ChatGPT by OpenAI. ChatGPT represents a significant advancement in natural language processing, combining vast amounts of data with sophisticated neural network architectures to generate responses that are both coherent and contextually relevant. This model has the ability to engage in detailed, human-like conversations on a wide range of topics, making it a powerful tool for various applications, from customer support to educational tools. The introduction of ChatGPT has not only advanced the technology behind chatbots but has also sparked widespread interest in the potential of AI to transform everyday communication. (OpenAI, 2025)

2.   THE WAR

When we google the most popular AI chatbots among users, the same names keep coming up: ChatGPT, Copilot, Claude, and Gemini. In this chapter, we’re not here to discuss their features but rather to answer a bigger question: why do we call this the war? There’s one thing all four of these smart bots have in common: they’re all from the United States. But now, there’s a new player in the game which is Deepseek, freshly released from China. And with that, it’s time to say: the war has just begun. Türkiye’s position is also so crucial in this race.

Donald Trump’s inauguration on January 20, 2025, marked a swift upheaval in U.S. policy as he refused Biden’s AI safety regulations and unveiled the $500 billion Stargate project, aiming to cement American dominance in AI through a partnership with OpenAI, SoftBank, UAE’s MGX, and Oracle. The initiative plans 20 massive data centers (each spanning 45,000 square meters, equivalent to seven soccer fields), powered partly by nuclear energy, to meet surging computational demands, despite concerns over a projected sixfold increase in data center electricity consumption within five years. (Goodson and Kimball, 2025)

While the United States is focusing on strengthening its AI infrastructure through initiatives like the $500 billion Stargate project, just before the begining of Snake year, Chinese startup DeepSeek’s announcement of their R1 AI model, which reportedly achieves similar performance to Western models at significantly lower cost. ​NVIDIA’s share price experienced an unprecedented decline on Monday, January 27, 2025, falling 17% and erasing nearly $600 billion in market value. (Rudolph, 2025)

Liang Wenfeng, a Zhejiang University alumnus with experience in technology and finance, founded DeepSeek in late 2023. The company immediately gained popular in 2024 when it unveiled its first AI language model. Liang, who was not well-known until recently, now stands for China’s growing aspirations in AI. In addition, he is CEO of the first quantitative hedge fund in China to generate more than $13 million through trading methods powered by artificial intelligence. His attendance at a gathering organized by Premier Li Qiang of China indicates DeepSeek’s increasing influence. Silicon Valley’s astonishment at DeepSeek’s innovations is indicative of Liang’s contention that China’s AI industry must create rather than only copy the United States: “They’re not used to seeing a Chinese company lead, not just copy.” He is a special contender because of his dual competence in finance and technology. (NG, et. al, 2025)  

Deepseek claims to have done this at a low cost; its researchers estimate that the training cost was $6 million (£4.8 million), which is a small portion of the “over $100 million” that OpenAI CEO Sam Altman mentioned in his remarks on GPT-4.

China didn’t stop to release new ai chatbots and they released Kimi.ai. DeepSeek and Kimi AI are two potent AI models with unique advantages. While Kimi AI excels in broad fields like language processing, image recognition, and large data analysis, DeepSeek is best at specialized fields like search engine optimization and data analytics. In some situations, Kimi AI’s speed and effectiveness frequently yield better results than DeepSeek. Better flexibility to a variety of markets and user needs is also made possible by its regional optimizations. Kimi AI is a more adaptable option for a larger audience due to its broad application, whereas DeepSeek concentrates on specific use cases. In summary, DeepSeek aims for accuracy in particular domains, while Kimi AI emphasizes flexibility and adaptability, with both of them are free to use. (Kimi, 2025)

On the other hand, when we go to Europe, they are still deal with shaping European Union (EU) AI Act mostly, instead of releasing competitive ai chatbot. The EU sought to regulate AI as part of its digital strategy in order to improve the environment for the advancement and application of this cutting-edge technology. Numerous advantages, including improved healthcare, cleaner and safer transportation, more effective manufacturing, and more affordable and sustainable energy, can be brought about by AI. (EU AI Act, 2025)

It seems that, as often criticized in various areas due to its complex paperwork and bureaucracy, the EU might fall behind in addressing the developments posed by this war. Even though some countries like France have recently released Mistral.ai focuses on the development of open-source AI models in the technology sector, this chatbot didn’t create breakthrough as Deepseek did in the digital world.

In this race, it is important to evaluate Türkiye’ situation.  The “National Artificial Intelligence Strategy 2021-2025,” prepared by the Presidency of Digital Transformation and the Ministry of Industry and Technology, aims to position Türkiye among the leading countries in AI development. The strategy outlines several strategic priorities, including training AI experts, supporting research and innovation, enhancing access to quality data, accelerating socioeconomic adaptation, strengthening international collaborations, and expediting structural transformation. These initiatives are designed to boost Türkiye’s AI capabilities and ensure the integration of AI technologies across various sectors. (UYZS, 2025)

Turkiye Artificial Intelligence Initiative (TRAI) was established in 2017 to raise awareness about artificial intelligence in Türkiye and strengthen the ecosystem. Through its organized events (AI seminars, summits, demo days), TRAI has contributed to the development of the ecosystem, helping over 400 AI startups establish academic and industrial partnerships and expand into global markets. TRAI also collaborates with more than 70 leading private sector companies to promote the adoption of AI across Türkiye and enhance international integration, increasing the global visibility of Turkish AI ventures. By developing innovative solutions, TRAI continues to play a key role in positioning Türkiye in the global AI race. (TRAI, 2025)

When we look at government ai readiness index 2024, Turkiye’s ranking is 53^rd. With a total score of 60.63, Türkiye is ranked 53rd in the 2024 Government AI Readiness Index. With a score of 70.73, government is the nation’s strongest dimension, demonstrating robust governance, well-crafted policy frameworks, and a strategic commitment to AI development. Another noteworthy quality is Vision, which shows that Türkiye has a clear and aspirational vision for the use of AI in government. However, Data & Infrastructure (66.02) and Technology (45.13) both have a lot of space for improvement. Additionally, the radar chart shows poorer performance in areas like as infrastructure, adaptability, and innovation capacity. Türkiye might concentrate on strengthening its technological base, developing a more robust innovation ecosystem, and increasing its ability to adjust to technological advancements in order to raise its ranking. In the forthcoming days, we would witness that all countries release their own ai chatbots. In this sense, as Türkiye we should focus on develop our own model to become part of this race.

Government AI readiness index,2024

Source: https://oxfordinsights.com/ai-readiness/ai-readiness-index/

Napoleon Bonaparte quoted “The battlefield is a scene of constant chaos. The winner will be the one who controls that chaos, both his own and the enemy’s.” In the digital world, every chatbot is a soldier and every piece of data is information in order to make a strategy, the victor will be the one armed with the right strategy and able to adapt swiftly.

3.   THE FUTURE

In this part, I won’t mention some popular beliefs about future of ai like we are going to lose our jobs or it will be replaced by some tasks, but I will briefly explain how AI bots will develop in the future. The first step has just begun and that is AI agents. 

AI bots and AI agents differ primarily in their autonomy, complexity, and scope of functionality. AI bots are typically designed to perform specific, predefined tasks, such as responding to customer inquiries or assisting with routine processes. They are reactive systems that rely on user inputs and are often powered by machine learning and natural language processing to improve responses over time. In contrast, AI agents are more autonomous and goal-oriented. They can act independently to complete complex tasks by observing their environment, analyzing data, and making decisions without human intervention. While AI bots excel at handling straightforward interactions (e.g., chat-based customer support), AI agents are capable of dynamic decision-making and adapting their strategies to achieve broader objectives, such as managing IT systems or optimizing workflows. (Treiber, 2024)

In this respect, China has moved one step forward and released Manus.ai. Manus AI is a general AI agent designed to be an autonomous system that bridges the gap between the conception of an idea and its execution. Unlike chatbots or other AI tools that primarily generate ideas or assist with specific workflows, Manus can independently perform tasks from start to finish.

Experts are divided on the long-term effects of AI’s rapid development, with some feeling optimistic about its promise and others feeling uneasy about its perils. The quest for Artificial General Intelligence (AGI), or systems that can carry out any intellectual task that a human can, is at the center of this conversation. AGI would necessitate flexibility, inventiveness, and contextual awareness—all of which are yet ambiguous—whereas existing AI technologies are excellent in specific fields like language processing or image identification. Proponents of AI systems argue that they could revolutionize scientific research, education, and medicine by examining scenarios in which AI could surpass humans. However, critics warn that the advancement of AGI could beyond human capacity to manage it. (Henshall, 2024)

This worry is related to more general worries about superintelligence, or AI systems that are exponentially smarter than humans. Even a somewhat better AI could optimize for objectives that are inconsistent with human values, such putting efficiency ahead of safety or equity, according to researchers at AI Impacts. If an AI is given the job of solving climate change without strict supervision, it might suggest extreme geoengineering solutions that could have disastrous consequences. This highlights the risk of AI playing a role in environmental crises. These dangers heighten demands for alignment research to guarantee AI systems behave in humanity’s best interests, especially as futurists increasingly embrace the idea of a technological singularity that is a moment at which AI causes irreversible societal change. (Betz, 2024)

As decision-makers and the AI ecosystem will gather in Paris in a few weeks at the Paris AI Summit, it is imperative to advocate for policies that promote safe AI development. Such measures will not replace, but enhance, human roles by enabling humans to focus on what they do best strategic oversight, ethics, creative problem-solving and interpersonal relationships to name just a few. (Weforum, 2025)

The ability of humans to guide AI’s course will ultimately determine its future. The resolution of conflicts between safety and efficiency, autonomy and control, and innovation and safety will determine whether AI is a facilitator or a source of existential danger. The objective is not merely to construct more intelligent robots but to develop systems that enhance human flourishing. This vision necessitates interdisciplinary cooperation, global governance, and a rigid dedication to putting people before profit.

4.   THE END

User: Who will win AI war?

AI bot: AI evolution isn’t a zero-sum war it’s about who best integrates and aligns AI with human goals. The winners will be those who innovate responsibly, ensure safety, and leverage AI for strategic advantage.

REFERENCES

1.   Betz, S. (2024). What Is Artificial General Intelligence? Website:  https://builtin.com/artificial-intelligence/artificial-general-intelligence

2.   Bradeško, L., & Mladenić, D. (2012). A survey of chatbot systems through a loebner prize competition. C, 34.

3.   Colby K.M., Hilf F.D., Weber S., Kraemer H.C. Turing-like indistinguishability tests for the validation of a computer simulation of paranoid processes Artificial Intelligence, 3 (1971), pp. 199-221.

4.    EU AI Act (2025).  Website: https://digital strategy.ec.europa.eu/en/policies/regulatory-framework-ai   

5.   Goodson, P. and Kimball, M. (2025). The Stargate Project: Trump Touts $500 Billion Bid For AI Dominance, website: The Stargate Project: Trump Touts $500 Billion Bid For AI Dominance

6.   Government AI readiness index, 2024. Website:  https://oxfordinsights.com/ai-readiness/ai-readiness-index/

7.   Heiser J.F., Colby K.M., Faught W.S., Parkison R.C. Can psychiatrists distinguish a computer simulation of paranoia from the real thing? The limitations of turing-like tests as measures of the adequacy of simulations Journal of Psychiatric Research, 15 (3) (1979), pp. 149-162.

8.   Henshall, W. (2024). When Might AI Outsmart Us? It Depends Who You Ask Website: https://time.com/6556168/when-ai-outsmart-humans/

9.   K. Ng, B. Drenon, T. Gerken and M. Cieslak. (2025) DeepSeek: The Chinese AI app that has the world talking, website: What is DeepSeek – and why is everyone talking about it?

10. Kimi, website: https://kimi.moonshot.cn/, (Retrieved 1 March 2025)

11. Manus, website: https://manus.im/ , (Retrieved 11 March 2025)

12. Openai, website: https://openai.com/about/. (Retrieved 12 March 2025)

13. Rudolph, A. (2025).What caused NVIDIA’s stock drop? Website: ​​NVIDIA Stock Plunges 17% on Chinese AI Breakthrough​ | IG International

14. Siri, Apple website: https://www.apple.com/siri/. (Retrieved 27 February 2025).

15. Treiber, M. (2024). What is the difference between an AI bot and an AI agent? Website: https://www.ikangai.com/what-is-the-difference-between-an-ai-bot-and-an-ai-agent/

16. Turing A.M. Computing machinery and intelligence Mind, LIX (236) (1950), pp. 433-460, 10.1093/mind/LIX.236.433.

17. Türkiye Yapay Zeka İnisiyatifi (TRAI), 2025. Website: https://turkiye.ai/hakkimizda/

18. Ulusal Yapay Zekâ Stratejisi 2021-2025 (UYZS), Cumhurbaşkanlığı Dijital Dönüşüm Ofisi Başkanlığı, website: https://cbddo.gov.tr/uyzs

19. Weforum (2025). Where would reasoning AI leave human intelligence? Website: https://www.weforum.org/stories/2025/01/in-a-world-of-reasoning-ai-where-does-that-leave-human-intelligence/

20. Weizenbaum J. ELIZA—A computer program for the study of natural language communication between man and machine Commun. ACM, 9 (1) (1966), pp. 36-45.

21. Wizu A visual history of chatbots (2018) Medium website: https://chatbotsmagazine.com/a-visual-history-of-chatbots-8bf3b31dbfb2

21. yüzyılda dijitalleşme ve teknolojinin hızlı gelişimi, iş gücü ve ekonomik yapılar üzerinde önemli dönüşümler yaratmaktadır. 1. ve 2. Sanayi Devrimlerinden günümüze kadar orta sınıfın geçirdiği evrim, dijitalleşmenin etkisiyle benzer bir süreçten geçiyor. Otomasyon, yapay zekâ ve dijitalleşmenin artan etkisiyle bazı mesleklerin teknolojilerle yer değiştirmesi, orta sınıfın geleceğini tehdit edebilirken, yüksek beceri gerektiren işlerde değişim ihtimali daha düşük olmuştur. Ayrıca, otomasyonun iş saatlerini kısaltarak mikro kariyerlere yol açabileceği ve yapay zekâ okuryazarlığının önemli bir yetkinlik haline geleceği bu çalışmada değerlendirilmiştir.

Anahtar Kelimeler: Orta sınıf, Otomasyon, Yapay zekâ, Dijitalleşme, İşgücü profili

GİRİŞ

21. yüzyılın ilk çeyreğini bitirirken ekonominin ve günlük yaşantımızın hızlı bir şekilde dijitalleşmesine şahit olduk. Peki, bundan sonraki dönemde 1950’li yıllardan beri bize vaat edilen geleceğe kavuşabilecek miyiz? Bunun cevabı nereden baktığınıza bağlı olmakla birlikte, 1. ve 2. Sanayi Devrimlerinde orta sınıfın geçirdiği sürece benzer bir dönemin başlangıcında olabiliriz.

19. VE 20. YÜZYILIN ÇOK KISA BİR ÖZETİ

Hepimizin bildiği üzere, İngiltere’de 1760’lı yıllarda başlayıp 1830’lara kadar devam eden 1. Sanayi Devrimi’nin genel özelliği, icat edilen makinelerin doğrudan emek tasarrufu sağlamış olmasıydı. Bu dönemde ev tipi üretimden fabrika üretimine geçiş oldu. Kurulan fabrikalarda işçiler çalışıyor olsa da çok daha fazla zanaatkâr işsiz kaldı. Kaldı ki, o dönemin makinelerinin vasıflı işgücü gerektirmeyen makineler olması sebebiyle özellikle tekstil sektöründeki işgücünün yaklaşık yarısı, kömür madenciliğinde ise yaklaşık üçte biri, pazarlık gücü neredeyse hiç olmayan çocuklar ve kadınlardan oluşmaktaydı. (Carl Benedikt Frey, 2019) Bu süreçte, orta sınıf azaldı, çok zor koşullarda ve çok az ücretle çalışan işçi sınıfı ortaya çıktı ve sermaye sahipleri hızla zenginleşti.

1870’leri ve 1910’ları içeren 2. Sanayi Devrimi’nde ise, içten yanmalı motorlar, elektriğin kullanımının yaygınlaşması, radyo ve telgraf gibi çığır açan yenilikler, üretimde ciddi verimlilik ve artışlar sağlamakla beraber, aynı zamanda vasıflı işçiler ile operatörlere ve muhasebe, pazarlama gibi yeni ortaya çıkmaya başlayan mesleklere gerek duyulmasını sağladı. Bu dönemde neredeyse yok olan orta sınıf tekrar ortaya çıkmaya başladı. Gelir dağılımı 1. Sanayi Devrimi’ne oranla düzelmeye başladı.

