Aydın Tiryaki & Claude Opus 5.5

1. Bir yıl önce ve bugün

Bir yıl önce YouTube’da bir video izlediğimizde yapay zekanın izlerini birkaç noktada arardık: belki birkaç fotoğraf üretilmiştir, belki birkaç kısa video eklenmiştir, büyük olasılıkla da seslendirme yapay zekayla yapılmıştır. Bugün ise durum tamamen değişti. Yarım saatlik bir videoyu izlediğimizde, o 1.800 saniyenin her bir saniyesindeki görüntünün, fotoğraf ya da video olarak, tamamen yapay zekayla üretilmiş olma olasılığı çok yüksek. Üstelik bir kısmı o kadar gerçekçi ki neyin gerçek, neyin yapay olduğunu anlamak çok zor.

Tanıdığımız yerlerde ayrıntılardan yola çıkarak “burası orası değil, bu görüntü gerçek olamaz” diyebiliyoruz. Ama tanımadığımız yerlerde her sahneye şüpheyle yaklaşıyoruz. Bazen bir sahne gerçek gibi görünüyor ve soruyoruz: Bu sahne gerçek de onu tamamlayanlar mı yapay zeka? Yoksa çoğunluk yapay zeka da arada serpiştirilen gerçek görüntülerle bize gerçeklik izlenimi mi verilmeye çalışılıyor?

Videonun başında bazen “yapay zeka” ya da “dublaj” yazıyor. Bu bir ipucu, ama yetersiz bir ipucu. Bize yapay zekanın videoda var olduğunu söylüyor; nerede, ne kadar ve hangi açıdan var olduğunu söylemiyor. Sonuç olarak YouTube izlemek eskisi gibi zevk vermiyor; izleyici sürekli bir dedektif gibi çalışmak zorunda kalıyor.

2. Bugünkü etiket ne söylüyor, ne söylemiyor?

YouTube’un mevcut sistemi, yaratıcının yükleme sırasında işaretlediği tek bir soruya dayanıyor. Yaratıcı “Evet” derse etiket çıkıyor; “Hayır” derse içeriğin bildirim eşiğini aşmadığını beyan etmiş sayılıyor (1). Yani etiket videonun tamamına ait; sahne ya da saniye düzeyinde hiçbir bilgi vermiyor.

Bildirim eşiği “gerçekçilik”. Açıkça gerçek dışı, animasyon, özel efekt içeren ya da üretken yapay zekanın yalnızca üretim yardımı olarak kullanıldığı içerik için bildirim istenmiyor (2). Bunun çarpıcı bir sonucu var: senaryosunu bir dil modeline yazdırıp kameraya kendisi okuyan biri hiçbir etiket koymak zorunda değil (1).

Mayıs 2026’da bazı iyileştirmeler yapıldı. Uzun videolarda etiket oynatıcının hemen altına, Shorts’ta ise görüntünün üzerine taşındı; gerçek dışı, animasyon ya da hafifçe değiştirilmiş içerikte bildirim ise hâlâ genişletilmiş açıklamanın içinde. Yaratıcı belirtmese bile sistemler ciddi düzeyde fotogerçekçi yapay zeka kullanımı saptarsa etiket artık otomatik ekleniyor (3).

Seslendirme ve dublajda tablo daha da dağınık. YouTube görüntü etiketlerini görünür yerlere taşımış olsa da yardım sayfası otomatik dublaj işaretini hâlâ açıklama bölümünde tutuyor (4). Kişinin kendi klonlanmış sesiyle yaptığı dublaj ise yapay zeka etiketi gerektirmiyor (5).

Gerçek görüntüyü kanıtlamaya yönelik ters yönlü bir etiket de var: “Kamerayla çekildi.” Ancak video kaynağına kadar izlenemeyecek ölçüde düzenlenmişse bu etiket görünmüyor (6). YouTube da etiketin yokluğunun videonun düzenlendiği anlamına gelmediğini belirtiyor (7). Bu, gerçek görüntülerin yapay sahnelerle aynı kurguya girdiği videolarda kritik bir sonuç doğuruyor: gerçek çekimin kökenini kanıtlayan zincir kurguda kopuyor ve gerçek kısım da kanıtsız kalıyor.

Yasal düzenlemeler de bu boşluğu doldurmuyor. AB Yapay Zeka Yasası’nın 50. maddesi 2 Ağustos 2026’dan beri uygulanıyor ve deepfake yayan kişinin içeriğin yapay olduğunu açıklamasını zorunlu tutuyor (8). Ama uygulama kurallarında bile canlı olmayan videolar için uyarının videonun başına konabileceği öngörülüyor (9). Yani yine videonun tamamına tek bir uyarı.

