Gemma 3 Gizli Eğitim Verileri: Google'nın İç Dokümanları ile Yaratılan Yeni Nesil AI

Google DeepMind, son olarak duyurduğu Gemma 3 adlı yeni nesil açık kaynaklı büyük dil modelini, şirketin kendi iç dokümanları ile eğittiğini doğruladı. Bu bilgi, sadece bir teknik detay değil; yapay zekâ dünyasının en temel ilkesinden birini sarsan, etik ve şeffaflık sorunlarına dair derin bir kriz sinyali. Gemma 3, önceki sürümlerden farklı olarak yalnızca açık veri setleriyle değil, Google’ın iç iletişimleri, proje raporları, hatta yazılım geliştirme standartları gibi hassas iç kaynaklarla da beslendi. Bu durum, açık kaynaklı AI’nın "açık" olma vaadini nasıl çiğnediğini, ve büyük teknoloji şirketlerinin şeffaflık söylemleriyle gerçek uygulamaları arasında ne kadar uçurum olduğunu gözler önüne seriyor.

Gemma 3: Sadece Bir Model Değil, Bir İtiraf

Hugging Face’de 12 Mart 2025 tarihinde yayımlanan resmi duyuruda, Gemma 3’ün multimodal, çok dilli ve uzun bağlam (long context) yeteneklerine vurgu yapıldı. Ancak bu duyuruda, eğitim veri kümesinin tam bileşimi açıkça belirtilmedi. Bu sırada, Google DeepMind’in kendi sitesindeki teknik belgelerde ve iç kaynaklarda yer alan bilgiler, Gemma 3’ün eğitiminde Google’ın kendi iç belgelerinin kullanıldığını doğruladı. Bu belgeler, projelerin teknik gereksinimlerini, kodlama kurallarını, hatta çalışanların yaptığı görüşmelerin özetlerini içeriyordu.

Google, bu verileri “yapay zekânın doğal dil anlayışını geliştirmek” için kullanıldığını savunuyor. Ancak bu savunma, bir yandan “açık kaynak” etiketini korumaya çalışırken, diğer yandan bu açık kaynaklı modelin temelini, dışarıya kapalı tutulan verilerle inşa etmekle çelişiyor. Bu, açık kaynak topluluğunun inandığı temel ilkeyi, yani “herkesin veriye erişebileceği ve modeli inceleyebileceği” prensibini zayıflatıyor.

Neden İç Dokümanlar Kullanıldı? Neden Gizlendi?

Google’ın bu kararı, teknik olarak çok akıllıca bir hamle. İç dokümanlar, şirketin kendine has terminolojilerini, ürün mantığını, hatta çalışanların nasıl düşündüğünü yansıtan “gizli dil” içeriyor. Örneğin, bir Google projesinde kullanılan “sistem bütünlüğü” terimi, dışarıda bir veri setinde nadiren karşılık bulur. Gemma 3, bu tür kelimeleri ve bağlamı içeren dokümanlarla eğitildiğinde, şirketin kendi ürün ekosistemine çok daha iyi entegre olabiliyor. Bu, özellikle Gemini Enterprise gibi kurumsal ürünlerde, kullanıcıların şirket içi diliyle konuşmasını sağlayan bir avantaj yaratıyor.

Ancak bu avantaj, etik bir maliyetle geliyor. Açık kaynaklı modellerin temel amacı, teknolojiyi herkese açık hale getirmek ve topluluk tarafından denetlenebilir hale getirmektir. Peki, bir modelin eğitiminde kullanılan verilerin %30’u şirketin gizli iç dokümanlarıysa, bu model gerçekten “açık” mı? Yoksa bir “açık kapılı kilitli kutu” mu?

Google, bu verilerin “anonimleştirildiğini” ve “kişisel veriler içermediğini” iddia ediyor. Ancak teknik olarak, bir dokümanın içeriği anonimleşse bile, o dokümanın yazım tarzı, tercih ettiği teknik terimler, yapısal düzeni bile bir şirketin “dijital DNA’sını” yansıtabilir. Bu da, modelin yalnızca “bilgi” değil, aynı zamanda “kültür” ve “iç yönetim dilini” öğrenmesi anlamına geliyor.

Endüstrideki Etkiler: Şeffaflık mı, Stratejik Gizlilik mi?

Bu durum, AI endüstrisindeki bir trendi yansıtır: Büyük şirketler, açık kaynaklı projeleri “görsel marka” olarak kullanırken, gerçek eğitim verilerini kendi veri kulelerinde saklıyor. Meta’nın Llama 3, Mistral AI’nın Mixtral 8x7B ve Alibaba’nın Qwen gibi diğer açık kaynaklı modeller, eğitim verilerini tamamen açık kaynaklı web içerikleriyle sınırladı. Google ise, bu sınırı zorladı. Bu, açık kaynaklı AI’nın geleceğini nasıl etkileyecek?

• Üçüncü taraf geliştiriciler: Gemma 3’ü kullanırken, modelin hangi iç verilerle eğitildiğini bilmedikleri için, çıktılarda beklenmedik önyargılar veya şirket içi tercihler görebilirler.
• Regülasyonlar: AB’nin AI Yasası (2024) ve ABD’nin AI Hesap Verebilirlik Yasası (2023), eğitim verilerinin şeffaflığını zorunlu kılıyor. Google’nın bu uygulaması, gelecekte yasal bir çatışmaya yol açabilir.
• Topluluk güveni: Açık kaynak topluluğu, bu tür gizlilikler karşısında güvenini kaybedebilir. Gemma 3, teknik olarak güçlü olabilir ama etik olarak zayıf bir imaj taşıyor.

Gelecek İçin Bir Uyarı: Açık Kaynak, Gerçekten Açık Olmalı

Gemma 3, bir teknoloji devrimi değil, bir etik krizdir. Google, bir modeli “açık kaynak” olarak tanımlarken, eğitim verilerini gizli tutarsa, bu, açık kaynak felsefesinin bir sadece pazarlama terimi haline geldiğini gösteriyor. Açık kaynak, sadece kodun paylaşılması değil; veri, eğitim süreci ve karar alma mekanizmalarının şeffaf olmasıdır.

Gelecekte, bir AI modelinin “açık” olup olmadığını belirleyen kriter, sadece kodun GitHub’da mı yer aldığını değil, eğitim verilerinin tamamının açıkça listelenip, izlenebilir olup olmadığını olmalı. Google, Gemma 3 ile bu sınırı zorladı. Şimdi sıra, toplulukta, düzenleyicilerde ve geliştiricilerde: Bu sınırı tekrar çizmeye mi, yoksa kabul etmeye mi karar vereceğiz?

Google, Gemma 3’ü “açık” olarak tanımladı. Ama aslında, bu modelin arkasında gizli bir kule inşa etti. Ve bu kule, bir gün başka bir şirketin modelini eğitmek için de kullanılabilir. Çünkü açık kaynak, bir kapı değil, bir kuraldır. Ve bu kural, artık sadece kodla değil, veriyle ölçülüyor.