1. Sanayi Devrimi’nde işsizliğe neden olan teknoloji karşıtlığı toplum nezdinde oldukça yüksek iken (Ludizm), 2. Sanayi Devrimi’nde ludizm etkisi hissedilmeyecek kadar azaldı. 1910’lu yıllardan sonra ise teknolojik gelişmelerin hız kazanmasının yanında ücret artışlarının devam etmesiyle toplumların teknolojiye bakış açısı tamamen olumlu yönde oldu.

20. yüzyılda tüm ekonomiler teknolojiye paralel olarak gelişti ve yeni meslekler ortaya çıktı. 1950’li yıllarda özellikle Amerika ve İngiltere’nin bazı bölgelerinde sıradan fabrika işçileri bile orta sınıf olarak kabul edilebiliyordu. Yeni üretim sistemleri ve teknolojiler becerikli ve eğitimli çalışana ihtiyaç duyuyordu. Bu yüzden, becerikli ve eğitimli personeli işletmelerde tutmaya devam etmek için onlara yatırım yapılıyor, eğitimlerine ve refah düzeylerine önem veriliyordu.

Aşağıda, ekonomist Simon Kuznets’e (1955) ait, Kuznets eğrisi olarak bilinen grafik yer almaktadır. Bilindiği üzere gini katsayısı 0 ile 1 arasında değer alıp, 1’e yaklaştıkça gelir dağılımının adaletsizleştiğini ve gelirin büyük bir kısmına, toplumun küçük bir kesiminin sahip olmaya başladığı anlamına gelmektedir. Kuznets’e göre; bir ekonomi geliştikçe, piyasa güçleri önce ekonomik eşitsizliği artırır ve sonra azaltır. Geçmiş dönemlerde birçok ülke ekonomilerinde gerçekleşen süreç Kuznets eğrisi ile tutarlıdır.

21. YÜZYIL

Günümüzde bilgisayarların ve yapay zekânın gelişmesi, otomasyonun artması, ticaretin büyük bir kısmının sanal ortamlarda yapılması gibi sebeplerle işgücünde ciddi bir dönüşümün gerçekleştiği görülmektedir. 1. Sanayi Devrimi’ne benzer bir şekilde ciddi bir emek tasarrufu sağlayan bir sürecin yaşandığı bu dönemde, orta sınıfın kaderi de 1. Sanayi Devrimi’ne benzeyecek mi? Birçok mesleğin, başta yapay zekâ olmak üzere bilgisayarlara ve makinelere devredileceği öngörülen bu dönemde bazı becerikli ve eğitimli çalışanların da olumsuz yönde etkileneceği tahmin edilmektedir.

Aşağıda, Carl Benedikt Frey ve Michael Osborne (2019) tarafından yapılan kapsamlı bir araştırmada ABD’de yer alan başlıca meslek kategorilerine göre otomasyon riski altındaki işlerin payını gösteren grafik yer almaktadır.

Eğitim, idarecilik, toplum/sosyal hizmetler, sanat/tasarım/medya/spor ve hukuk gibi karmaşık sosyal ilişkiler gerektiren mesleklerin teknoloji tarafından ikame edilme riski az olmakla birlikte, grafikten de anlaşılacağı üzere, gelecekte teknoloji ile ikame edilebilir olabilecekleri tahmin edilmektedir.  Bilim, bilgisayar/matematik, mühendislik ve kurulum/onarım gibi yüksek beceri gerektiren mesleklerde de benzer ihtimal söz konusudur.

Zeki makinelerin üretimdeki varlıklarının ve otomasyonun artmaya devam etmesinin işsizliğe neden olacağına, ücretlerin düşeceğine ve bu yolla insanların hayatlarının mahvolacağına yönelik görüşler bulunmakla beraber, teknolojinin daha fazla gelişmesiyle insanların daha çok boş vakte sahip olacağı ve daha az çalışarak eğlence ve tatmin dolu bir hayat sürecekleri yönünde görüşler de mevcuttur. Bu distopik ve ütopik inançlar çok uzun zamandan beri vardır, ancak her iki düşüncenin de şimdiye kadar yanlış olduğu ve abartıldığı ortaya çıkmıştır.

Bununla beraber, farklı dönemlerde ve birçok ülkede yapılan araştırmalarda, çalışan insanların çalışmayanlara göre daha mutlu oldukları gösterilmiştir. (Bruno S. Frey, 2008) İnsanların çalışmayı, çalışmamaya tercih edecekleri yönündeki bu göstergenin, 21. Yüzyılın ikinci çeyreğinde gerçekleşeceği düşünülen otomasyon sürecinde dikkate alınması gerekmektedir.

21. YÜZYILIN 2. ÇEYREĞİNDE ORTA SINIF

Bazı ülkelerin geçtiğimiz yıllarda mesai saatlerini düşürmesi, otomasyonun giderek hız kazanmaya başladığının göstergesidir. Belçika, İrlanda, İngiltere ve İspanya gibi ülkelerin yer aldığı bu uygulamanın şu ana kadar olumlu sonuçlar verdiği yönünde açıklamalar mevcuttur.

Yazar ve araştırmacı Brett King (2016), mesai saatlerinin düşmesiyle insanların boş vakitlerini ikinci bir işte çalışarak değerlendireceğini, hatta birçok insanın iki veya daha çok işte çalışacağını belirterek, mikro kariyerlere sahip bir istihdam görünümünün olacağını tahmin etmektedir. Brett King’in tahmini gerçekleşirse üretimde ciddi artışlar yaşanabilir. Örneğin, Türkiye’de büyükşehirler dışında çalışanların bir kesiminin emekli olduklarında ya da boş zamanlarında, hobi olarak tarımsal üretime yöneldikleri bilinmektedir. Otomasyon sonucunda daha fazla boş vakit elde edilmesiyle mesai saatlerinin düşürülmesi durumunda, Türkiye’de çalışan nüfusun eğlenceye vakit ayırmak yerine, aralarında tarım da olmak üzere çeşitli alanlarda ikinci bir kariyere sahip olma ihtimali oldukça yüksektir.

Bu durumda orta sınıfın kaderinin ne olacağına yönelik tahminde bulunmak çok zor, iş-finans yönetimi, ofis yönetimi gibi orta sınıfa dâhil olan bazı mesleklerin dijitalleşme, akıllı makineler ve yapay zekâ tarafından yerine getirilmesi halinde, çalışanların mikro kariyerlere yöneleceğini varsayarsak gelirlerinde bir düşüş yaşanmayabilir. Ancak, böyle olsa bile bir adaptasyon/geçiş süreci gerekebilir ve orta sınıfın azaldığı bir dönemin yaşanma ihtimali olabilir.

YAPAY ZEKÂ VE ÇALIŞAN PROFİLİ

Yapay zekâya kolay ulaşabilmenin bir sonucu da uzmanlaşmayı gereksiz hale getirebilme ihtimalidir. Yakın zamana kadar yapay zekâya veya gelişmiş bilgisayarlara büyük şirketler ulaşabiliyorken günümüzde artık herkesin ulaşabileceği bir teknoloji haline gelmiştir.

Bu doğrultuda, son zamanlarda yapay zekâ okuryazarlığı adında bir kavram ortaya çıkmıştır. Buna göre yapay zekâ okuryazarlığı çok iyi olan kişilerin karşılarına iş dünyasında daha çok fırsat çıkacağına ve daha iyi işlerde çalışacağına yönelik fikirler oluşmuştur. Bu düşünce kısmen doğru olsa da bazı yönlerden eksikleri vardır.

Doğru yönlendirme ve talimatlarla yapay zekânın bize sonsuz seçenek sunduğunu ve özellikle işlerin teknik kısmını üstlenmede büyük rol oynadığını son birkaç yılda hepimiz öğrendik. İşte tam olarak bu sebeple uzmanlaşmaya artık gerek kalmayabilir; bunun yerine deyim yerindeyse her şeyden anlayan ama hiçbir şeyin uzmanı olmayan çok yönlü insanlara ihtiyaç duyulabilir. Merak duygusu yüksek, farklı türlerde kitaplar okuyan, her türlü dizileri, filmleri izleyen, trendleri takip edip haberdar olan, birçok konuyu merak edip araştırmalar yapan, estetik anlayışı oldukça yüksek ve kendini geliştirmiş canlı bir zihne sahip çok yönlü kişilerin yapay zekâyı gerek meslekleri için gerekse kişisel işleri için kullanmada oldukça becerikli olacakları yönünde tahminler oldukça fazladır.

SONUÇ

Geçmişte dünyayı değiştiren ve insanlığın düşünsel sıçrama yaşamasını sağlayanların büyük bir kısmı filozoflardı. Günümüzde ise bu görevi, yine filozoflarla birlikte teorik fizikçiler, matematikçiler, kimyagerler ve biyologlar gibi bilim adamları ile onlardan ilham alan, onların bulgularını hayatımıza taşıyan mucitler ve bazı sıra dışı iş adamları üstlenmiştir.

Sanayi devrimine kadar tarımdan imara ulaşımdan savaşlara neredeyse her alanda insan gücü – kas gücü gerekliydi. Sanayi devrimiyle bu durum ortadan kalkmaya başladı ve günümüzde ise bilgisayar ve yapay zekâ devrimi ile neredeyse artık aklımızı kullanmayı bırakmakla karşı karşıyayız. Aslında olumsuz olabilecek bu durumu toplumsal ve bireysel anlamda ciddi altyapısal dönüşümlerle oldukça olumlu bir duruma çevirmek bizim elimizdedir. Günümüz teknolojisi artık bizim ikinci beynimiz olabilir. Çünkü günlük hayatımızda zihnimizi meşgul eden milyonlarca konuyu, olayı ve işlerimizi yapay zekâ üstlenmektedir. Bize kalan ise, estetik ve sanat gibi insanın ve toplumun gelişmesinde önemli roller oynayan düşünsel ve ruhsal olgulardır. (Gaia Vince, 2019) Nihayetinde filozofların birçoğu herhangi bir işle meşgul olmayan aristokratlardı ve yine bilim adamları da günlük hayatın zihni meşgul eden birçok ayrıntısından ve yükünden kendilerini soyutlayarak, araştırdıkları konu üzerine odaklanabilmektedirler.

Ancak bu olgu, söylendiği kadar kolay değildir ve düşünme sürecini gerçek anlamda öğrenmeyi gerektirmektedir. Örnek vermek gerekirse, yaklaşık 2500 yıl önce maddenin yapısı ve özü üzerine tezler öne süren filozoflar arasında Demokritos, günümüzdeki teknolojiye ve laboratuvarlara sahip olmamasına rağmen adeta nokta atışıyla atom kavramını ilk kez öne sürmüş ve haklılığı yüzlerce yıl sonra, 19. Yüzyılda kanıtlanmıştır. Derin düşünmenin mükemmel bir örneği olan bu olay, 21. Yüzyılın ikinci çeyreğinde daha da önemli hale gelecektir. Kim bilir belki ondan sonra “Jetgiller” deki gibi bir hayatımız olabilir.

KAYNAKÇA

Carl Benedikt Frey, The Technology Trap: Capital, Labor, and Power in the Age of Automation, 2019

Bruno S. Frey, Happiness: A Revolution in Economics 2008

Brett King, Augmented: Life in The Smart Lane. 2016

Gaia Vince, Transcendence: How Humans Evolved Through Fire, Language, Beauty, and Time, 2019

Bu çalışma, dünyada gümrük alanında iyi uygulama örneklerinden biri olarak bilinen Hollanda Gümrük İdaresi’nin (HGİ) yapay zekâ (YZ) projelerinin kurumsal altyapısını, kurumun X-Ray imajlarında otomatik anomali tespiti pilot projesinden hareketle incelemektedir. Söz konusu inceleme, kamu sektöründe bilgi sistemleri projeleri ile gelen kurumsal değişimi açıklamak için geliştirilen Teknoloji Uygulama Çerçevesi’ni (Technology Enactment Framework) (Fountain, 2001) kuramsal çerçeve olarak kullanmaktadır. Bu kapsamda, HGİ’deki YZ projelerinin tasarım ve uygulama aşamalarını kolaylaştıran politika ve yaklaşımlar, kurumsal yapılar ve personel yönetimi stratejileri gibi konular ele alınmıştır. Çalışmanın temel hedefi, halihazırda oldukça kısıtlı olan kamu sektöründe YZ girişimleri akademik literatürüne katkıda bulunmak ve YZ projelerinin tasarım ve uygulama aşamalarında kamu kurumlarının faydalanabileceği politika önerileri sunabilmektedir.

Anahtar Kelimeler: Yapay Zekâ, Gümrük Tespit Teknolojileri, X-Ray, Otomatik Görüntü Analizi, Hollanda Gümrük İdaresi, Teknoloji Uygulama Çerçevesi.

1. GİRİŞ

Yapay zekâ (YZ), gerek vatandaşlara ve paydaşlara yüksek kaliteli hizmetler sunmak gerekse hızla değişen operasyonel süreçlere daha çabuk yanıt vermek için kamu kurumları tarafından son yıllarda üzerinde yoğun olarak çalışılan alanlardan biridir (Mikalef vd., 2023). Her ne kadar özel sektör YZ uygulamalarını iş süreçlerine dahil etme noktasında kamu sektöründen bir adım daha önde olsa da, kamu kurumları da bu alanda gelişme kaydetmeye başlamıştır (Berryhill vd., 2019).

Kamu sektöründe teknolojiyi yoğun olarak kullanan ve YZ uygulamalarını hayata geçiren kurumlardan biri de gümrük idareleridir. Bugün, önceki dönemlere göre artan hareketlilikle tanımlanan bir dünyada yaşamamız ve eşya, hizmetler ve bireylerin ulusal sınırları aşan hızlı hareketi, sınırların gözetim ve kontrolü açısından yeni zorlukları da beraberinde getirmiştir (Rahman, 2021). Günümüzde küresel ticaret hacmi, Gümrük Tarifeleri ve Ticaret Genel Anlaşması’nın erken yıllarında gözlemlenen miktarın yaklaşık 45 katı olup 1950’den 2022’ye kadar %4500 kadar artış göstermiştir (WTO, 2022). Bu büyük artış aynı zamanda sınır geçiş noktalarını potansiyel yasadışı faaliyetlerin odak noktası haline getirmiştir. Küresel ekonomiye yıllık 2 trilyon doları aşan bir kayıp yaşatan ve bu ekonominin tahmini %3’ünü tüketen yasadışı ticaret, küresel kalkınma gündemini de sekteye uğratmaktadır (UNCTAD, 2020). Öte yandan, terörizmi de içeren sınır ötesi organize suçlar, özellikle de 11 Eylül saldırıları, “gümrük tedarik zinciri güvenliği paradigmaları” konseptinin gelişimine vesile olan bir dönüm noktası olmuş ve uluslararası ticaretin güvenli akışı için, gümrükler tarafından fiziki müdahalesiz kontrol teknolojilerinin kullanımını da içeren, ek politika ve standartlarının geliştirilmesinin yolunu açmıştır (Ireland, 2009). Özetle, zaman içerisinde gümrüklerin vergi toplama, kamu sağlığı ve güvenliğini koruma gibi tarihi rollerine yasal ticareti kolaylaştırma, küresel tedarik zincirlerine destek olma, yasadışı ticareti önleme ve salgınlar veya doğal afetlere zamanında yanıt verme gibi sorumluluklar da eklenmiştir (Matsudaira ve Koh, 2022). Bu noktada gümrük tespit teknolojileri, gümrük idarelerinin, suç faaliyetlerini tespit ederken ticaret akışını da sürdürmesinde oldukça önemli bir rol oynamaktadır.

2. GÜMRÜKLERDE YAPAY ZEKÂ UYGULAMALARI

Gümrük ve sınır kontrollerinde YZ’nin kullanılması birçok fayda sağlamaktadır. YZ; veri işleme, patern tespiti ve risk tahmini konularında insanlardan daha kısa sürede ve daha yüksek doğrulukla sonuç verebilmektedir. Gümrük kontrolleri özelinde YZ’nin başlıca faydaları arasında; daha iyi risk yönetimi, profil oluşturma, gümrük denetimlerini kolaylaştırma, anomali tespiti, gelecekteki trendleri tahmin etme, X-Ray imajlarında kaçak eşya tespiti sayılabilir (WTO ve WCO, 2022).