3. Rakamlar: Videoların ne kadarı yapay zeka?

Bu sorunun dürüst cevabı şu: bilmiyoruz. YouTube platform genelinde yapay zeka içeriği sayımı yayımlamıyor, otomatik tespit de kusursuz değil; bu yüzden “YouTube’un yüzde şu kadarı yapay zeka” diye savunulabilir bir rakam yok (10). Elimizdeki veriler parça parça ve her biri farklı bir şeyi ölçüyor.

En çok alıntılanan çalışma Kapwing’e ait. Her ülkenin en popüler 100 kanalı, toplam 15.000 kanal incelenmiş ve bunların 278’inin yalnızca düşük kaliteli yapay zeka içeriği (“AI slop”) yayımladığı bulunmuş. Yeni açılan bir hesaba gösterilen ilk 500 videonun 104’ü bu türden çıkmış (11). Bu, %21’e karşılık geliyor; aynı örneklemde 165 video (%33) ise “beyin çürütücü” (brainrot) içerik olarak sınıflanmış (12). Guardian’ın daha önceki analizinde de en hızlı büyüyen kanalların yaklaşık %10’u yapay zeka ürünüymüş (13). Çocuk içeriğinde tablo çok daha ağır: Kapwing’in TikTok çalışmasında çocuk çizgi filmi kategorisinde incelenen 100 videonun 97’si yapay zeka ürünüydü (14).

Bu rakamlara iki çekinceyle bakmak gerekiyor. Birincisi, Kapwing yapay zeka destekli video araçları üreten bir şirket (15). İkincisi, şirket yalnızca açıkça yapay zeka olan senaryo ve seslendirmeleri saydığını belirtiyor; yani gerçek oran muhtemelen daha yüksek (14). Üstelik bu ölçüm yalnızca düşük kaliteli içeriği sayıyor; özenle yapılmış yapay zeka destekli belgeseller bu rakamın dışında.

Yaratıcı tarafında da veriler var. Aralık 2025’te her gün 1 milyondan fazla kanal YouTube’un kendi yapay zeka araçlarını kullanmış (16). Adobe’nin anketine göre yaratıcıların %71’i yapay zeka video araçlarını kullanmış; kullanım alanları sırasıyla kurgu (%58), geçiş ve efektler (%42), küçük resim (%37), müzik seçimi (%37) ve seslendirme (%36) (17).

Bu verilerin hiçbiri videonun içindeki oranı ölçmüyor. Kimse “bu 1.800 saniyenin kaçı üretilmiş, sesin ne kadarı sentetik” sorusunu sormuyor. Bir de çarpıcı bir tersinlik var: en çok kullanılan katmanlar (senaryo, kurgu, efekt, küçük resim) aynı zamanda etiket gerektirmeyen katmanlar. Etiket sistemi, yapay zekanın en çok kullanıldığı yerden değil, en görünür olduğu yerden bakıyor.

4. Platformun kendi yapay zekası

Yapay zekayı yalnızca yaratıcılar kullanmıyor; platformlar da kullanıyor. YouTube, bazı Shorts videolarını yaratıcılara haber vermeden işleme sırasında bulanıklık giderme, gürültü azaltma ve netlik artırma yoluyla değiştirdiğini kabul etti (18). Olayı fark eden müzisyen Rhett Shull, aynı videonun Instagram ve YouTube’daki hâllerini karşılaştırınca Shorts sürümünde yüzünde yağlı boya tablosu etkisi gördüğünü anlattı (19). Asıl ironi şuydu: Shull, bu değişikliklerin içeriğini yapay zeka ürünü gibi gösterdiğinden yakındı (20). Platformun kendi işlemi, gerçek bir çekimi izleyicinin gözünde şüpheli hâle getirmişti. Pittsburgh Üniversitesi’nden Samuel Woolley de BBC’ye, buna “makine öğrenmesi” demenin yapay zeka kullanımını örttüğünü ve izinsiz değişikliğin kamu güvenini aşındırdığını söyledi (21).

Otomatik dublajda da benzer bir durum var. YouTube’un dudak senkronu sistemi, konuşanın ağzında piksel düzeyinde değişiklikler yapıyor (4). Yani “sadece dublaj” denen şeyde görüntü de değişmiş olabiliyor. Bu nedenle işaretleme yalnızca yaratıcının kullandığı araçları değil, platformun kendi araçlarını da kapsamak zorunda.

5. Öneri: Evrensel bir işaretleme dili

Önerimizin özü şu: Sosyal medyada bir fotoğraf, video ya da içerik, her ne paylaşılıyorsa, üzerinde o andaki yapay zeka katkısını her açıdan gösteren bir işaretleme sistemi olmalı. Hiçbir şeyi atlamadan, saniye saniye, kanıta dayalı ve itiraza açık.