En genel hatlarıyla; risk analizi, tarama ve fiziki kontrol olarak sınıflandırabileceğimiz üç aşamalı gümrük kontrol sürecinin X-Ray taraması aşamasında, görüntü analizi operatörünün rolü kritik olup uyuşturucu, silah, sigara gibi yasaklı maddeleri tespit etme yeteneği hala büyük ölçüde operatörlerin beceri ve uzmanlığına dayanmaktadır (Michel vd., 2014). Öte yandan, yukarıda da bahsedildiği üzere, gümrük idarelerinin artan ve kapsamı genişleyen iş yükü göz önüne alındığında, son birkaç yılda makine öğrenmesi (MÖ) temelli YZ’nin görüntü analiz sürecinin bir parçası haline gelmesi için gümrük idareleri bir dizi proje hayata geçirmektedir. YZ algoritmaları ile yasaklı maddenin görüntüdeki yerinin ve türünün, bazen de başarım oranının (örneğin, görüntüde %80 olasılıkla uyuşturucu olduğu) otomatik olarak tespit edilmesi hedeflenmektedir.

YZ’nin görece yeni bir alan olması ve sonuçlarının hızlıca görülmesine imkân olmaması, kamu kurumlarının YZ’ye karşı tutumları ve YZ’yi uygulama motivasyonlarında farklılıklara sebep olmaktadır. Gümrük idareleri, gümrük kontrollerinde risk tespiti konusundaki ortak zorluklara ve YZ teknolojisini uygulamaya genel anlamda istekli olmalarına rağmen, bu teknolojinin benimsenme düzeyi bir idareden diğerine farklılık göstermektedir. Örneğin, Yıkıcı Teknolojiler Üzerine Çalışma Raporu’na (WTO ve WCO, 2022) göre, gümrük idarelerinin %44’ü halihazırda veri analitiği, YZ/MÖ veya her ikisini de kullanırken, %23’ünün bu teknolojileri kullanma niyeti bulunmamaktadır. Kalan %33’lük kısım ise bu teknolojilerin kullanımını önümüzdeki dönem için planlamalarına dahil etmektedir. Aynı raporda yer verilen ve 94 gümrük idaresinin katıldığı bir anket ise, YZ projelerinin uygulanmasındaki temel zorlukların; uzmanlık eksikliği, iyi uygulamaların azlığı, mevcut eski sistemlerle entegrasyonun zorluğu, başkaları tarafından kullanılan sistemlere karşı ilgi ve takip eksikliği, [yapay zekâyı destekleyen] hükümet stratejileri ve diğer yasal düzenlemelerin eksikliği ile yüksek maliyetler olduğunu göstermiştir (Şekil-1).

Şekil-1: Gümrüklerde Büyük Veri, Veri Analitiği, Yapay Zekâ ve Makine Öğrenmesinin Benimsenmesinin Önündeki Başlıca Engellere İlişkin Anket Sonuçları

2.1 X-RAY GÖRÜNTÜLERİNDE OTOMATİK ANOMALİ TESPİTİNE GENEL BİR BAKIŞ

Gümrük idarelerinin YZ’den yararlandığı alanlardan biri de otomatik görüntü analizi modellerinin geliştirilerek tarama aşamasında etkinliğin artırılmasıdır. Çalışmanın amacına binaen, HGİ’nin YZ’yi destekleyen kurumsal alt yapısına geçmeden önce X-Ray imajlarının otomatik analizinin teknik arka planına kısaca değinmekte fayda görülmüştür.

Türüne göre değişmekle birlikte, bir tarama sistemi tipik olarak saatte yaklaşık 35 ila 60 konteyner tarayabilirken, bir sonraki aşama olan tarama görüntülerinin analizi, deneyimli operatörler için bile zorlu bir iştir. Bu aşamada, operatörün analiz süresi birçok faktöre bağlı olarak değişebilmektedir. Örneğin, özellikle eşyanın çeşitlilik gösterdiği konteynerlerde görüntünün üst üste binen eşyadan ve farklı tonlardan oluşması analiz sürecini karmaşıklaştırmaktadır. Bu karmaşıklık göz önüne alındığında, operatörün göz yorgunluğu ile daha da güçleşen bazı insani faktörler nedeniyle yasadışı kargonun tespit edilememe olasılığı artabilmektedir (Matsudaira ve Koh, 2022).

YZ destekli görüntü analizi yeni bir çözüm olsa da, X-Ray operatörlerinin performansı ve karar verme davranışlarını etkileyen bilişsel süreçler üzerine yapılan akademik çalışmalar 1988 yılına kadar uzanmaktadır. Söz konusu çalışmalar öncelikle havacılık güvenliği sektöründe başlamış, daha sonra gümrük alanında da yapılmaya başlanmıştır. Havacılık sektörü üzerine yapılan bu ilk araştırmalar, insanların tekrarlanan görevlerde zamanla zorlanmaya başladığını ve X-Ray operatörlerinin performansının sadece 10 dakika sonra bile azalabildiğini göstermiştir.  Federal Havacılık İdaresi’nin (FAA) yaptığı bir araştırma, araştırmaya katılan operatörlerin kısa bir süre sonra %22’sinin el bagajlarına yerleştirilen silahları tespit etmede başarısız olduğunu ortaya koymuştur. Araştırmalar sonucunda, tekrarlama, kayıtsızlık, yetersiz eğitim, düşük ücret ve yorgunluk gibi faktörlerin insan hatalarına yol açabildiği görüldüğünden analiz süreçlerinin olabildiğince otomize edilmesini sağlayacak teknolojik çözümler geliştirilmeye başlanmıştır. Bu alanda son zamanlarda yapılan çalışmalar ise, modellerin başarısına ek olarak, operatörlerin YZ modeli tarafından verilen kararlara güvenip güvenmediğine odaklanmış ve açıklanabilir YZ modellerine daha fazla güvenme eğiliminde olduklarını göstermiştir (Vukadinovic ve Anderson, 2022).

Otomatik algılama, taranan görüntülerin daha hızlı ve hassas bir şekilde analiz edilmesini sağlayarak görüntü analiz sürecini kolaylaştırma potansiyeline sahip bir teknolojidir. Halihazırda otomatik tespitten, bir karar destek mekanizması olarak, “destekli görüntü seçimi” (assisted selection) ve “destekli görüntü analizi” (assisted inspection) için yararlanılmaktadır (Şekil-2). Destekli görüntü seçiminde, otomatik görüntü analizi risk değerlendirmesinin bir türü olarak faaliyet gösterir. Tüm kargoların taranması sonucunda, kontrol edilecek riskli kargolar model tarafından tespit edilir ve böylece operatörler üzerindeki iş yükü azalır. Destekli görüntü analizinde ise, riskli olarak seçilen kargonun taranmasından sonra, görüntü analiz aşamasında, modelin riskli bölgeyi işaretleyip tehdidin türüne ilişkin de operatöre bilgi vererek, analiz sürecini daha verimli hale getirmesi sağlanmaktadır.

Şekil-2: Otomatik Görüntü Analizinin Kullanıldığı İki Ana Alan

Bu şekil aynı zamanda otomatik tespitin teknik bileşenleri olan görüntü ön işleme ve görüntü anlamayı da açıklamaktadır. Görüntü ön işleme, hem operatörlerin hem de algoritmaların görüntüyü anlamasına yardımcı olmak için görüntü manipülasyonu, düzeltme, gürültüden arındırma, malzeme ayrımı, segmentasyon ve risk projeksiyonu gibi tekniklerin görüntüye uygulanmasını kapsar. Görüntü anlama ise, görüntünün içeriğine dayalı karar verme süreçleriyle ilgilidir ve otomatik tehdit algılama (automated threat detection) ve otomatik içerik doğrulama (automated content verification) alt bölümlerine ayrılır (Rogers vd., 2016).

Destekli seçim, tüm paketlerin/konteynerlerin taranmasını gerektirmektedir. Gümrük kontrolleri bakımından, otomatik görüntü analizi araştırmaları ise daha çok destekli analiz üzerine odaklanmıştır (Rogers vd., 2016). Destekli analiz modelleri, imaj üzerindeki ilgi bölgelerini (region of interest, RoI) otomatik olarak oluşturarak operatöre güvenlik veya gümrük açısından riskli unsurları göstermektedir. Böyle bir model geliştirme süreci üç ana adımdan oluşmaktadır: Görüntü toplama, görüntülerin özelliklerini tanımaya yönelik öğrenme süreci, şüpheli özelliklerin otomatik olarak tespit edilmesi ve analizin hedefi olarak işaretlenmesi. Bununla birlikte, taranan görüntü veri tabanlarında, tehdit oluşturmayan görüntülere kıyasla tehdit oluşturan görüntülerin sayıca azlığı, makine öğrenmesi sürecini sekteye uğratarak otomatik tespit algoritmalarının doğruluğunu olumsuz etkileyen bir faktör olarak karşımıza çıkmaktadır (Matsudaira ve Koh, 2022).  

3. KAMU SEKTÖRÜNDE YAPAY ZEKÂ GİRİŞİMLERİ LİTERATÜRÜ

Akademik araştırma perspektifinden bakıldığında, kamu kurumlarının YZ gibi kilit teknolojileri etkin bir şekilde kullanma kapasitesini nasıl geliştirdiği ve iç ve dış faktörlerin bu kapasiteleri nasıl şekillendirdiği konusunda hala teori eksikliği bulunmaktadır (Schaefer vd., 2021; Mikalef, 2022). Öte yandan, uygulama odaklı bir perspektiften bakıldığında, kamu kurumları, yeni dijital teknolojilerin kullanımı yoluyla verimliliği ve hizmet kalitesini artırmak için sürekli artan bir baskı altındadır (Urbach ve Röglinger, 2018).

Kamu sektörü için görece yeni bir kavram olan YZ’ye ilişkin literatürün kısıtlı olması ve YZ uygulamalarını mevcut iş süreçlerine entegre etmenin, sistemlerin teknik başarısından çok daha fazlasını kapsaması, kamu kurumlarının bu uygulamaları hayata geçirmesini güçleştirebilmektedir. Bu anlamda YZ; uygulamaların yasal dayanağı, YZ uygulamasını hayata geçirecek kurumsal yapılar ve personel yönetimi gibi alanları içerecek şekilde çok yönlü ele alınması gereken bir konu olarak karşımıza çıkmaktadır.

YZ uygulamalarını farklı perspektiflerden inceleyen literatür çalışmalarını üç ana başlık altında toplamak mümkündür. Bunlar; YZ’nin tüm bileşenlerini bir ekosistem olarak gören makro seviye (sistem yaklaşımı), kurumların YZ kapasitelerini çalışan mezo seviye (organizasyonel yaklaşım) ve YZ’nin personel yönetimine ve kurumun alt birimlerine getireceği değişiklikleri ele alan mikro seviye yaklaşımlardır (Öztürk, 2023). Bu çalışma, dünyada gümrük alanında iyi uygulama örneklerinden olan Hollanda Gümrük İdaresi’nin (HGİ) otomatik tespit projelerinden hareketle, YZ’yi iş süreçlerine nasıl dahil ettiğini mezo/kurumsal seviyede bir analiz yaparak açıklamaya çalışmaktadır. Bununla birlikte, kurumsal düzeydeki çalışmalar, makro ve mikro seviyede yapılan çalışmaların etkilerini de, ara seviye bir çalışma alanı olması sebebiyle, bünyesinde barındırmakta olup bu seviyeleri kalın çizgilerle ayırmak pek mümkün olmamaktadır. Örneğin, makro seviye çalışmaların konusu olan ulusal bir YZ stratejisinin varlığı veya mikro seviye çalışmaların konusu olan personelin YZ uygulamalarını benimseyip benimsememesi, kurumsal düzeydeki yapıları da etkilemektedir.

4. ÇALIŞMANIN KURAMSAL ÇERÇEVESİ

Bu çalışma, Jane Fountain’ın (2001) kamu sektöründe yürütülen bilgi teknolojileri projelerini açıklamak için geliştirdiği Teknoloji Uygulama Çerçevesi’ni (TUÇ) kuramsal çerçeve olarak kullanmaktadır. Kurumların istikrarına ve eylem üzerindeki sınırlayıcı gücüne odaklandıkları için mevcut kurumsal teorilere eleştirel yaklaşan Fountain (2001), kurumsal devamlılığın yerine kurumsal değişimi açıklama gayesiyle Teknoloji Uygulama Çerçevesi’ni (TUÇ) geliştirmiştir (Şekil-3). Fountain’in temel katkısı, “uygulanan teknoloji” terimini geliştirilerek “nesnel” ve “uygulanan” teknoloji arasındaki farkı belirtmesidir. Nesnel teknoloji, teknolojinin kendisi ve somut bileşenlerini (internet, donanım ve yazılım gibi) ifade ederken daha geniş bir kapsama sahip olan uygulanan teknoloji, kullanıcıların nesnel teknolojiye yönelik algılarını içerir (Fountain, 2004). Uygulanan teknoloji kayramı ile, nesnel teknolojinin kurumlar tarafından nasıl “algılandığı, tasarlandığı, uygulandığı ve kullanıldığı” incelenmektedir (Fountain, 2001). Bu çalışma açısından, YZ nesnel teknolojiyi, HGİ’nin bu teknolojiyi hangi idari düzenlemeler ve kurumsal yapılara dayanarak tasarladığı ve uyguladığı ise uygulanan teknolojiyi ifade etmektedir.

TUÇ’un kurumsal yapılar (örgütsel biçimler), kurumsal düzenlemeler ve sonuçlar olmak üzere üç temel bileşeni vardır. İlk bileşen olan kurumsal yapılarla ilgili olarak Fountain (2001) iki tür örgütlenme biçiminden bahsetmektedir: Geleneksel bürokratik yapılar ve daha esnek olan ağ yapıları (networks). Birçok kamu kurumu hala hiyerarşi ve standardizasyon gibi ilkelerin hâkim olduğu tek bir kurum olarak örgütlenmesine rağmen, farklı kurumlar arasında iş birliği de kurulan ağlar aracılığıyla yaygınlaşabilmektedir. İkinci bileşen; yasal, resmi, kültürel, bilişsel normlar gibi kurumsal düzenlemelerdir. Üçüncü olarak, TUÇ’un son aşaması proje sonuçlarıdır. Bir teknolojinin iş süreçlerine dahil edilmesinin sonuçlarının belirgin hale gelmesi, yani projenin meyvelerinin alınması, uzun zaman alabilmektedir. Ek olarak, teknoloji projeleri, belirsiz, çoklu ve beklenmedik olmak üzere çeşitli sonuçlar doğurabilmektedir. Projenin çıktıları; kurumsal düzenlemeler, yapılar, nesnel ve uygulanan teknoloji gibi TUÇ’un diğer unsurları üzerinde de etkili olabilmektedir (Fountain, 2001). Böylelikle TUÇ, salt sonuç odaklı olmaktan ziyade bileşenler arasındaki karşılıklı etkileşimi açığa çıkaran dinamik bir süreci göstermektedir.

Şekil-3: Teknoloji Uygulama Çerçevesi

5. TEKNOLOJİ UYGULAMA ÇERÇEVESİ EKSENİNDE HOLLANDA GÜMRÜK İDARESİ İNCELEMESİ

Çalışmanın HGİ’deki YZ projelerini ele alması tesadüfi değildir. HGİ, lojistik alanındaki uluslararası değerlendirmelerde sürekli olarak ilk üçte ve gümrük işlemlerinde ilk beşte yer alarak dünya genelinde iyi uygulama örneği gümrük idarelerinden biri olarak ün kazanmıştır (World Bank, 2023). Ayrıca, hem AB hem de DGÖ seviyesinde teknik uzman gruplarında ve araştırma projelerinde öncü bir rol üstlenmektedir (WCO, 2019; PEN-CP, 2021). Örneğin, otomatik tehdit tanımlama konusundaki ilk projelerden olan ACXIS[1] projesine katılan idarelerden biri Hollanda’dır (European Commission, 2015). Aynı zamanda, AB’deki en yoğun trafik hacmine sahip limanı olan Rotterdam Limanı Hollanda’da bulunmaktadır (Dutch Customs, 2022) ve burada otomatik anomali tespitinin gümrük kontrollerini önemli ölçüde dönüştürmesi beklenmektedir. TUÇ kapsamında yapılan incelemede, idarenin YZ’ye ilişkin kurumsal altyapısının, pilot projelerin tasarım ve uygulama aşamalarını ve mevcut proje çıktılarını nasıl etkilediği ele alınmıştır.

5.1 Hollanda Gümrük İdaresi’ndeki İdari Düzenlemeler

Hollanda Gümrük İdaresi’nin YZ projelerine zemin hazırlayan politika belgeleri, üst düzey ve ikincil politika belgeleri olarak iki grupta toplanabilir. Üst düzey politika belgeleri, idarenin temel vizyon ve hedeflerini ortaya koyarken, ikincil belgeler daha detaylı olarak teknoloji ve inovasyona özel hedeflere yer vermektedir. Bu kapsamda, İdarenin Çok Yıllı Stratejik Planı (2020-2025) başlıca politika belgesi olup “veri odaklı bir kurum olma”yı (Becoming a Data-Driven Organization; Data-Gedreven Organisatie) kurumun ana hedeflerinden biri olarak belirlemiştir (Dutch Customs, 2021, s.16). “İnovasyonun DNA’larında olduğu”nu vurgulayan idare, inovasyonu uzun vadeli bir çaba olarak görmektedir (Dutch Customs, 2022, s.5). Ayrıca “Sınırları Zorlama Vizyonu” (Pushing Boundaries Vision-Visie Grensverleggend) ve “Katmanlı Kanun Uygulama Yaklaşımı” (Layered Enforcement Approach-Gelaagde Handhaving), ticareti kolaylaştırmanın tehditleri tespit etmek kadar önemli olduğunu vurgulayarak YZ tabanlı otomatik tespiti kurumun önceliklerinden biri haline getirmiştir (Dutch Customs, 2021, ss.11-12; Dutch Customs, 2022, s.15; Dutch Customs, t.y.). Bu iki yaklaşım, bürokratik engellerin ve tacirlerin kontrolünün asgari düzeyde tutulması ilkesini benimsemektedir (Dutch Customs, 2021, s.12; Dutch Customs, 2022, s.15). Bu nedenle, kontroller en güvenilir şirketlerden başlayarak en az güvenilire doğru, sırasıyla yeşil hattan mavi hatta doğru, kademeli olarak artırılmaktadır (Dutch Customs, 2022). Bu noktada, YZ ile otomatik risk tespiti projeleri, gümrük kontrol sürecini hızlandırmak için bir çözüm olarak sunulmaktadır. HGİ’nin YZ alanında; (i) yapılandırılmış verilerin daha iyi filtrelenmesi, (ii) harici verilerin kullanılması ve (iii) X-Ray görüntülerinin otomatik olarak yorumlanması olmak üzere üç çalışması olup (Dutch Customs, 2022, s.17) bu çalışma daha çok son projeye odaklanmıştır.

Yukarıda bahsi geçen strateji ve vizyon belgelerinin haricinde, teknoloji-spesifik ikincil politika belgeleri olarak adlandırdığımız İnovasyon Üçgeni Yaklaşımı (Triangle Approach to Innovation), İnovasyon Temaları (Innovation Themes) ve İnovasyon Gündemi (Innovation Agenda) YZ başta olmak üzere kurumun yeni teknolojilere ilişkin tüm çalışmalarının çerçevesini çizmektedir. İlk olarak, İnovasyon Üçgeni Yaklaşımı, “strateji” ve “teknik inovasyon”u “sosyal inovasyon”la birleştirerek, kurumun nitelikli personeliyle birlikte yeni teknolojilere yanıt verme konusunda kapasitesini geliştirmeyi ve esnekliğini artırmayı hedeflemektedir (PEN-CP, 2021, s.79). İnovasyon Temaları; inovasyon projelerinin türlerini belirleyen yapay zekâ, blok zincir, nesnelerin interneti gibi toplamda sekiz tematik önceliği ifade ederken, İnovasyon Gündemi, idarenin İnovasyon Koordinasyon Grubu tarafından uygulanmasına karar verilen somut projelerini içerir (PEN-CP, 2021, ss.77-79; Dutch Customs, n,d.). Bir proje, etki değerlendirmelerinin (impact assessments) ve kavram kanıtlarının (proof-of-concepts) tamamlanmasının ardından İnovasyon Gündemi’nin bir parçası haline gelmektedir (PEN-CP, 2021). Kurum seviyesindeki bu düzenlemelerin ötesinde, AB Yönetmelikleri, örneğin; Genel Veri Koruma Yönetmeliği (GDPR) ve AB Yapay Zekâ Kanunu (AI Act), idarenin yapay zekâ girişimlerini etkilemekte, özellikle de idareye yapay zekâ girişimlerini şeffaf (transparent AI), açıklanabilir (explainable AI) ve güvenilir (trustworthy AI) olarak tasarlama konularında bir sorumluluk yüklemektedir (Öztürk, 2023).

5.2 Hollanda Gümrük İdaresi’ndeki Kurumsal Yapı

TUÇ’un bir diğer araştırma alanı da teknoloji projelerini destekleyen, bürokrasi ve ağlar (networks) şeklinde örgütlenen, kurumsal yapılardır. TUÇ’a göre bürokratik yapılar, kurum içinde YZ projelerinden sorumlu birimleri ifade ederken; ağlar, kurumlar arası iş birliği mekanizmalarını temsil eder. HGİ’deki YZ projelerinin uygulanmasını destekleyen başlıca kurumsal yapı Veri Bilimi Birimi olup hem proje tasarımı hem de uygulaması aşamalarında aktif olan Veri Bilimi Birimi’nin varlığı, YZ modellerinin idarenin kendi personeli tarafından ve idarenin ihtiyaçlarına göre geliştirilmesine olanak tanımaktadır (Öztürk, 2023).  İkinci olarak, farklı departmanların uzmanlarından oluşan (bilgi teknolojileri, muhafaza, satın alma gibi) ve hangi inovasyon projelerinin önceliklendirileceğine karar veren İnovasyon Koordinasyon Grubu ise projelerin gündeme alınmasından, yani projelerin tasarım aşamasından, sorumlu olan başlıca birimdir (PEN-CP, 2021). İnovasyon Koordinasyon Grubu, hem proje kararlarının katılımcı bir şekilde alınmasını sağlamakta hem de gerekli ön değerlendirmeleri yaparak proje başarısızlığı riskini ve proje sonuçlarının tahmin edilemezliğini azaltmaktadır. Tasarım aşamasını takip eden proje uygulama aşaması, Proje Uygulama Grubu koordinasyonunda ilgili departmanların ortak çalışması olarak yürütülür. Gümrük Laboratuvarı, Veri Bilimi Birimi, Saha Birimleri, İş Operasyonları ve Bilgi Teknolojileri Departmanı, otomatik tespit projelerinin uygulama aşamasında görev alan birimlerden bazılarıdır (WCO, 2022).

HGİ’nin kurumsal yapılarında YZ projeleri ile meydana gelen değişim, proje uygulama aşamasındaki teknik adımları yerine getiren birimlerin rolleri açıklanarak daha iyi anlaşılabilir. Bu kapsamda, görüntü veri tabanının oluşturulması için veri toplanmasından X-Ray operatörleri sorumlu idi. Projenin devamında operatörler, modelden alınan uyarıların doğruluğuna ilişkin geri bildirim mekanizmasında da aktif rol üstlenmişlerdir. Bununla birlikte, projenin tasarımı ve model geliştirme aşamasında geri bildirim görevi, modelin kullanıma alınmadan önce en yüksek başarım oranını sağlayabilmesi için, Gümrük Laboratuvarı tarafından yerine getirilmiştir. YZ modeli ise Veri Bilimi Birimi tarafından geliştirilmiştir. Geliştirilen model, İş Operasyonları Departmanı koordinasyonunda, X-Ray tedarikçileri tarafından X-Ray ekipmanına uygulamıştır. Son olarak, Bilgi Teknolojileri Departmanı, pilot aşamadan operasyonel aşamaya geçiş için gerekli BT altyapısını oluşturmuştur (WCO, 2022).

Kurum içi yapılara ek olarak kurumlar arası iş birliği mekanizmaları da HGİ’nin YZ kapasitesinin gelişmesinde etkili olmuştur. Fountain’ın ağlar olarak nitelendirdiği bu yapıları, ulusal ve uluslararası iş birliği ağları olarak sınıflandırmak mümkündür. Akademi, özel sektör ve uluslararası teknik uzman gruplarıyla kurulan iş birlikleri, YZ projelerinin karmaşıklığının üstesinden gelmek için kuruma çok sayıda fayda sağlamıştır.

İlk olarak, son on yılda, HGİ ile araştırma enstitüleri ve üniversiteler gibi akademik kurumlar arasında artan iş birliği önemli bir gelişme olarak karşımıza çıkmıştır. Akademi ile ortaklıklar, geliştirilmesi planlanan YZ çözümünün fizibilitesinin yapılmasına katkıda bulunduğu gibi HGİ’de, çağımız gümrük personelin, kanun uygulama ve mevzuat bilgisinin ötesinde ileri seviye teknolojik bilgiye de sahip olması gerektiği konusunda bir farkındalık oluşmasını sağlamıştır (PEN-CP, 2021). HGİ’nin, doğal ortaklar olarak nitelendirdiği bir başka iş birliği modeli ise X-Ray tedarikçileriyle kurulmaktadır; çünkü YZ modeli HGİ’nin kendi veri bilimcileri tarafından geliştirilse de sistemlerin yazılımına X-Ray tedarikçileri tarafından entegre edilmektedir. Öte yandan, Veri Bilimi Birimi ihtiyaca yönelik ürün geliştirse de, piyasadan hazır ürün satın almak da dahil olmak üzere, inovasyon projeleri için farklı ortaklık modelleri hala mevcuttur. Bu noktada HGİ’nin genel yaklaşımı, piyasada rafta hazır ürün mevcut olmadıkça veya bunu satın almak daha verimli olmadıkça, programları kurum içinde Veri Bilimi Birimi tarafından geliştirmektir. Örneğin, özel sektör, ateşli silahlara ilişkin bir veri tabanı oluşturabileceği için otomatik ateşli silah tespit algoritmalarını hazır olarak satın almak seçeneği değerlendirilebilir; ancak uyuşturucu için durum böyle olmayacaktır. Bunun için geliştiricinin yeterli sayıda ve çeşitlilikte uyuşturucu yakalama görüntüsüne sahip olması gerekir ki bu durumda görüntüler gümrük idareleri tarafından geliştiricilere sağlanacak veya modelin doğrudan gümrük tarafından geliştirilmesi seçeneği tercih edilecektir (Öztürk, 2023).

Kurumlar arası iş birliğinin bir diğer kategorisi olan uluslararası ağlar, çoğunlukla DGÖ ve AB uzman grupları ağları ve diğer gümrük idareleri ile iş birliği şeklinde karşımıza çıkmaktadır. AB’de yeni geliştirilen bir sınır güvenliği teknolojisi, faydalı sayılabilmek için, “Güvenli, Ölçülebilir, Otomatik, Risk Yönetimine Dayalı ve Teknoloji Odaklı” olmayı vurgulayan Akıllı Sınırlar (Smart Borders) konseptini desteklemelidir (European Commission, 2021, s.87). Bu amaçtan hareketle, AB araştırma projeleri ve uzman ağları, ülkeler arası çeşitli iş birliklerinin geliştirilmesine öncülük eden platformların başında gelmektedir. Üye devletlerin kamu kurumları, araştırma enstitüleri ve özel sektör temsilcileri arasında iş birliği kuran AB araştırma ve inovasyon finansman programları, hem AB içerisinde bütçeyi birleştirmek hem de ihtiyaca özel ürünler geliştirmek konusunda etkili olmuştur. Bu ağların en önemlileri ACXIS, Gümrük Tespit Teknolojileri Proje Grubu (CDTPG), PROFILE ve Pan-Avrupa Gümrük Uygulayıcıları Ağı (PEN-CP) Projesi olarak örneklendirilebilir (Avrupa Komisyonu, 2021). Bu iş birlikleri yoluyla, gümrüklerin YZ teknolojisinin zorluklarıyla daha iyi başa çıkmasına yardımcı olacak akademik çalışmalar da yapılmaktadır. Örneğin, PEN-CP tarafından hazırlan, “AB YZ Yasası & Gümrüklerin YZ ile Yapabilecekleri ve Yapamayacakları” konulu uzman raporu (Harison, 2023) gümrük idarelerine YZ projeleri konusunda yol göstermektedir. Ayrıca, AB Genel Veri Koruma Yönetmeliği ve AB YZ Yasası ise, üye ülkelere YZ konusunda ortak bir mevzuat ve uygulama zemini sağlamaktadır. AB’ye ek olarak, DGÖ TEG-NII uzman grubu tarafından çeşitli paydaşlar bir araya getirilerek tespit teknolojileri konusunda iyi uygulamalar, sorunlar ve olası çözüm yolları hakkında fikir alışverişinde bulunulmaktadır (WCO, 2021).

Bir başka iş birliği kategorisi ise, YZ modeli geliştirmek için gereken görüntü yetersizliği sorununun üstesinden gelmek için diğer gümrük idareleri ile geliştirilen iş birliğidir. Hem görüntü sayısı hem de görüntülerdeki anomalilerin çeşitliliği, örneğin konteynerin farklı bölgelerindeki anomalileri ve farklı gizleme yöntemlerini gösteren görüntüler, yüksek hassasiyet oranlarına sahip algoritmaların geliştirilmesi için gereklidir. Bunun için HGİ, Avustralya, Belçika ve Brezilya Gümrükleri de dahil olmak üzere yakalama görüntülerini elde etmek için diğer gümrük idareleriyle iş birliği yoluna giderek veri tabanını zenginleştirmiştir (WCO, 2022).

İdari düzenlemelere ve kurumsal yapılara ek olarak HGİ’de inovasyon sürecini etkileyen başka faktörler de mevcuttur. Bunlardan en önemlisi yeterli bütçenin varlığıdır. Hollanda küçük bir ülke olmasına rağmen Avrupa’nın en işlek limanı olan Rotterdam Limanı aracılığıyla AB ticaretinde kilit bir rol oynamaktadır (Dutch Customs, 2022).  Proje uygulama bütçesinin yanı sıra HGİ, projenin tasarım aşamasında etki değerlendirmeleri ve kavramların kanıtlanması için küçük bir bütçe ayırarak YZ projelerinin en büyük sorunlarından olan proje sonuçlarının öngörülemezliğini azaltmayı hedeflemiştir (PEN-CP, 2021).

5.3 Yapay Zekâ Projelerinin Personel Yönetimine Etkisi ve Sosyal İnovasyon Yaklaşımı

Yukarıda da bahsedildiği üzere, mezo seviyede yapılan incelemeler, mikro seviye çalışmalardan büyük ölçüde etkilenmektedir. Bu anlamda kamuda YZ uygulamaları, bu çalışma özelinde ise otomatik tespit projeleri, HGİ’de üç iş kategorisinin önemini daha da ortaya çıkarmıştır. Bunlar; yöneticiler, veri bilimciler ve X-Ray operatörleridir. İlk olarak, inovasyon projelerinin başarısı yöneticilerin tutumlarından etkilenmektedir. HGİ, memurların genel eğiliminin, inovasyon yerine mevcut prosedürleri optimize etmek yönünde olduğunu, bu sebeple de, inovasyonu tasarlama sorumluluğunun yönetim tarafından üstlenilmesi gerektiğini öne sürmektedir (PEN-CP, 2021). Bu misyondan hareketle, HGİ’nin hedefi, yeni teknolojilerin kapasiteleri ve kısıtları konusunda yöneticiler arasında farkındalık oluşturmak ve onları teknolojik değişimin liderleri haline getirmektir (Dutch Customs, 2021). Bu nedenle, üst düzey personelin eğitimi artık bilgi teknolojileri, iş süreçlerinin haritasını çıkarma gibi konuları da içermektedir (PEN-CP, 2021).  İkinci kritik rol ise veri bilimciler tarafından üstlenilmektedir. Veri bilimciler, sadece rafta hazır ürün almak yerine idarenin ihtiyaçlarına özel teknolojik çözümler geliştirebilmesini sağlamaktadır. Ayrıca, idarenin ihtiyaçlarını müzakere edebilecek teknik donanıma sahip olduklarından pazarda hazır bulunan en verimli teknolojik çözümü tespit ederek kuruma kazandırabilmektedirler (Öztürk, 2023).

Üçüncü olarak, X-Ray operatörleri projelerin başarısında etkin rol oynamaktadırlar. Bilindiği üzere, MÖ algoritmaları doğru verilerle beslendiklerinde daha iyi performans göstermektedir. Model, operatörlerin modelin doğru ve yanlış alarm oranları hakkındaki geri bildirimlerine dayalı olarak revize edilmektedir. “Güdümlü/denetimli eğitim ve test” olarak adlandırılan bu aşamada operatör, modelin alarm vermesi halinde kargoyu fiziksel olarak kontrol ederek algoritmanın başarılı çalışıp çalışmadığı hakkında doğru geri bildirimde bulunmalıdır.