Bu sistemin anayasası tek bir cümlede toplanabilir: İşaret, yüklenen dosyayı değil, izleyicinin o anda gördüğünü ve duyduğunu anlatır. Bu ilke kendiliğinden yaratıcının kullandığı yapay zekayı, platformun sonradan yaptığı işlemleri, izleyicinin seçtiği ses izini, altyazıyı ve çeviriyi, canlı yayında anlık üretilen içeriği kapsar.

“İşaretleme dili” ifadesi burada bilinçli olarak seçildi ve çift anlam taşıyor. Bilişimde işaretleme dili (markup language), HTML gibi, makinenin okuduğu yapılandırılmış bir tanım dilidir. Önerdiğimiz sistem de iki yüzlüdür: makine için dosyanın içinde her saniyeyi ve her katmanı tanımlayan bir işaretleme dili; insan için ekranda dil bilmeden anlaşılan evrensel bir işaret dili. İkisi aynı kaynaktan beslenir; biri diğerinin ekrandaki yüzüdür.

Katmanlar. Her an için üç ana katman işaretlenir:

• İçerik: anlatılan metin, senaryo, bilgi.
• Görüntü: ekrandaki fotoğraf ya da video. Durağan ve hareketli görüntü tek katmanda toplanır, çünkü izleyicinin asıl sorusu “bu sahne gerçek mi?”dir.
• Ses: içeriğin asıl sesi. Bir belgeselde bu anlatım ve konuşmadır; bir müzik klibinde ise müziğin kendisi. Fon müziği ve ses efektleri, dokununca açılan bir alt katmanda ayrıca gösterilir. Böylece gerçek çekim yapan, kendi sesiyle konuşan ve metnini kendisi yazan bir belgeselcinin arkaya yapay zekayla üretilmiş bir fon müziği koyması, ana işaretleri değiştirmez ama gizlenmiş de olmaz.

Yapay zekanın karşıtı olarak “doğal zeka” kavramını kullanıyoruz: insanın kendi emeğiyle ürettiği içerik.

Modüler yapı. Sistem yalnızca video için değil, her tür paylaşım için tasarlanmıştır; yalnızca içerikte bulunan katmanlar etkin olur. X’te ya da bir blogda paylaşılan bir metinde yalnızca İçerik noktası (tek nokta), sessiz bir fotoğrafta İçerik ve Görüntü (iki nokta), bir podcast’te İçerik ve Ses (iki nokta), bir videoda ise üç nokta birden etkindir. Böylece aynı işaret dili, her platformda ve her içerik türünde aynı biçimde okunur.

Durumlar. Her katman için dört durum öngörüyoruz: doğal, değiştirilmiş (gerçek bir kaydın yapay zekayla işlenmesi), üretilmiş ve karma (aynı karede ya da aynı anda hem gerçek hem yapay öğe bulunması).

Kaynak. Yapay zekanın kimin aracından geldiği (yaratıcının mı, platformun mu) ve işareti kimin koyduğu (yaratıcı beyanı mı, platform tespiti mi, kriptografik kanıt mı) da kaydedilir. Platformun otomatik işareti bir beyan değil, bir tahmindir; izleyicinin bunu bilmesi gerekir.

Gösterim. İşaretler görüntüyü bozmamalı, ama görülebilir ve anlaşılabilir olmalı:

• Ekranın köşesinde, içerik türüne göre bir ile üç arasında küçük nokta; her biri bir katmanı gösterir ve sahne değiştikçe değişir.
• Yalnızca renk yetmez; erkeklerin yaklaşık %8’inde, kadınların ise yaklaşık %0,5’inde renk körlüğü bulunduğu için (22) her işaret bir harf ya da şekil de taşımalı.
• Yapay katmanlar kırmızı gibi “tehlike” çağrıştıran renklerle değil, nötr renklerle gösterilmeli. İşaret bilgi vermeli, yargılamamalı.
• İlerleme çubuğunun üzerinde, YouTube’un “en çok tekrar izlenen” grafiğinin bulunduğu yerde, videonun tamamının renkli bir dökümü yer alabilir.
• İzleyici bir noktaya dokunduğunda ayrıntı açılır: kademe, kaynak, doğrulama bilgisi, ses alt katmanı.
• İşaretler altyazı (CC) düğmesi gibi açılıp kapanabilir.