Operatörlerin bir diğer görevi, alarmları ayırt edebilmek, yani alarmın hangi tehdit için tetiklendiğini doğru bir şekilde kaydetmektir; çünkü sistemden bir alarm almak, sistemin her zaman gerektiği gibi çalıştığı anlamına gelmemektedir. HGİ’den bir yönetici bu durumu bir mülakatta şöyle örneklendirmiştir:

“Operatörler bir alarm aldıktan sonra paketi açarlar ve kokain bulurlar. Size programın çalıştığını söyleyebilirler ama program doğru çalışmamaktadır; çünkü aslında aldıkları kokain değil hap alarmıdır” (Öztürk, 2023, s.33)

HGİ’de, personelin teknolojik dönüşümdeki rolüne vurgu yapan yaklaşım, kurumun sosyal inovasyon yaklaşımıdır. Bu kavrama, hem İnovasyon Üçgeni Yaklaşımı’nda hem de İnovasyon Temaları’nda yer verilmektedir (PEN-CP, 2021). Sosyal inovasyon, bir kurumun, personelini teknolojik dönüşüm sürecine dahil ederek ve inovasyon projeleri için gerekli bilgi ve yetenekleri onlara kazandırarak mevcut iş prosedürlerini değiştirebilme potansiyelini ifade eder. PEN-CP Mazagin tarafından yapılan bir röportajda HGİ’den bir yönetici sosyal inovasyonun önemine şöyle dikkat çekmiştir:

 “En iyi fikirleri, en zekice fikirleri ortaya koyabilirsiniz, ancak insanlar bunları kabul etmediklerinde, bunlara inanmadıklarında, o zaman asla işe yaramazlar.” (PEN-CP, 2021, s.78).

Sosyal inovasyon yaklaşımının çıktıları, proje pilot uygulaması boyunca, operatörlerin YZ teknolojisini benimsemeye istekli olup olmaması ile YZ modelinin başarısı arasındaki ilişkide kendini göstermektedir. Operatörler, teknoloji hakkında daha fazla bilgi sahibi olduklarında, modelin başarısını artırmak için geri bildirim aşamasında daha fazla çaba harcamaktadırlar. Aynı mantıkla, modelin düşük başarım oranları, operatörlerin yeni sistemi kullanmaya istekli olmamasından kaynaklanabilecektir. Bu durum da, en nihayetinde, operatörlerin başarısız gördükleri bir modeli kullanma isteklerini azaltabilir ve sadece klasik usül ile analiz yönetimine devam etmelerine sebep olabilir. Bu kısır döngü sonucunda ortaya çıkan düşük başarım oranları, gümrük personelini, kendisi ile YZ modeli arasında bir karşılaştırma yapmaya yönlendirebilir. Bu kapsamda, HGİ’den bir yetkili, sistemi kullanacak personeli pilot projelere dahil ederek gerekli bilgilendirmelerin yapılmasının önemini şu şekilde ifade eder:

“Eski ekol gümrük personeli anomalileri neredeyse koklayarak anlayan kişiydi. Modern gümrük personeli ise teknolojik araçlarla çalışabilen, onlara iyi bir geri bildirim sağlayabilen ve YZ algoritmasının gerçekten iyi olmasını sağlayabilen kişidir. Ve eğer modelleri uygun beslemezseniz, bunlar zamanla daha kötü hale gelebilir. Dolayısıyla size sistemin gerçekten çalışmasını ve beslenmesini isteyen bir ekip gereklidir, bu modellerin yanlış olduğunu kanıtlamaya çalışan değil.” (Öztürk, 2023, s.35).

Bu evrilen zihniyetle, HGİ, personelin yeni teknolojilere uyum sağlayabilmesi için Stratejik İstihdam Programı’nı hayata geçirmiştir (Dutch Customs, 2022, s.20). Bu program, öğrenme döngüsünün sürdürülerek mevcut personelin yeni teknolojileri kullanma konusunda hizmet içi eğitim alması, ayrıca yeni personelin seçiminde temel analitik yeteneklere sahip olmalarının göz önünde bulundurulması gibi ilkelere dayanır.

Bu çalışmanın teorik eksenini oluşturan TUÇ kapsamında, HGİ’nin YZ projelerinin dayandığı politika belgeleri ve kurumsal yapı incelenerek, projelerin tasarım ve uygulama aşamalarını gösteren, “Hollanda Gümrük İdaresi’nin YZ Teknolojisi Uygulama Akış Şeması” hazırlanmıştır (Şekil-4). Yeşil ile gösterilerin Proje Tasarım ve Uygulama aşamalarını etkileyen ve her biri farklı renk ile gösterilen kurumsal düzenlemeler, bürokratik ve ağ tipi kurumsal yapılar, dışsal faktörler ve proje uygulama süreçlerinin alt aşamaları/birimleri arasındaki ilişki, söz konusu akış şeması ile özetlenmeye çalışılmıştır.

Şekil-4: Hollanda Gümrük İdaresi’nin YZ Teknolojisi Uygulama Akış Şeması

6. SONUÇ VE ÖNERİLER

YZ, yasadışı ticaretin daha hızlı ve kesin bir şekilde tespit edilmesi için gümrüklerde umut vadeden bir teknolojik çözüm haline gelmektedir. Çalışma, HGİ’nin aşağıda yer verilen uygulamalarını, YZ projelerinin başarısını artıran iyi uygulama örnekleri olarak tespit etmiştir:

• Veri Bilimi Birimi’nin kurulması ve veri bilimcilerin istihdam edilmesi
• İnovasyon Koordinasyon Grubu’nun oluşturulması
• Teknoloji-spesifik politika belgelerinin (İnovasyon Gündemi, İnovasyon Temaları gibi) hazırlanması
• Proje yönetiminde ürün ‘tedarik’ anlayışından ürün ‘geliştirme’ anlayışına geçiş
• Sosyal İnovasyon Yaklaşımı’nın benimsenmesi
• Ulusal ve uluslararası seviyede kurumlar arası iş birliğinin güçlendirilmesi

Sonuç olarak, kamu kurumlarının YZ projelerinin başarısı için teknik unsurların yanı sıra çok sayıda çevresel unsuru da dikkate alması önem arz etmektedir. Bunlar arasında; projenin mevcut operasyonel süreçler üzerindeki yansımaları, çeşitli rollerdeki personelin sorumluluklarına getireceği potansiyel değişiklikler, kurumun diğer stratejik teknolojik yatırımlarıyla uyumu, ulusal YZ stratejilerine ve uluslararası kuruluşların tavsiyelerine uyumu sayılabilir. Bu tür hususlar, bir YZ projesi hayata geçirilmeden önce kapsamlı bir şekilde ele alınarak ve projenin uygulama döngüsüyle paralel olarak çözüme kavuşturulmalıdır.

KAYNAKÇA

Berryhill, J., Heang, K., Clogher, R., McBride, K. (2019). Hello, World: Artificial intelligence and its use in the public sector. OECD Working Papers on Public Governance, 36. Paris: OECD Publishing.

Dutch Customs. (2021). Multi-Year Strategic Plan of Dutch Customs (2020-2025). Strategisch Meerjarenplan Douane (2020-2025) https://open.overheid.nl/documenten/ronl-9c52bf23-637b-49e3-9fe0-181243a4d28e/pdf

Dutch Customs. (2022). Dutch Customs in 2021. https://www.government.nl/documents/annual-reports/2022/06/30/dutch-customs-in-2021

Dutch Customs. (2022, October 4). Smarter Supervision with the Help of AI Models and Autodetection. https://www.aboutnetherlandscustoms.nl/latest/articles/customs-articles/2022/smarter-supervision-with-the-help-of-ai-models-and-autodetection

Dutch Customs. (t.y.). Pushing Boundaries. https://www.belastingdienst.nl/wps/wcm/connect/bldcontenten/belastingdienst/customs/about-us/how-we-work/pushing-boundaries/

European Commission. (2015). Automated Comparison of X-Ray Images for Cargo Scanning. https://cordis.europa.eu/project/id/312998

European Commission. (2021). Third Progress Report on the Implementation of the EU Strategy and Action Plan for Customs Risk Management.

Fountain, J. E. (2001). Building the Virtual State – Information Technology and Institutional Change. Washington: The Brookings Institution.

Fountain, J. E. (2004). Prospects of the Virtual State. University of Tokyo 21st Century COE Program: Invention of Policy Systems in Advanced Countries.

Harison, E. (2023). EU Artificial Intelligence (AI) Act & What Customs Can And Cannot Do With AI. PEN-CP-2022-ER6 Expert Report.

Ireland, R. (2009). The WCO SAFE Framework of Standards: Avoiding Excess in Global Supply Chain Security Policy, Global Trade and Customs Journal,4(11-12).

Matsudaira, T. & Koh, J. (2022). Customs Administration and Digitalization. In P. Azcárraga, A. Azael, T. Matsudaira, G. Montagnat-Rentier, J. Nagy, and R. J. Clark (Ed.). Customs Matters: Strengthening Customs Administration in a Changing World. (pp.203-234). Washington, DC: International Monetary Fund.

Michel, S., Mendes, M., Ruiter, J., Koomen, G.C.M., Schwaninger, A. (2014). Increasing X-Ray image interpretation competency of cargo security screeners. International Journal of Industrial Ergonomics,  44(4), pp. 551-560.

Mikalef, P., Lemmer, K., Schaefer, C., Ylinen, M., Fjørtoft, S.O., Torvatn, H.Y., Gupta, M., and Niehaves, B. (2022). “Enabling AI Capabilities in Government Agencies: A Study of Determinants for European Municipalities,” Government Information Quarterly, 39(4).

Mikalef, P., Lemmer, K., Schaefer, C., Ylinen, M., Fjørtoft, S.O., Torvatn, H.Y., Gupta, M., and Niehaves, B. (2023). Examining how AI capabilities can foster organizational performance in public organizations. Government Information Quarterly, 40(2).

Öztürk, G. (2023). Unravelling the Complexities of AI Implementation in Customs Controls: A Technology Enactment Framework Analysis of Automated Detection Projects.

Pan-European Network of Customs Practitioners (PEN-CP). (2021). Pushing boundaries – How Dutch Customs reforms innovation to pursue an ambitious vision. PEN-CP Magazine, Magazine 11 Special Issue.

Rahman, M.M. (2021). Border Control Technologies of Western Nations: Legal, Ethical and Financial Issues. International Journal of Science, Technology and Society, 9(6), Issue, 256-262.

Rogers,  T.  W Jaccard, N., Morton, E.J., Griffin, L.D. (2016). Automated X- Ray Image Analysis for Cargo Security: Critical Review and Future Promise. Journal of X- Ray Science and Technology (August), 33-56.

Schaefer, C., Lemmer, K., Samy Kret, K., Ylinen, M., Mikalef, P., & Niehaves, B. (2021). Truth or dare?–How can we influence the adoption of artificial intelligence in municipalities? 54th Hawaii international conference on system sciences.

UNCTAD. (2020, January  28). Global actors gather to forge a common front against illicit trade. https://unctad.org/news/global-actors-gather-forge-common-front-against-illicit-trade.

Urbach, N. & Röglinger, M. (2018). Digitalization Cases – How Organizations Rethink Their Business for the Digital Age. Cham: Springer International Publishing.

Vukadinovic, D. & Anderson, D. (2022). X-Ray baggage screening and AI. EUR 31123 EN, Publications Office of the European Union. Luxembourg.

WCO. (2019, March 7). WCO Members engage in a Pilot project to test the Unified File Format Development. https://www.wcoomd.org/en/media/newsroom/2019/march/wco-members-engage-in-a-pilot-project-to-test-the-unified-file-format-development.aspx

WCO. (2021, November 9). The WCO TEG-NII discusses how to enhance the Customs control efficiency. https://www.wcoomd.org/en/media/newsroom/2021/november/the-wco-teg-nii-discusses-how-to-enhance-the-customs-control-efficiency.aspx

WCO. (2022, October 12). Automated detection: Dutch Customs shares its experience. Disruptive Technologies. https://mag.wcoomd.org/magazine/wco-news-99-issue-3-2022/automated-detection-dutch-customs/

WCO & WTO. (2022). Study Report on Disruptive Technologies.

WTO. (2022). Evolution of trade under the WTO: handy statistics. https://www.wto.org/english/res_e/statis_e/trade_evolution_e/evolution_trade_wto_e.htm

World Bank. (2023). Connecting to Compete: Trade Logistics in the Global Economy, The Logistics Performance Index and Its Indicators. World Bank Group. https://lpi.worldbank.org/.

[1] “Automated Comparison of X-Ray Images for Cargo Scanning” (Kargo Tarama için X-Ray Görüntülerinin Otomatik Karşılaştırılması) Projesi hakkında detaylı bilgi için: Automated Comparison of X-ray Images for cargo Scanning | ACXIS | Project | Fact sheet | FP7 | CORDIS | European Commission (europa.eu)

Çalışmada, 2022 yılından itibaren küresel yapay zeka sektörünün büyümesi, istihdam etkisi ve ekonomiye katkısı üzerine bilgiler sunulmuş ve gelecekteki potansiyel etkileri tartışılarak yapay zekanın getirdiği riskler ve düzenlemeye ihtiyaç duyulan alanlar vurgulanmıştır. Algoritmik sapma, şeffaflık eksikliği, veri gizliliği ve güvenliği gibi konular, yapay zekanın sorumluluğu ve etik kullanımı konusunda dikkat çekici problemler olarak ortaya çıkmaktadır. Özel sektör ve kamu tarafından yapılan bazı hatalı uygulamalar, yapay zekanın ayrımcı kararlar alabileceğini ve topluma zarar verebileceğini göstermektedir. Devletlerin yapay zekayı düzenlemesi gerekliliği ve düzenlemelerin dengeli bir şekilde inovasyonu teşvik etmeye ve potansiyel zararları önlemeye yönelik olması ihtiyacı ortaya çıkmaktadır. Örnek olarak, yapay zekanın hayatın farklı alanlarına güçlü bir şekilde girmesi nedeniyle bu konuda öğrencilerin de ödevlerini yapay zeka yardımı olmadan tamamlayabilmeleri için çözümler aranmaktadır. Son olarak, dünya genelinde yapılan yapay zeka düzenlemelerine dair özet bilgilere çalışma kapsamında yer verilmektedir.

Anahtar Kelimeler: AI, yapay zeka, yapay zeka düzenlemeleri, veri gizliliği, algoritmik sapma, inovasyon

GİRİŞ

2022 yılı itibariyle küresel yapay zeka sektörünün 136 milyar dolara ulaştığı tahmin edilmektedir. Önümüzdeki 10 yıl içindeyse 13 katlık bir büyüme öngörülmektedir. 2025 yılında 100 milyona yakın kişinin bu alanda istihdam edileceği tahmin edilirken birçok sektör bu teknolojiyi önemli oranda kullanmaya başlamıştır. Gartner’ın araştırmasına göre her üç tıp uzmanından biri teşhise yardımcı olması için bilgisayar sistemlerini kullanmaktadır. Öte yandan, 2025 yılına gelindiğinde online ve telefona çağrı merkezi hizmetlerinin %95’inin yapay zeka teknolojilerini kullanması beklenmektedir.[1] PWC’nin raporuna göre 2030 yılına kadar yapay zekanın küresel milli geliri %26 artrması ve yaklaşık 16 trilyon dolarlık bir katkı sağlaması öngörülmektedir.[2] UNDP, mevcut yapay zeka önek uygulamalarının halihazırda 17 sosyal gelişme hedefine dokunduğunu ve diyabetin önceden teşhisi gibi uygulamaların 400 milyon diyabet hastanasına yardımcı olabileceğini değerlendirmektedir.[3] MIT araştırmacıları yapay zeka kullanarak Halicin isimli uzun bir süredir üretilen en güçlü antibiyotiği ürettiler.[4] IPSOS’un geçtiğimiz yıl World Economic Forum için yaptığı bir çalışmaya göre insanların %60’ı yapay zeka tabanlı ürün ve hizmetlerin önümüzdeki 3-5 yıl içerisinde hayatlarını ciddi şekilde etkileyeceğini düşünmektedir. 2022 yılında hayatımıza yeni giren yapay zeka uygulamalarını düşündüğümüzde bu oranın artması bizleri şaşırtmayacaktır.