Trafik ışığı yorgunluğu riski. Bu önerinin çıkış noktası, izleyicinin sürekli “bu gerçek mi?” diye dedektiflik yapmaktan yorulmasıydı. Ama köşedeki noktalar her kesmede renk ve şekil değiştirirse, bu kez dedektiflik yorgunluğunun yerini bir “trafik ışığı yorgunluğu” alabilir: izleyicinin dikkati videodan kayıp köşedeki göstergelere kilitlenir. Bu risk yalnızca Shorts için değil, hızlı kurgulanmış her uzun video için de geçerlidir. Bu yüzden gösterim bir yumuşatma kuralı içermeli: kısa aralıklarla gerçek ve yapay arasında gidip gelen bölümlerde nokta yanıp sönmez, sabit bir “değişken” işaretine geçer. “Değişken”, “karma”dan farklıdır: karma, aynı karede gerçek ve yapay öğenin birlikte bulunmasıdır; değişken ise sahnelerin hızla birinden ötekine geçmesidir. Saniye saniye ayrıntı ilerleme çubuğundaki şeritte durur ve izleyici videoyu duraklattığında o anın tam dökümü görünür.

6. Senaryolar

Sistemin nasıl işleyeceğini birkaç somut senaryoyla gösterelim.

Senaryo 1: Doğal içerik, yapay görüntü, yapay ses. Bugün YouTube’da en yaygın kalıplardan biri: tarih, belgesel ya da hikaye anlatan, yüzü görünmeyen kanallar. Metin insandan, görüntü ve ses yapay zekadan. Mevcut etiket bu videoya tek bir “yapay zeka” damgası vuruyor ve izleyici hikayenin kendisinin de uydurma olduğunu düşünebiliyor. Önerdiğimiz sistemde ekran “İçerik: doğal, Görüntü: üretilmiş, Ses: üretilmiş” der. İzleyici anlatılanın doğal zeka ürünü olduğunu, gördüğünün ve duyduğunun üretildiğini bilir.

Senaryo 2: Doğal içerik, yapay görüntü, gerçek ses ve zaman zaman görünen gerçek sunucu. Sunucu konuşurken üç katman da doğaldır. Yapay zeka sahnesine geçildiğinde görüntü işareti “üretilmiş”e döner; ses ve içerik aynı kalır. Gerçek kişi ekranın köşesinde konuşurken arkada yapay görüntü varsa görüntü işareti “karma” olur; izleyici dokunursa hangi bölgenin yapay olduğu kısa süreliğine belirir. Sahneler hızla gidip geliyorsa nokta “değişken”e geçer ve ayrıntı şeritte okunur. İzleyici gerçek mi değil mi diye kafa yormaz.

Senaryo 3: Gerçek görüntü, doğal içerik, yapay ses. Güzel görüntüler çeken, iyi içerik üreten ama seslendirmede kendini zayıf hisseden bir yaratıcı yalnızca seslendirmede yapay zeka kullanır. Belki de en masum yapay zeka kullanımı budur. Oysa bugün yapay bir sesle anlatım yapmak etiket gerektirdiği için (23) bu yaratıcı, baştan sona üretilmiş bir videoyla aynı etiketi alıyor. Konuşma güçlüğü olan, aksanından çekinen ya da başka dilde yayın yapan biri için yapay ses bir eşitleyici araçtır ve damgalanmamalıdır.

Ancak “en masum” olması sesin kime ait olduğuna bağlıdır. Ses katmanında üç farklı durum vardır: genel bir yapay ses (masum), yaratıcının kendi sesinin klonu (masum ama izleyici bilmeli; bugün etiket gerektirmiyor (5)) ve başka gerçek bir kişinin klonlanmış sesi (en tehlikeli durum, çünkü ses kimlik taşır). Bu ayrım ekrandaki noktada değil, dokununca açılan ayrıntıda yer alabilir; ama standartta mutlaka bulunmalı.

Senaryo 4: Çok dilli yayın. YouTube, bir videonun birçok dilde otomatik seslendirilmesine olanak tanıyor; bu özellik uygun yaratıcılar için varsayılan olarak açık geliyor (4). Orijinal ses gerçek, diğer diller yapay olabilir. Burada dublaj seçimi tek bir katmanı değil, üç katmanı birden etkileyebilir: ses izi yapay olur; dudak senkronu varsa gerçek görüntü bile “değiştirilmiş” hâle gelir; dublajdaki metin bir çeviri olduğu için içerik katmanı da “çevrilmiş” bilgisini taşımalıdır. Aynı video, farklı ses izi seçen iki izleyiciye farklı işaretlerle görünebilir. YouTube’un canlı yayınlarda otomatik dublajı 2027 başında getireceğini duyurması (4), standardın canlı yayında da anlık çalışması gerektiğini gösteriyor.

Senaryo 5: Tam doğal. En değerli seçenek: gerçek çekim, gerçek ses, tamamen doğal zeka ürünü içerik. Bu içerik işaretsiz bırakılmamalı, özel ve değerli bir işaretle gösterilmeli. Doğru beyanın ödülü olmazsa işaret sistemi yalnızca bir ceza düzenine dönüşür. “Tam doğal” işareti ana katmanlara göre verilir; fon müziği ya da ses efekti gibi alt katmanlardaki yapay öğeler bu işareti kaldırmaz, ama ayrıntıda açıkça gösterilir. Bir müzik klibinde ise müzik asıl ses olduğu için yapay müzik “tam doğal” işaretini kaldırır.

Bu işaretin değerini koruyabilmesi için işaretsizlik “doğal” anlamına gelmemeli; işaretsiz içerik “bilinmiyor” demektir. Böylece üç ayrı durum ortaya çıkar: beyan edilmiş doğal, kanıtlanmış doğal ve bilinmeyen. Burada önemli bir tasarım ilkesi var: “beyan edilmiş doğal”, “kanıtlanmış doğal”ın ucuz bir alt sürümü gibi değil, kendi başına saygın bir işaret olarak tasarlanmalıdır. Aksi hâlde, aşağıda tartışacağımız donanım engeli nedeniyle, kanıt üretecek ekipmanı olmayan dürüst yaratıcılar ikinci sınıf muamele görür.

7. İçerik katmanında kademeler

İçerik katmanı kendi içinde de farklı düzeylerde değerlendirilmeli. Tamamen yapay zekaya yazdırılmış bir metinle, tamamen doğal zeka ürünü olup yalnızca yazım düzeltmesi yapay zekaya yaptırılmış bir metin aynı şekilde işaretlenmemelidir. Bugün ise bu iki uç bile ayrılmıyor; bir dil modeline yazdırılmış senaryo da etiket gerektirmiyor (1). Önerdiğimiz kademeler:

1. Tamamen doğal zeka
2. Yazım desteği: imla ve dilbilgisi düzeltmesi
3. Dil desteği: cümle ve üslup düzenlemesi
4. Bilgi desteği: araştırma ve bilgi derlemesi yapay zekadan
5. Ortak üretim: fikir insandan, metin büyük ölçüde yapay zekadan
6. Tamamen yapay zeka

Ancak risk sırası düz bir çizgi değildir. Fikri ve metni insanın kurduğu ama bilgileri yapay zekadan alınıp doğrulanmamış bir içerik, halüsinasyonun en kolay sızdığı yerdir ve beşinci kademeden daha tehlikeli olabilir. Bu yüzden kademenin yanında ikinci bir bilgi gerekir: “İnsan doğruladı mı?” Bu ihtiyacın teknik karşılığı da var: C2PA’nın yeni yapay zeka bildirim alanı, kullanılan modeli ve insan denetiminin derecesini kaydederek ikili bir “yapay zeka üretimi” etiketinin çok ötesine geçiyor (24).

Doğallık aklaması riski. Kademeli yapının açık bir zayıf noktası var. Metnin tamamını yapay zekaya yazdıran biri kolayca “yalnızca yazım ve üslup desteği aldım” diyebilir ve hiçbir algoritma bunun aksini kesin olarak kanıtlayamaz. Bu durum, dürüstçe “tamamen yapay zeka” beyanı verenleri cezalandırırken yalan beyan verenlere haksız bir doğallık prestiji kazandırabilir; buna “doğallık aklaması” (AI-washing) diyebiliriz.

Bu riske karşı içerik katmanında da görüntü ve seste olduğu gibi “beyan edilmiş” ve “kanıtlanmış” ayrımı yapılmalıdır. Yaratıcı isterse beyanını destekleyecek kanıt sunabilir: yazım aracının zaman damgalı sürüm geçmişi ya da yapay zeka araçlarının çalışma sırasında tuttuğu katkı dökümü gibi. Ancak bu kanıtlar isteğe bağlı olmalı, zorunlu değil. Bunun üç nedeni var: sürüm geçmişi, yapay zekanın yazdığı metnin elle yazılması ya da parça parça yapıştırılmasıyla taklit edilebilir; taslakların talep edilmesi mahremiyet sorunu yaratır; zorunlu tutulursa neredeyse herkesin içeriği “kanıtsız” kalır ve donanım engelindeki eşitsizlik içerik katmanında da doğar. Kanıt sunmayan dürüst beyan, “beyan edilmiş” olarak saygın kalır. Son tahlilde içerik katmanının beyana dayanacağını dürüstçe kabul etmek gerekir; kasıtlı yanıltmanın önündeki asıl engel, yakalandığında karşılaşılacak yaptırımdır.

Ekranı boğmamak için noktada yalnızca kaba durum (doğal, destekli, yapay) yer alır; kademe ve doğrulama bilgisi dokununca açılır.