Ancak, madalyonun diğer yüzünde yapay zekaya karşı önemli sayılabilecek bir güven sorunu da olduğu muhakkak. Ankete katılan 20 bin kişinin sadece yarısı yapay zekanın getirdiği faydanın neden olduğu zarardan daha fazla olduğunu düşünmektedir. Yine katılımcıların sadece yarısı yapa zeka şirketlerine diğer şirketler kadar güvendiklerini belirtmiştir.[5]

Yapay zekanın birçok alanda hayatımızı etkileyeceği muhakkak. Ancak, bugün alınan kararlar, atılan adımlar yapay zekanın gelecekte nasıl şekilleneceğini belirleyecektir. Konu gelişmeye devam eden bir teknoloji olduğunda ne yapılması gerektiğine ilişkin tartışmalar kaçınılmaz. Farklı kamu ve özel sektör kurum ve kuruluşları konuya farklı yaklaşımlar sergilemektedir. Teknolojiyi düzenlemek için atılacak adımların inovasyona zarar vereceğini savunanlarla birlikte yapay zekanın kötü amaçlı kullanıma açık taraflarına odaklanan da ciddi bir kesim bulunmaktadır.

Sebebi ne olursa olsun son yıllarda kamu otoriteleri bu alana giderek daha fazla odaklanmaktadır. Rekabet gücünü artırmaktan insan odaklı bir yaklaşımla vatandaşlarının zarar görmesini engellemek isteyenlere kadar farklı motiflerle daha fazla politika belgesi ve düzenleme üretildiğine şahit olmaktayız. Gerçekten de yapay zekanın art niyetli kullanımlar bir yana tam olarak anlaşılmadan yanlış kullanımlarının bile önemli etkileri olabildiğini görmekteyiz. Örneğin, İngiltere’de öğrencilerin notlarını hesaplamak için bir algoritma kullanıldığında öğrencilerin %40’ının öğretmenlerinin verdiğinden daha kötü notlar aldığı görülmüştür.[6]  Başka bir örnekte, Apple’ın kredi kartının kadınlar için daha düşük limitler sunduğu tespit edilmiştir.[7] 

YAPAY ZEKANIN YARATTIĞI RİSKLER

Yapay zekanın düzenlenmesi gerektiğini savunanlar bazı temel noktalarda birleşmektedir. Bunlardan biri algoritmik sapma (algorithmic bias) olarak adlandırılan ve yapay zekanın eğitildiği veri setindeki yanlış varsayım ve sapmalar nedeniyle sistematik bir şekilde belirli gruplara ayrımcı davranmak gibi kararlar alması olarak tanımlayabileceğimiz durumdur. Örneğin, 2019 yılında ABD’de 200 milyondan fazla insan üzerinde hangi hastaların ekstra tıbbi bakıma ihtiyaç duyacağını tahmin etmek için kullanılan bir algoritmanın beyaz hastaları siyah hastalara göre büyük ölçüde tercih ettiği görülmüştür.[8] ProPublica’nın raporuna göre algoritmik sapmanın çok daha ciddi sonuçları da olabilmektedir. Örneğin, ABD’de yargıçlar tarafından sanıkların tutuklanması mı yoksa kefaletle serbest bırakılması mı gerektiğini tahmin etmek için kullanılan COMPAS algoritmasının Afrikalı-Amerikalılara karşı önyargılı olduğu bulunmuştur. Söz konusu algoritma çeşitli değişkenler üzerinden sanığın tekrar suç işleme ihtimalini analiz etmekte olup, Yeniden suç işleme olasılığı eşit olan beyazlarla karşılaştırıldığında, Afrikalı-Amerikalılara daha yüksek bir risk puanı verildiği iddia edilmiştir.[9] Yine kamu tarafında başka bir örnek ABD’de birçok eyalette suç işlenme ihtimalini hesaplayarak polisleri söz konusu bölgelere yönlendiren PredPol isimli algoritmanın gerçek suç oranlarından ziyade polis tarafından kaydedilen raporlardan öğrendiği için belirli etnik gruplara ayrımcılık yapacak şekilde bir “geri bildirim döngüsü” yarattığını göstermiştir.[10]

Özel sektör uygulamalarında da benzer ayrımcı kararların alındığı görülmektedir. Örneğin, Amazon 2015 yılında çalışanları işe almak için kullandıkları algoritmanın kadınlara karşı önyargılı olduğunu fark etmiştir. Bunun temel sebebi algoritmayı eğitmek için kullanılan 10 yıllık dönemde başvuran adayların çoğunun erkek olması nedeniyle, algoritmanın erkekleri kadınlara tercih edecek şekilde eğitilmiş olmasıdır.[11] Daha detaylı açıklanacak olursa algoritma özgeçmişteki kelimeleri dikkate alarak başvuranların uygunluğunu ağırlıklı olarak erkek mühendislik departmanlarıyla karşılaştırdı ve metinde kadın kelimesi geçmesi ya da kadın kolejlerinden mezun olan adaylar olması durumunda bu özgeçmişlere daha düşük puanlar vermiştir.[12]

Şüphesiz yapay zekayla ilgili riskler bununla sınırlı değildir. Diğer önemli bir konu birçok algoritmanın “kapalı kutu” olarak çalışması ve aldığı kararların hangi gerekçelere dayandığının şeffaf bir şekilde ortaya koyamamasıdır. Diğer önemli bir konu ise yapay zeka algoritmalarının başarısının artmasının temel sebeplerinden olan ve 2025 yılında 175 trilyon gigyabayta erişmesi öngörülen küresel verilerin toplanma ve işlenme şekilleridir. Kişisel verilerimizin izinsiz ve art niyetli kullanımına ilişkin haklı olarak artan çekince ve taleplerimiz kaçınılmaz olarak bu alandaki düzenlemeleri tetiklemektedir. Tabi bir de yasal sorumluluk gibi yaklaşmakta olan başka riskler var. Örneğin, 2018 yılında bir otonom araç bir yayayı öldürdüğünde aracın içindeki yedek şöforün dikkatsiz davrandığı ve suçlu olduğu sonucuna varılmıştı.[13] Yapay zekanın insan gözetimi olmadan giderek daha çok karar aldığı bir dünyaya doğru giderken burada detaylarına girmeyeceğimiz algoritmik kişilik (algorithmic entity) gibi kavramların hukuk alanında önemli reformlara ihtiyaç duyulacağını göstermektedir.

Yukarıda sayılan riskler devletlerin bu alandaki düzenleme isteğini artırmaktadır. Bu alandaki düzenlemeler yapay zeka sistemlerinin sorumlu bir şekilde geliştirilmesini ve kullanılmasını sağlamaya yardımcı olabilir ve bazı risklerin azaltılmasına yardımcı olabilir. Hükümetler, yapay zekanın geliştirilmesi ve kullanılması için standartlar belirlemek, veri gizliliği ve güvenliği için yönergeler oluşturmak ve yapay zeka sistemlerinin şeffaf ve hesap verebilir olmasını sağlamak için düzenlemeleri kullanabilir. Öte yandan, aşırı düzenleme inovasyonu engelleyebilir ve yapay zekanın gelişimini ve dağıtımını yavaşlatabilir. Hızla gelişen teknolojiye ayak uyduracak kadar esnek düzenlemeler oluşturmak da zor olabilir. Genel olarak, inovasyonu teşvik etmekle toplumu potansiyel zararlardan korumak arasında bir denge kurmak önemlidir.

Yukarıdaki paragrafın ChatGPT’ye sorduğum “Sence devlet yapay zekayı düzenlemeli mi?” sorusunun cevabı olduğu ve birçok ülkede öğrencilerin ödevlerini yapay zeka yardımı olmadan yaptıklarını tespit etmek için uygulamalar aradıkları düşünüldüğünde yapay zekanın hayatın her alanına ne denlü güçlü bir şekilde girmeye başladığını daha iyi anlayabiliriz bence. Aşağıda Ocak 2023 itibariyle dünyada seçili ülkelerdeki yapay zeka düzenlemeleri özetlenmektedir.

DÜNYADA YAPAY ZEKA POLİTİKALARI VE DÜZENLEMELERİ

• ABD

ABD’de eyaletler bazında farklı düzenlemeler bulunmakla birlikte ulusal düzeyde henüz yapay zekayla ilgili adımları atacak yapıları oluşturmaya odaklanmaktadır.[14] Ocak 2021’de yürürlüğe giren Ulusal Yapay Zeka Girişimi Yasası[15] federal hükümet ve ulusal bir ağı içeren bir networkun yapay zeka araştırma ve politikalarını koordine etmek için bir çerçeve çizmektedir.[16] Söz konusu yasa, yapay zeka alanında arge çalışmaları ve yatırımların artırılması, veri ve işletim gücüne erişimi geliştirecek altyapı çalışmalarının gerçekleştirilmesi, bu alandaki işgücü kalite ve nüfusunun artırılması, ulusal işbirliklerinin geliştirilmesi ve güvenilir yapay zeka için standartlar ve politikaların oluşturulmasına dayanmaktadır.[17] Söz konusu yasa bu amaçlar doğrultusunda çalışacak ofis ve görev güçlerini belirtmektedir. İlk olarak Ocak 2021’de Ulusal Yapay Zeka Girişimi Ofisi kurularak yasayla ilgili çalışmaları koordine etmekle görevlendirilmiştir. Temmuz 2021’de kurulan Ulusal Yapay Zeka (AI) Araştırma Kaynak Görev Gücü ise yapay zeka alanında ulusal bir inovasyon kapasitesi için kritik kaynaklara ve eğitim araçlarına erişimi genişletmek için yol haritasını hazırlamakla görevlendirilmiştir.[18] Nisan 2022’de kurulan Ulusal Yapay Zeka Danışma Komitesinin görevi Başkan’a ve Ulusal Yapay Zeka Girişimi Ofisine bu yasanın amaçları kapsamında danışmanlık yapmaktır.[19] ABD örneğinde birçok kamu kurumunun bu alanda yürütülen çalışmalarda koordineli çalışmasının amaçlandığı görülmektedir. Nitekim, Bilim ve Teknoloji Politikası Ofisi (OSTP), Ulusal Bilim ve Teknoloji Konseyi, Enerji Bakanlığı (DOE), Ulusal Bilim Vakfı (NSF) ve Ulusal Standartlar ve Teknoloji Enstitüsü (NIST )gibi kurumlara doğrudan görevler verilirken birçok kurum ile koordine halinde bulunulması öngörülmüştür.[20]

Öte yandan, bu alanda ciddi etkileri olabileceği değerlendirilen Algoritmik Sorumluluk Yasası[21], ilk kez 2019’da hazırlanmış ve değişikliklerle 2022’de tekrar suınulmuştur. Söz konusu yasa, mevcut haliyle yıllık cirosu 50 milyon doların ya da kontrol ettiği kişisel bilgi sayısı 1 milyonun üzerinde olan firmaları regüle edecektir. Yasa, şirketlerin verilen toplanmasından geliştirme sürecine yapay zeka sürecinin tamamına ilişkin değerlendirmeler yapmalarını zorunlu kılmaktadır.[22]

ABD’de bekleyen önemli diğer bir düzenleme Yapay Zekanın Geleceği Yasası’dır.[23] Söz konusu yasa bir yandan yapay zekanın toplumsal etkilerini yönetmek ve güvenilir yapay zeka uygulamaları desteklemek bir yandan da ABD’nin bu alandaki rekabetçiliğini artırmak ve uygun bir yatırım ortamı hazırlamak gibi amaçlara sahiptir.[24] Benzer şekilde Kasım 2022’de Yapay Zeka Haklar Beyannamesi[25] Beyaz Saray Bilim ve Teknoloji Politikası Ofisi (OSTP) tarafından kamuyoyula paylaşılmış olup, şeffaf ve güvenilir otonom kararların alınabilmesine ilişkin temel prensipler, kaynaklar ve en iyi uygulamaları içeren bir çerçeve çizmektedir.[26]

Federal seviyede Federal Ticaret Komisyonu (FTC) ve NIST yapay zeka kullanımına ilişkin çeşitli prensipler yayınlamış olup, FTC yeni mevzuat çalışmalarını tamamlamadan da mevcut yetkileri çerçevesinde yapay zekaya ilişkin bazı düzenlemeleri yürürlüğe koymuştur.[27]

Federal seviyede yürüyen çalışmaların yanı sıra eyalet bazında ve sektör özelinde de birçok yapay zeka düzenlemesi bulunmaktadır. Bunların arasında 2017’de New York Algoritma İzleme Görev Gücü’nü[28] kuran algoritmik sorumluluk yasası, 2018’de Kaliforniya’da hazırlanan 23 maddelik yapay zeka prensipleri ve kişisel verilen kullanımına ilişkin çıkarılan Kaliforniya Tüketici Gizliliği Yasası, 2018’de Vermont ve Washington’da kurulan yapay zeka görev güçleri ve yüz tanıma gibi daha özel alanlarda San Francisco ve Massachusetts gibi eyaletlerde getirilen yasaklar sayılabilmektedir.[29] Sektörel ve konu bazlı uygulamalar incelendiğinde ön plana çıkan alanlardan birisi işe alım süreçleridir. New York’ta istihdam süreçlerinde kullanılan araçlara ilişkin yasanın 2023’te çıkması beklenirken[30] Adalet Bakanlığı bu alandaki prensipleri yayınlamıştır.[31]

• Çin

Çin’de yapay zeka politikaları 2017 yılında yayımlanan ulusal stratejisi sonrasında hızlanmakla birlikte Çin Yapay Zeka Derneği[32], 1981 yılında Sivil İşler Bakanalığı altında kurulmuştur. 2000 yılından sonra Bilim ve Teknoloji Bakanlığı başta olmak üzere birçok ulusal ve yerel kurum bu alandaki desteklerini artırmıştır. 2017 yılını özel kılan, yapay zeka ve robotik alanlarına yapılan vurgunun iyice belirginleşmesi ve yapay zekada 2030 yılı itibariyle dünya liderliğini amaçlayan iddialı bir plan hazırlanmasıdır.[33] Yapay zekayla alanındaki bu kırılmanın 2016’de Google’ın DeepMind algoritmasının Güney Koreli rakibini AlphaGo oyununda yenmesiyle ilgili olduğunu belirten birçok kaynak da bulunmaktadır.[34]

Çin’de ulusal düzeyde bir yapay zeka düzenlemesi henüz hazırlanmamış olmakla birlikte, 2021-2025 dönemini kapsayan 14. Kalkınma planı içerisinde bu konuda hedefler bulunmaktadır.[35] Öte yandan, birçok kamu kurumu yayınladıkları tavsiye metinleri yayınlamıştır. 2018 yılında Çin Elektrik Standartları Enstitüsü’nün “Yapay Zeka Standartları Belgesi”, 2019 yılında “Platform Ekonomisini Teşvik Etmek” başlıklı prensipler, 2019 yılında Pekin Yapay Zeka Akademisi’nin  “Pekin Yapay Zeka Presnsipleri” başta olmak üzere birçok dokümandan söz edilebilmektedir.[36] Çin Bilgi ve İletişim Teknolojileri Akademisi (CAICT)[37] ile Bilim ve Sanayi Bakanlığı güvenilir yapay zeka ve etik üzerinde 2018, 2021 ve 2022 yıllarında çeşitli rehberler hazırlamıştır.[38] Bilim ve Sanayi Bakanlığı tarafından 2019 yılından beri kurulan birçok Yapay Zeka Pilot Bölgeleri ise özel sektörü teşvik etmenin yanı sıra yerel yönetimlere mevzuat ve kurumsal mekanizmalar anlamında çeşitli özgürlükler tanıması açısından da önemlidir.[39]

Yapay zekayla ilgili en somut düzenleme Mart 2022’de Çin Siber Uzay İdaresi tarafından yürürlüğe giren “İnternet Bilgi Hizmeti Algoritması Öneri Yönetimi Yönetmelikleri” olup, söz konusu yönetmelikle kullanıcılara yapay zeka algoritmalarıyla bir tavsiyede bulunulduğunda şirketlerin bunu kullanacılara açık bir şekilde belirtmeleri ve kullanıcılara hedeflenmekten çıkma (opt-out) imkanı getirmiştir.[40] Ayrıca, henüz yürürlüğe girmemiş olmakla birlikte, taslak Yol Trafiği Güvenliği yasasında otonom araçlara ilişkin hükümler yer almaktadır.[41]

• AB

Avrupa Birliği, geniş kapsamlı bir yapay zeka düzenlemesi hazırlayan ilk önemli oyuncu olmuştur. 2018 yılında somut bir şekil alan çalışmalar Nisan 2021’de hazırlanan ilk yasal düzenlemeyi meydan getirmiştir.