8. Doğrulama, itiraz ve yaptırım

Bir içerikte yapay zekanın nerede kullanıldığını en iyi bilen kişi onu hazırlayandır. Bu yüzden birinci kaynak yaratıcının beyanıdır. Platformun yapay zekası yükleme öncesinde yaratıcıya yardım eder: her sahne değiştiğinde görüntüyü, sesi ve içeriği sorar; mevcut köken verilerinden ve kendi tespitinden yararlanarak ön doldurma yapar; yaratıcı onaylar ya da düzeltir. Sorumluluk yaratıcıda kalır, ama yük hafifler.

Yaratıcı işaretleme yapmamışsa platform yapay zekayı kullanarak içeriği saniye saniye inceler ve işaretlemeyi kendisi yapar. Yaratıcının beyanı ile platformun tespiti çelişirse karşılıklı bir itiraz süreci işler. Çünkü insan yanılabilir, hata yapabilir, yanlış bilgi verebilir; yapay zeka da her zaman yanılabilir. Bugünkü yapay zeka etiketinde böyle bir diyalog yok: yaratıcı, içeriğinin yanlışlıkla yapay zeka olarak tanımlandığını düşünürse durumu YouTube Studio’da kendisi güncelleyebiliyor (3).

Content ID emsali ve karanlık yüzü. Bu yapının bilinen bir emsali var: YouTube’un telif sistemi Content ID. Sistem, yüklenen videolarla hak sahiplerinin veri tabanı arasındaki eşleşmeleri otomatik olarak tespit ediyor ve eşleşmeler birkaç saniyelik malzemeye bile dayanabiliyor (25). Yaratıcı bir talebe itiraz edebiliyor; hak talep edene ilk itiraz için 30 gün, temyiz için 7 gün süre tanınıyor (26). Önerdiğimiz sistem, bir anlamda “yapay zeka için bir Content ID”dir.

Ama bu emsal dersleriyle birlikte alınmalı. Content ID’de hem ilk itirazı hem temyizi hak talep eden tarafın kendisi inceliyor, çünkü YouTube sahiplik konusunda karar veremeyeceğini söylüyor (27); yani suçlayan aynı zamanda hakem oluyor. Elektronik Sınır Vakfı (EFF), yaratıcıların hatalı eşleşmeler, gelir kaybı ve aynı eser için çoklu taleplerle uğraştığını, itiraz sırasındaki adımların hukuki bir telif davasına dönüşebildiğini belgeledi (28). Yılda 2,5 milyardan fazla talebi işleyen sistem üzerine yapılan akademik bir çalışma da, eşleştirme teknolojisi genel olarak doğru olsa bile uygulamanın büyük hak sahiplerini daha çok kolladığını, küçük ve bağımsız yaratıcıların çıkarlarını güvenilir biçimde korumadığını ve kötüye kullanıma açık olduğunu ortaya koydu (29).

Bu dersler önerimize dört kural getirir:

• Hakem tarafsız olmalı: itirazı, işareti koyan otomatik sistem değil, bağımsız bir inceleme mekanizması değerlendirmeli.
• İnceleme süresince iki taraftan birinin iddiasını göstermek haksızlık olur; o bölüm için nötr bir “inceleniyor” işareti kullanılmalı ve bu işaret videonun öneri algoritmasındaki yerini etkilememeli. Aksi hâlde video, en çok izlendiği ilk günlerde haksız yere cezalandırılmış olur.
• İtiraz süresince yaratıcının beyanı, platform yüksek güvenle aksini tespit etmedikçe geçerli sayılmalı.
• Günde milyonlarca saat video yüklenen bir platformda her itirazı bir insanın incelemesi gerçekçi değildir. Bu yüzden ilk aşama otomatik olabilir, ama üst itiraz aşamasında son karar insanda olmalı.

Burada bir alternatifi de değerlendirip reddettiğimizi belirtmeliyiz: geçmiş sicili temiz yaratıcıların beyanlarını öncelikli kabul eden bir “güven skoru” ya da “beyan kredisi” mekanizması. Bu yaklaşım, sicili olmayan yeni ve küçük yaratıcıları baştan dezavantajlı kılar, büyük kanalları korur ve “önce güven kazan, sonra kandır” stratejisine kapı açar. Content ID’nin büyük hak sahiplerini kayırma sorununu bu kez yapay zeka işaretlemesinde yeniden üretir.