AB’nin yapay zekaya yaklaşımı birçok ülkeye benzer şekilde hem bu alandaki rekabetçiliği desteklemeyi hem de yapay zeka uygulamalarının insan odaklı ve güvenilir olmasını içermektedir.[42] 2018 yılında Yapay Zeka Uzman Grubu ve Avrupa Yapay Zeka İttifakı kurularak bu alanda yapılacak çalışmaların geniş bir koordinasyon içerisinde yürütülmesi amaçlanmıştır. Seçilen uzmanların çalışmaları ve gerçekleştirilen birçok görüşme sonrasında güvenilir yapay zeka için etik tavsiyeler ve güvenilir yapay zeka için politika ve yatırım tavsiyeleri gibi[43] ilk dokümanlar oluşmaya başlamıştır. Aralık 2018’de Yapay Zeka Alanında Koordineli Plan bu alanda ortak yatırımların artırılması, önemli bir girdi olan veriye ilişkin işbirliği yapılması, gerekli insan kaynağının yetiştirilmesi ve etik standartların geliştirilmesi gibi amaçlar için bir yol haritası niteliğindedir.[44] 2020 yılında Komisyon ilk beyaz kitabını yayınlamıştır. Söz konusu belge “mükemmeliyet ekosistemi” ve “güven ekosistemi” başlıkları altında hem rekabetçilik hem de yasal düzenlemelere ilişkin prensiplerini paylaşmıştır.[45]

Nisan 2021’e gelindiğinde ise Komisyon tarafından ilk taslak yapay zeka düzenlemesi yayınlanmıştır. Avrupa Konseyi, taslak ile ilgili ortak tutumunu 6 Aralık 2022’de açıklamıştır.[46] Parlamento tarafında oylamanın Mart 2023’te gerçekleştirilmesi planlanmaktadır. Parlamentonun onay vermesinin ardından Üçleme (Trilogue)[47] isimli gayri resmi müzakere sürecinin Nisan ayında başlaması öngörülmektedir.[48]

Taslak kanun, risk bazlı bir yaklaşım benimsemekte olup, “minimum ya da risksiz” den “kabul edilemez riske” kadar 4 farklı risk seviyesi tanımlamaktadır. İnsanların sağlık, güvenlik ya da haklarına ilişkin risk yaratan uygumalar kabul edilemez olarak tanımlanmakta olup,  bu tür uygulamalar yasaklanmaktadır. Örnek olarak, kamu otoriteleri tarafından sosyal puanlama amaçlı sistemler, gerçek zamanlı yüz tanıma sistemleri gibi uygulamalar verilmektedir. Yüksek risk barındıran uygulamalar ise (kritik önemdeki altyapıların güvenliğini yöneten sistemler, işe alım, terfi ve işten çıkarma kararı veren sistemler vb. ) piyasaya sürülmeden önce izne tabi tutulacaktır. Limitli risk grubundaki uygulamalar belirli şeffaflık kriterlerini yerine getirecektir. Örneğin, kullanıcılara yapay zeka tabanlı bir chatbot ile iletişim oldukları bilgisi verilmelidir. En düşük risk grubunda ise herhangi bir aksiyon alınmasına gerek olmayıp, yapay zekalı video oyunları ya da spam filtreleri bu gruba dahil edilmiştir.[49]

Söz konusu kanun AB’nin yapay zeka alanında yürürlüğe koyacağı en kapsamlı düzenleme olacaktır. Bununla birlikte, yürürlükte olan Genel Veri Koruma Yönetmeliği (GDPR)’in bazı temel prensipleri yapay zeka tabanlı uygulamalar için çeşitli yükümlülükler doğurmaktadır. Örneğin, şeffaflık prensibi gereği yapay zekayla işlenen verilere ilişkin kullanıcılara bilgi verilmesi ve izin alınması gerekmektedir. Ayrıca, alınan kararların açıklanabilir olması da gerekmektedir.[50] Özellikle 22. Madde açıkça otomatik karar alma mekanizmalarına ilişkin kurallar içermektedir.[51]

• İngiltere

10 yıllık Ulusal Yapay Zeka Planını açıklayan İngiltere’de henüz bir yasal düzenleme bulunmamaktadır. Bununla birlikte, İngiltere gerek konu bazlı yaptığı dar kapsamlı düzenlemeler gerekse yayımladığı dokümanlarla bu alanda aktif bir duruş sergilemektedir. Örneğin, Verinin Korunması Yasası, otonom karar mekanizmalarına ve verilerin işlenmesine dair somut maddeler içermektedir. Benzer şekilde, hazırlanmakta olan Sanal Güvenlik Yasası da algoritmaların tasarım ve kullanımına dair düzenlemeler getirmektedir. İlaç ve Sağlık Ürünleri Düzenleyici Kurumu ve Bilgi Komiserlik Ofisi (ICO) gibi kurumlar kendi alanlarına ilişki çeşitli prensip ve programlar yayımlamıştır.[52]

Kamuda oluşturulan en somut yapı iki farklı bakanlığın ortak kurduğu Yapay Zeka Ofisi olup, hazırlanan Ulusal Yapay Zeka planının işleyişinden sorumludur.[53] 2021 sonrasında hazırlanan Yapay Zeka Yol Haritası, oluşturulan Yapay Zeka Konseyi gibi yapılar bu alandaki çalışmaları canlı tutmaktadır.[54]

Temmuz 2022 yılında yayımlanan politika çerçeve belgesinde yapay zeka alanında yapılacak yasal düzenlemelere ilişkin esaslar açıklanmıştır. Söz konusu çerçevenin en önemli özelliklerinden birisi AB’nin aksine sektörler üstü bir düzenleme öngörmemesidir. Her alanda mevcut düzenleyici kurumların kendi alanlarındaki tecrübelerini yapay zekayla ilgili düzenlemelere de aktaracakları öngörülmüştür. Öte yandan, regülatörlerin risk bazlı bir değerlendirme yapmaları istenirken kullanımı yasaklanan uygulamalar yer almamaktadır.[55] Çerçeve dokümanın odaklandığı temel konular uygulamaların adil, güvenli, açıklanabilir ve şeffaf olması ve belirli gerçek kişilerin sorumluluk almaları gibi konulardır.[56]

• Singapur

Singapur’da da genel bir yapay zeka düzenlemesi bulunmamaktadır. Kişisel Verilerin Korunması Kurumu (PDPA) 2019 yılında yayımladığı Model Yapay Zeka Yönetim Çerçevesi ile özel sektöre bu konuda tavsiye niteliğinde prensipler açıklamıştır. 2020 yılında ise bu belgenin ikinci versiyonu yayımlanmıştır. 2022 yılında PDPA ile Infocomm Medya Geliştirme Kurumu (IMDA) ile birlikte oluşturdukları platform üzerinden şirketlerin kendi değerlendirmeleri yapabilmelerine imkan sağlamıştır.[57]

• Kanada

Kanada, AB’de olduğu gibi geniş bir kapsamlı bir düzenleme üzerinde çalışmaktadır. Bill C-27 olarak da bilinen Şart Uygulama Yasası, 2022[58] altında yer alan üç kanundan birisi Yapay Zeka ve Veri Yasası (AIDA)’dır. Bu üçlü yasayla kişisel verilerin ve tüketicilerin korunması ve yapay zeka konusu bir çerçeve içerisinde birlikte ele alınmaktadır.[59] Kanunun parlamentodaki yasalaşma süreci devam etmektedir. AIDA, yapay zeka sistemlerinin tasarımı ve oluşturulması sırasında verilerin nasıl kullanılabileceğine dair anonimleştirme vb kısıt ve kural getirmektedir. AB örneğinde olduğu gibi bir yapay zeka sistemleri önem ve etkilerine göre bir sınıflandırmaya tabi tutulmakta olup, “yüksek etkili” sistemler için sistem detaylarının kamuoyuyla paylaşılması ve risk değerlendirmesi yapılması gibi ek yükümlülükler tanımlanmaktadır.[60] AIDA kapsamında İnovasyon, Bilim ve Sanayi Bakanlığı altında Yapay Zeka ve Veri Komiseri pozisyonu da yaratılmakta olup, şirketlerin yasaya uyumundan diğer düzenleyicilerle ilişkilere kadar farklı alanlarda Bakanlığa yardımcı olması amaçlanmaktadır.[61]

• Avustralya

Haziran 2021’de aksiyon planını açıklayan Avustralya’da yapay zeka düzenlemeleri konusunda gönüllülük esaslı prensipler belirlenmesi üzerinden yürüyen yumuşak bir yaklaşım bulunmaktadır. Sanayi, Bilim, Enerji ve Kaynaklar Bakamlığı, yapay zeka alanında koordinasyonu sağlayan temek kurum olarak Yapay Zeka Etik Prensiplerini yayımlamıştır.[62]

GENEL DEĞERLENDİRME

Seçilen ülkelerin yapay zeka konusuna yaklaşımlarında ortak noktalardan birisi rekabetçilik ve vatandaşların korunması şeklindeki iki temel amaca odaklanmalarıdır. Bu doğrultuda, oluşturulan ulusal stratejiler ve yol haritaları kurumsal yapının oluşturulması ve özel sektörün teşviki için mekanizmalar içerirken, hazırlanan dar ya da geniş kapsamlı düzenleme ve tavsiye niteliğindeki raporlar şeffaf, güvenli ve açıklanabilir yapay zeka uygulamaları için yükümlülük ve prensipler ortaya koymaktadır. Diğer bir ortak nokta olarak, bu makalede detayına girilmemiş olmakla birlikte, yapay zekaya ilişkin bir çok düzenlemenin önce verilerin korunması amaçlı mevzuat içerisinde yer almasıdır. Bu nedenle, doğrudan yapay zeka düzenlemesi olmayan birçok ülkede verilerin toplanması ve kullanılmasına ilişkin kurallar içerisinde otonom karar vericileri etkileyen maddeler yer almaktadır. Yine ayrı bir makale konusu olan, düzenleyici kum havuzları[63] kullanımının da giderek yaygınlaştığı görülmektedir.

Düzenlemelerin kapsamına ilişkin bir karşılaştırma yapıldığında, AB’deki Yapay Zeka Yasası, ABD’deki Algoritmik Sorumluluk Yasası ve Kanada’daki AIDA’nın yapay zekaya ilişkin yatay ve geniş kurallar içerdiği görülmekle birlikte, söz konusu taslak mevzuatlar henüz yasalaşmamıştır. İngiltere, Çin, Singapur ve Avustrayla örnekleri daha yumuşak prensip ve tavsiye kararlarının hazırlandığı ve düzenlemelerin sektör bazlı yapıldığı uygulamalardır.

2023 yılında AB’deki Yapay Zeka Yasası’nın son haline gelmesi ve 2024 yılında yürürlüğe girmesi ihtimali Brüksel Etkisi’yle diğer bazı ülkelerde de benzer düzenlemeleri de olası kılmaktadır. Ayrıca, ABD ve Çin gibi ülkelerde de uluslararası rekabetçiliğin ön plana çıkmasının bir süre de bu alandaki düzenlemelerin ağırdan alınmasına sebep olabileceği değerlendirilmektedir.

Yapay zeka gibi küresel etkileri olan bir konuda uluslararası koordinasyon ve işbirliklerinin arttığı görülmektedir. Nitekim, birçok OECD tarafından oluşturulan prensipleri İngiltere örneğinde olduğu gibi kendi mevzuatları açısından yol gösterici olarak görmektedir. Benzer şekilde, ilk olarak 2018 yılındaki G8 zirvesinde açıklanan Yapay Zeka Küresel İşbirliği girişiminin 15 üyesi bulunmakta olup, bu çatı altında alınacak kararların ulusal stratejileri etkilemesi de kaçınılmazdır.

Son olarak, bu makale ülkelerin düzenlemelerine odaklanmış olup, yapay zeka konusunda rekabet gücü farklı bir çalışmanın konusudur.

KAYNAKÇA

5 charts that show what people around the world think about ai (no date) World Economic Forum. Available at: https://www.weforum.org/agenda/2022/01/artificial-intelligence-ai-technology-trust-survey/ (Accessed: January 27, 2023).

Anne Trafton | MIT News Office (no date) Artificial intelligence yields new antibiotic, MIT News | Massachusetts Institute of Technology. Available at: https://news.mit.edu/2020/artificial-intelligence-identifies-new-antibiotic-0220 (Accessed: January 27, 2023).

“AI Regulation: Where Do China, the EU, and the U.S. Stand Today?: Foley & Lardner LLP.” Blogs | Innovative Technology Insights | Foley & Lardner LLP, https://www.foley.com/en/insights/publications/2022/08/ai-regulation-where-china-eu-us-stand-today.

“Artificial Intelligence Act: Council Calls for Promoting Safe AI That Respects Fundamental Rights.” Council of the EU, Council of the EU, 6 Dec. 2022, https://www.consilium.europa.eu/en/press/press-releases/2022/12/06/artificial-intelligence-act-council-calls-for-promoting-safe-ai-that-respects-fundamental-rights/?utm_source=dsms-auto&utm_medium=email&utm_campaign=Artificial%2BIntelligence%2BAct%3A%2BCouncil%2Bcalls%2Bfor%2Bpromoting%2Bsafe%2BAI%2Bthat%2Brespects%2Bfundamental%2Brights

“Artificial Intelligence Work Group Project Australia.” Artificial Intelligence Work Group Project Australia | G+T, https://www.gtlaw.com.au/knowledge/artificial-intelligence-work-group-project-australia.

Adams, R. and Weale, S. (2020) A-level results: Almost 40% of teacher assessments in England downgraded, The Guardian. Guardian News and Media. Available at: https://www.theguardian.com/education/2020/aug/13/almost-40-of-english-students-have-a-level-results-downgraded (Accessed: January 27, 2023).

Apple’s ‘sexist’ credit card investigated by US Regulator (2019) BBC News. BBC. Available at: https://www.bbc.com/news/business-50365609 (Accessed: January 27, 2023).

Canada, Government of. “Bill C-27 Summary: Digital Charter Implementation Act, 2022.” Government of Canada, 18 Aug. 2022, https://ised-isde.canada.ca/site/innovation-better-canada/en/canadas-digital-charter/bill-summary-digital-charter-implementation-act-2020.

Cossins, D. (2018) Discriminating algorithms: 5 times AI showed prejudice, New Scientist. New Scientist. Available at: https://www.newscientist.com/article/2166207-discriminating-algorithms-5-times-ai-showed-prejudice/ (Accessed: February 1, 2023).

“Establishing a pro-Innovation Approach to Regulating AI.” GOV.UK, https://www.gov.uk/government/publications/establishing-a-pro-innovation-approach-to-regulating-ai/establishing-a-pro-innovation-approach-to-regulating-ai-policy-statement.

Freda. “Privacy Reform Is on the Table Once More: Canada Introduces the Digital Charter Implementation Act, 2022.” McMillan LLP, 23 June 2022, https://mcmillan.ca/insights/privacy-reform-is-on-the-table-once-more-canada-introduces-the-digital-charter-implementation-act-2022/.

“GDPR and AI: Friends, Foes or Something in between?” SAS, https://www.sas.com/en_us/insights/articles/data-management/gdpr-and-ai–friends–foes-or-something-in-between-.html.

“Government Proposals for UK AI Regulation.” The UK’s Technology Trade Association, https://www.techuk.org/resource/government-proposals-for-uk-ai-regulation.html.

“High-Level Expert Group on Artificial Intelligence.” Shaping Europe’s Digital Future, https://digital-strategy.ec.europa.eu/en/policies/expert-group-ai.

H.R.6216 – 116th Congress (2019-2020): National Artificial Intelligence … https://www.congress.gov/bill/116th-congress/house-bill/6216.

Howell, C.T. (2022) Ai regulation: Where do china, the EU, and the U.S. stand today?: Foley & Lardner LLP, Blogs | Innovative Technology Insights | Foley & Lardner LLP. Available at: https://www.foley.com/en/insights/publications/2022/08/ai-regulation-where-china-eu-us-stand-today (Accessed: February 1, 2023).

Howarth, J. (2023) 57+ amazing artificial intelligence statistics (2023), Exploding Topics. Exploding Topics. Available at: https://cutt.ly/W9WaBmK (Accessed: January 27, 2023).

Korobeev et al. (2022) Global atlas of AI Regulation 2022 Edition: Oriental Vector, Publishing House of the Far Eastern Federal University, 2022

LaCasse, Alex. “Canada Introduces New Federal Privacy and AI Legislation.” IAPP, International Association of Privacy Professionals, 16 June 2022, https://iapp.org/news/a/canada-introduces-new-federal-privacy-and-ai-legislation/.