İyi niyet karinesi. Sistemin felsefi temeli şudur: dürüst bir yaratıcı bile yüzde yüz doğru beyan veremez. Uzun bir çalışmada fikirler birbirine karışır; yapay zekanın önerdiği bir şey insanın dikkatinden kaçarak metne girebilir. Bu yüzden standart kusursuz beyanı değil, iyi niyetli ve makul özenle verilmiş beyanı esas almalıdır. Türk Medeni Kanunu’nun 3. maddesindeki iyi niyet karinesi bu yaklaşımın tanıdık bir karşılığıdır ve herkes için eşit biçimde geçerli olmalıdır. Dürüst hata düzeltilir, cezalandırılmaz; yaptırım kasıtlı yanıltmada ya da tekrarlayan örüntüde devreye girer.

Yaptırım. Video düzeyinde yaptırım mantığı zaten var: YouTube, bildirim yapılmayan içeriği kendisi etiketleyebiliyor; bildirimi sürekli yapmamak içeriğin kaldırılmasına ya da iş ortağı programından uzaklaştırmaya kadar gidebiliyor (30). Önerimiz bu mantığı videonun tamamından saniye ve katman düzeyine indiriyor. Yaratıcılar, beyanlarının saniye saniye denetlenebildiğini bildiklerinde bir süre sonra doğru bilgi vermek zorunda kalacaklardır.

Ancak iki risk göz önünde tutulmalı. Birincisi, tespit sistemi de yanılabilir; Shorts olayında gerçek bir çekim platformun kendi işlemesiyle yapay gibi görünmüştü (20). Yaptırım bu yüzden kademeli olmalı: önce uyarı ve itiraz hakkı, tekrarda ağırlaşan ceza. İkincisi, ceza yalnızca “yapay zeka yok” diyenlere işlerse yaratıcılar kendini korumak için her şeyi yapay diye işaretlemeye başlar; işaret her yerde olur ve hiçbir şey söylemez. “Tam doğal” işaretinin değerli kılınması bu riske karşı en iyi panzehirdir.

Platformun hesap verebilirliği. Yapay zeka sistemleri halüsinasyonu her türlü hatanın arkasına sığınılan bir mazerete dönüştürmemeli; sorumluluk modelde değil, onu kullanan platformdadır. Bu da iki somut yükümlülük getirir: itirazla düzeltilen her işaretin kaydı tutulmalı ve “bu işaret düzeltildi” bilgisi verilmeli; platformlar otomatik işaretlemelerinin ne kadarının itirazla değiştiğini düzenli olarak açıklamalı.

9. Pratik sorunlar: Zincir nerede kopuyor, kim dışarıda kalıyor?

Bir içerik üretilirken her aşamada değişikliğe uğrar. Önce bir metin oluşturulur, metin video üretiminde kullanılır, seslendirmede kullanılır ya da yaratıcı kendisi seslendirir; bazen yapay zeka, bazen yaratıcının kendi araçları devreye girer. Bu kadar değişim içinde işaretlerin kalıcı olması pratikte kolay değildir. Video işleme hatları özellikle kırılgandır; C2PA verisinin güvenilir biçimde korunması için en az 500 kbps gerekirken görüntüye gömülü bazı filigranlar 200 kbps’de bile tespit edilebiliyor (31).

Standardın bu soruna karşı araçları var. Her aşama bir öncekinin kaydını bir “malzeme” olarak içine alıyor ve her malzemenin kendi kökeni olduğu için son ürüne kadar uzanan bir ağaç oluşuyor (32). JPEG Trust’ın üçüncü bölümü, kaydı içerikle bağlamak için filigran kullanımını tanımlıyor (33). Kayıtlar dosyanın dışında bir depoda da tutulabiliyor (34). Böylece dosya yeniden işlense bile bilgi kaybolmuyor.

İki ilke daha eklenmeli. Yük insanda değil, araçta olmalı: kurgu programı, ses aracı ve yapay zeka aracı her adımı kendiliğinden kaydetmeli, tıpkı kelime işlemcideki “değişiklikleri izle” özelliği gibi. Yapay zeka kullanmayan araçlar da imza atmalı: yalnızca yapay zeka adımları kaydedilirse yaratıcının kendi çekimi ya da kendi seslendirmesi zincirde açıklanamayan bir boşluk gibi görünür. Ayrıca yapay zeka araçları çalışma sırasında kimin neyi önerdiğini kaydedip yaratıcıya bir “katkı dökümü” sunabilir; böylece beyan hatırlanana değil, belgelenene dayanır.

Donanım engeli ve dijital uçurum. “Kanıtlanmış doğal” işareti, kökeni imzalayabilen kameralar ve yazılımlar gerektiriyor. Bugün bu özellik ağırlıkla profesyonel fotoğraf makinelerinde: Sony, Nikon ve Canon kameralarına C2PA desteği yazılım güncellemesiyle geldi; Fujifilm ve Panasonic ise koalisyon üyesi olmalarına rağmen 2026 sonu itibarıyla bunu henüz sunmamış (35). Telefonlarda ilk adım atıldı: Google, Pixel 10 ile kamera uygulamasına C2PA’yı yerleştirdi ve çekilen her JPEG fotoğraf kendiliğinden köken bilgisi alıyor; ancak bu şimdilik yalnızca Pixel 10 cihazlarında mümkün (36).