Lee, N.T., Resnick, P. and Barton, G. (2022) Algorithmic bias detection and mitigation: Best practices and policies to reduce consumer harms, Brookings. Brookings. Available at: https://www.brookings.edu/research/algorithmic-bias-detection-and-mitigation-best-practices-and-policies-to-reduce-consumer-harms/ (Accessed: February 1, 2023).

“Member States and Commission to Work Together to Boost Artificial Intelligence ‘Made in Europe.’” European Commission – European Commission, European Commission, https://ec.europa.eu/commission/presscorner/detail/en/IP_18_6689.

McKeown, P. (2021) What are the risks of Artificial Intelligence?, AuditBoard. Available at: https://www.auditboard.com/blog/what-are-risks-artificial-intelligence/ (Accessed: February 1, 2023).

Michael Chui Partner, Rita Chung Fellow and Ashley van Heteren Expert Associate Principal and leader of McKinsey Global Institute’s Nobel Intelligence venture (2019) Using AI to help Achieve Sustainable Development Goals: United Nations Development Programme, UNDP. Available at: https://cutt.ly/H9WaJLE (Accessed: January 27, 2023).

National Artificial Intelligence Initiative Becomes Law in FY2021 NDAA (no date) ASME. Available at: https://www.asme.org/government-relations/capitol-update/national-artificial-intelligence-initiative-becomes-law-in-fy2021-ndaa (Accessed: February 1, 2023).

“The National AI Advisory Committee (NAIAC).” National Artificial Intelligence Initiative, 30 Jan. 2023, https://www.ai.gov/naiac/.

“Office for Artificial Intelligence.” GOV.UK, https://www.gov.uk/government/organisations/office-for-artificial-intelligence.

Office for Artificial Intelligence. “Ai Roadmap.” GOV.UK, GOV.UK, 6 Jan. 2021, https://www.gov.uk/government/publications/ai-roadmap.

“Proposal for EU Artificial Intelligence Act Passes Next Level – Where Do We Stand and What’s next?” Insights | Sidley Austin LLP, https://www.sidley.com/en/insights/newsupdates/2022/12/proposal-for-eu-artificial-intelligence-act-passes-next-level.

PricewaterhouseCoopers (no date) PWC’s Global Artificial Intelligence Study: Sizing the prize, PwC. Available at: https://cutt.ly/P9WaZ4T (Accessed: January 27, 2023).

“Regulatory Framework Proposal on Artificial Intelligence.” Shaping Europe’s Digital Future, https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai.

“White Paper on Artificial Intelligence: A European Approach to Excellence and Trust.” European Commission, https://commission.europa.eu/document/d2ec4039-c5be-423a-81ef-b9e44e79825b_en.

Shin, T. (2020) Real-life examples of discriminating artificial intelligence, Medium. Towards Data Science. Available at: https://towardsdatascience.com/real-life-examples-of-discriminating-artificial-intelligence-cae395a90070 (Accessed: February 1, 2023).

“Regulatory Framework Proposal on Artificial Intelligence.” Shaping Europe’s Digital Future, European Commission, https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai.

“PDPC: Singapore’s Approach to AI Governance.” Personal Data Protection Commission, https://www.pdpc.gov.sg/help-and-resources/2020/01/model-ai-governance-framework.

Strategic pillars (2021) National Artificial Intelligence Initiative. National Artificial Intelligence Initiative Office . Available at: https://www.ai.gov/strategic-pillars/ (Accessed: February 1, 2023).

The United States Government. (2021, June 10). The Biden Administration launches the National Artificial Intelligence Research Resource Task Force. The White House. Retrieved February 1, 2023, from https://www.whitehouse.gov/ostp/news-updates/2021/06/10/the-biden-administration-launches-the-national-artificial-intelligence-research-resource-task-force/

“UK Government Proposes a New Approach to Regulating Artificial Intelligence (AI): Perspectives & Events: Mayer Brown.” Perspectives & Events | Mayer Brown, https://www.mayerbrown.com/en/perspectives-events/publications/2022/08/uk-government-proposes-a-new-approach-to-regulating-artificial-intelligence-ai.

Visier. “What the GDPR Shows Us about the Future of AI Regulation.” Visier, https://www.visier.com/blog/what-the-gdpr-shows-us-about-the-future-of-ai-regulation/.

[1] Howarth, J. (2023) 57+ amazing artificial intelligence statistics (2023), Exploding Topics. Exploding Topics. Available at: https://cutt.ly/W9WaBmK (Accessed: January 27, 2023).

[2] PricewaterhouseCoopers (no date) PWC’s Global Artificial Intelligence Study: Sizing the prize, PwC. Available at: https://cutt.ly/P9WaZ4T (Accessed: January 27, 2023).

[3] Michael Chui Partner, Rita Chung Fellow and Ashley van Heteren Expert Associate Principal and leader of McKinsey Global Institute’s Nobel Intelligence venture (2019) Using AI to help Achieve Sustainable Development Goals: United Nations Development Programme, UNDP. Available at: https://cutt.ly/H9WaJLE (Accessed: January 27, 2023).

[4] Anne Trafton | MIT News Office (no date) Artificial intelligence yields new antibiotic, MIT News | Massachusetts Institute of Technology. Available at: https://news.mit.edu/2020/artificial-intelligence-identifies-new-antibiotic-0220 (Accessed: January 27, 2023).

[5] 5 charts that show what people around the world think about ai (no date) World Economic Forum. Available at: https://www.weforum.org/agenda/2022/01/artificial-intelligence-ai-technology-trust-survey/ (Accessed: January 27, 2023).

[6] Adams, R. and Weale, S. (2020) A-level results: Almost 40% of teacher assessments in England downgraded, The    Guardian. Guardian News and Media. Available at: https://www.theguardian.com/education/2020/aug/13/almost-40-of-english-students-have-a-level-results-downgraded (Accessed: January 27, 2023).

[7] Apple’s ‘sexist’ credit card investigated by US Regulator (2019) BBC News. BBC. Available at: https://www.bbc.com/news/business-50365609 (Accessed: January 27, 2023).

[8] Shin, T. (2020) Real-life examples of discriminating artificial intelligence, Medium. Towards Data Science. Available at: https://towardsdatascience.com/real-life-examples-of-discriminating-artificial-intelligence-cae395a90070 (Accessed: February 1, 2023).

[9] Shin, T. (2020)

[10] Cossins, D. (2018) Discriminating algorithms: 5 times AI showed prejudice, New Scientist. New Scientist. Available at: https://www.newscientist.com/article/2166207-discriminating-algorithms-5-times-ai-showed-prejudice/ (Accessed: February 1, 2023).

[11] Shin, T. (2020)

[12] Lee, N.T., Resnick, P. and Barton, G. (2022) Algorithmic bias detection and mitigation: Best practices and policies to reduce consumer harms, Brookings. Brookings. Available at: https://www.brookings.edu/research/algorithmic-bias-detection-and-mitigation-best-practices-and-policies-to-reduce-consumer-harms/ (Accessed: February 1, 2023).

[13] McKeown, P. (2021) What are the risks of Artificial Intelligence?, AuditBoard. Available at: https://www.auditboard.com/blog/what-are-risks-artificial-intelligence/ (Accessed: February 1, 2023).

[14] Howell, C.T. (2022) Ai regulation: Where do china, the EU, and the U.S. stand today?: Foley & Lardner LLP, Blogs | Innovative Technology Insights | Foley & Lardner LLP. Available at: https://www.foley.com/en/insights/publications/2022/08/ai-regulation-where-china-eu-us-stand-today (Accessed: February 1, 2023).

[15] Artificial Intelligence Initiative Act

[16] National Artificial Intelligence Initiative Becomes Law in FY2021 NDAA (no date) ASME. Available at: https://www.asme.org/government-relations/capitol-update/national-artificial-intelligence-initiative-becomes-law-in-fy2021-ndaa (Accessed: February 1, 2023).

[17] Strategic pillars (2021) National Artificial Intelligence Initiative. National Artificial Intelligence Initiative Office . Available at: https://www.ai.gov/strategic-pillars/ (Accessed: February 1, 2023).

[18] The United States Government. (2021, June 10). The Biden Administration launches the National Artificial Intelligence Research Resource Task Force. The White House. Retrieved February 1, 2023, from https://www.whitehouse.gov/ostp/news-updates/2021/06/10/the-biden-administration-launches-the-national-artificial-intelligence-research-resource-task-force/

[19] “The National AI Advisory Committee (NAIAC).” National Artificial Intelligence Initiative, 30 Jan. 2023, https://www.ai.gov/naiac/.

[20] H.R.6216 – 116th Congress (2019-2020): National Artificial Intelligence … https://www.congress.gov/bill/116th-congress/house-bill/6216.

[21] Algorithmic Accountability Act

[22] Larsen, B. C. (2022). Governing Artificial Intelligence: Lessons from the United States and China. Copenhagen Business School [Phd]. PhD Series No. 29.2022

[23] The Future of Artificial Intelligence Act

[24] The FUTURE of AI Act. https://www.foreign.senate.gov/imo/media/doc/DAV21598%20-%20Strategic%20Competition%20Act%20of%202021.pdf.

[25] AI Bill of Rights

[26] Wheeler, Russell, and Daniel L. Byman. “Unpacking the White House Blueprint for an AI Bill of Rights.” Brookings, Brookings, 13 Dec. 2022, https://www.brookings.edu/events/unpacking-the-white-house-blueprint-for-an-ai-bill-of-rights/#:~:text=In%20October%2C%20the%20White%20House,automated%2C%20or%20artificial%20intelligence%20systems.

[27] “AI Regulation in the U.S.: What’s Coming, and What Companies Need to Do in 2023.” JD Supra, https://www.jdsupra.com/legalnews/ai-regulation-in-the-u-s-what-s-coming-6467203/.

[28] New York Algorithm Monitoring Task Force

[29] Larsen, Benjamin Cedric. “Governing Artificial Intelligence: Lessons from the United States and China.” CBS Research Portal, Copenhagen Business School [Phd], 21 Sept. 2022, https://research.cbs.dk/en/publications/governing-artificial-intelligence-lessons-from-the-united-states-.

[30] “New York City Postpones Enforcement of Law Regulating AI Employment Tools.” JD Supra, https://www.jdsupra.com/legalnews/new-york-city-postpones-enforcement-of-1737511/#:~:text=New%20York%20City%20employers%20who,effect%20on%20January%201%2C%202023.

[31] “AI Regulation in the U.S.: What’s Coming, and What Companies Need to Do in 2023”

[32] The Chinese Association for Artificial Intelligence (CAAI)

[33] Larsen, B. C. (2022). Governing Artificial Intelligence: Lessons from the United States and China. Copenhagen Business School [Phd]. PhD Series No. 29.2022

[34] Roberts, Huw, et al. “The Chinese Approach to Artificial Intelligence: An Analysis of Policy, Ethics, and Regulation – AI & Society.” SpringerLink, Springer London, 17 June 2020, https://link.springer.com/article/10.1007/s00146-020-00992-2.

[35] Korobeev et al. (2022) Global atlas of AI Regulation 2022 Edition: Oriental Vector, Publishing House of the Far Eastern Federal University, 2022

[36] Korobeev et al. (2022)

[37] the China Academy of Information and Communications Technology (CAICT)

[38] “AI Regulation: Where Do China, the EU, and the U.S. Stand Today?: Foley & Lardner LLP.” Blogs | Innovative Technology Insights | Foley & Lardner LLP, https://www.foley.com/en/insights/publications/2022/08/ai-regulation-where-china-eu-us-stand-today.

[39] Korobeev et al. (2022)

[40] “Ai Regulation: Where Do China, the EU, and the U.S. Stand Today?: Foley & Lardner LLP.” Blogs | Innovative Technology Insights | Foley & Lardner LLP, https://www.foley.com/en/insights/publications/2022/08/ai-regulation-where-china-eu-us-stand-today.

[41] Korobeev et al. (2022)

[42] “Regulatory Framework Proposal on Artificial Intelligence.” Shaping Europe’s Digital Future, https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai.

[43] “High-Level Expert Group on Artificial Intelligence.” Shaping Europe’s Digital Future, https://digital-strategy.ec.europa.eu/en/policies/expert-group-ai.

[44] “Member States and Commission to Work Together to Boost Artificial Intelligence ‘Made in Europe.’” European Commission – European Commission, European Commission, https://ec.europa.eu/commission/presscorner/detail/en/IP_18_6689.

[45] “White Paper on Artificial Intelligence: A European Approach to Excellence and Trust.” European Commission, https://commission.europa.eu/document/d2ec4039-c5be-423a-81ef-b9e44e79825b_en.

[46] “Artificial Intelligence Act: Council Calls for Promoting Safe AI That Respects Fundamental Rights.” Council of the EU, Council of the EU, 6 Dec. 2022, https://www.consilium.europa.eu/en/press/press-releases/2022/12/06/artificial-intelligence-act-council-calls-for-promoting-safe-ai-that-respects-fundamental-rights/?utm_source=dsms-auto&utm_medium=email&utm_campaign=Artificial%2BIntelligence%2BAct%3A%2BCouncil%2Bcalls%2Bfor%2Bpromoting%2Bsafe%2BAI%2Bthat%2Brespects%2Bfundamental%2Brights.

[47] Konsey, Komisyon ve Parlamento

[48] “Proposal for EU Artificial Intelligence Act Passes Next Level – Where Do We Stand and What’s next?” Insights | Sidley Austin LLP, https://www.sidley.com/en/insights/newsupdates/2022/12/proposal-for-eu-artificial-intelligence-act-passes-next-level.

[49] “Regulatory Framework Proposal on Artificial Intelligence.” Shaping Europe’s Digital Future, European Commission, https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai.

[50] Visier. “What the GDPR Shows Us about the Future of AI Regulation.” Visier, https://www.visier.com/blog/what-the-gdpr-shows-us-about-the-future-of-ai-regulation/.

[51] “GDPR and AI: Friends, Foes or Something in between?” SAS, https://www.sas.com/en_us/insights/articles/data-management/gdpr-and-ai–friends–foes-or-something-in-between-.html.

[52] “Establishing a pro-Innovation Approach to Regulating AI.” GOV.UK, https://www.gov.uk/government/publications/establishing-a-pro-innovation-approach-to-regulating-ai/establishing-a-pro-innovation-approach-to-regulating-ai-policy-statement.

[53] “Office for Artificial Intelligence.” GOV.UK, https://www.gov.uk/government/organisations/office-for-artificial-intelligence.

[54] Office for Artificial. “AI Roadmap.” GOV.UK, GOV.UK, 6 Jan. 2021, https://www.gov.uk/government/publications/ai-roadmap.

[55] “UK Government Proposes a New Approach to Regulating Artificial Intelligence (AI): Perspectives & Events: Mayer Brown.” Perspectives & Events | Mayer Brown, https://www.mayerbrown.com/en/perspectives-events/publications/2022/08/uk-government-proposes-a-new-approach-to-regulating-artificial-intelligence-ai.

[56] “Government Proposals for UK AI Regulation.” The UK’s Technology Trade Association, https://www.techuk.org/resource/government-proposals-for-uk-ai-regulation.html.

[57] “PDPC: Singapore’s Approach to AI Governance.” Personal Data Protection Commission, https://www.pdpc.gov.sg/help-and-resources/2020/01/model-ai-governance-framework.

[58] The Digital Charter Implementation Act, 2022

[59] LaCasse, Alex. “Canada Introduces New Federal Privacy and AI Legislation.” IAPP, International Association of Privacy Professionals, 16 June 2022, https://iapp.org/news/a/canada-introduces-new-federal-privacy-and-ai-legislation/.

[60] Freda. “Privacy Reform Is on the Table Once More: Canada Introduces the Digital Charter Implementation Act, 2022.” McMillan LLP, 23 June 2022, https://mcmillan.ca/insights/privacy-reform-is-on-the-table-once-more-canada-introduces-the-digital-charter-implementation-act-2022/.

[61] Canada, Government of. “Bill C-27 Summary: Digital Charter Implementation Act, 2022.” Government of Canada, 18 Aug. 2022, https://ised-isde.canada.ca/site/innovation-better-canada/en/canadas-digital-charter/bill-summary-digital-charter-implementation-act-2020.

[62] “Artificial Intelligence Work Group Project Australia.” Artificial Intelligence Work Group Project Australia | G+T, https://www.gtlaw.com.au/knowledge/artificial-intelligence-work-group-project-australia.

[63] Regulatory sandbox