Bu durumun ciddi bir toplumsal boyutu var. Gelişmekte olan ülkelerdeki bağımsız içerik üreticileri ve yurttaş gazeteciler, eski model telefonlarla ve C2PA desteği olmayan araçlarla tamamen gerçek ve doğal içerik üretiyor. Bu kişiler kriptografik kanıt sunamadıkları için “kanıtlanmış doğal” işaretini alamaz; zincirleri hep “kopuk” görünür. Bu işaret, pahalı ekipman sahiplerine özgü bir “elit rozeti”ne dönüşmemelidir. Bunun için iki şey gerekir: kriptografik imzalama, işletim sistemi düzeyinde (Android ve iOS) ücretsiz ve açık bir standart olarak her cihaza indirilmeli; ve “beyan edilmiş doğal” işareti, daha önce belirttiğimiz gibi, kendi başına saygın bir işaret olarak kalmalıdır. Google’ın kendisi de basit “yapay zeka / değil” etiketlerinin örtük doğruluk etkisi riski taşıdığını belirterek, içeriği “nasıl yapıldığına dair doğrulanabilir kanıtı olan” ve “olmayan” diye ayırmayı öneriyor (37). Bu, bizim “işaretsiz, bilinmiyor demektir” ilkemizle örtüşüyor; ama kanıtı olmayanın, sahte demek olmadığını da hatırlatıyor.

Ütopya mı, gerçekçi bir yol mu? Tüm araçların bu sisteme katılması bugün ütopik görünebilir. Ama durum sanıldığından biraz daha ileride: İçerik Özgünlüğü Girişimi’nin üye sayısı 2026 başında 6.000’i geçti, ancak gerçek kullanım hâlâ dengesiz (38).

Benimsetmeyi araç üreticilerinden çok platformlar sağlayabilir. İnternette bunun bir emsali var: Google, 2015’te şifresiz siteleri arama sıralamasında geriye itmeye başladı, ardından Chrome’da şifresiz sayfaları adım adım “Güvenli değil” diye işaretledi ve 2018’de bunu tüm şifresiz sitelere genişletti; o tarihe gelindiğinde Chrome trafiğinin büyük çoğunluğu şifreli hâle gelmişti (39). Yani benimsetme tek bir etiketle değil, yıllara yayılan görünür teşviklerle sağlandı. Platformlar “kanıtlanmış doğal” işaretini yalnızca zinciri sağlam içeriğe verirse, yaratıcılar bunu ister ve araç üreticileri de katılır.

Bu arada yasada tuhaf bir asimetri dikkat çekiyor: AB’de üretken yapay zeka sağlayıcıları 2 Ağustos 2026’dan itibaren çıktılarını makinenin okuyabileceği biçimde işaretlemek zorunda (35); ama yapay zeka kullanmayan araçlar için böyle bir zorunluluk yok. Yani yasa yapay olanın kanıtını zorunlu tutarken doğal olanın kanıtını gönüllülüğe bırakıyor.

Gerçekçi tasarım şudur: zincirin olduğu yerde kanıt, olmadığı yerde beyan. Sistem eksik katılımda çökmez; yalnızca kanıt yerine beyana dayanır. Zincirin koptuğu yerde son güvence, bütün süreci baştan sona bilen tek kişi olan yaratıcının yükleme anındaki beyanıdır.

10. Standardı kim belirleyecek?

Bu işaretleme dili yalnızca YouTube’a değil, tüm sosyal medyaya ait olmalı. Hangi videoya ya da paylaşıma bakarsak bakalım durumu aynı şekilde anlayabilmeliyiz. Bunun için JPEG ve MPEG gibi uluslararası bir standart gerekir.

İlginç olan, JPEG grubunun bu işe çoktan girmiş olması. JPEG Trust (ISO/IEC 21617), medyaya güven sağlamaya yönelik bir çerçeve sunuyor ve ilk bölümü Ocak 2025’te yayımlandı (33). C2PA’nın teknik yapısı ISO 22144 adıyla ISO’nun hızlı onay sürecinde (40). Üst çatıda ise IEC, ISO ve ITU’nun ortaklığı olan Dünya Standartlar İşbirliği öncülüğünde, standart geliştiricileri, teknoloji şirketlerini, politika yapıcıları, araştırmacıları ve sivil toplumu bir araya getiren bir Yapay Zeka ve Multimedya Özgünlüğü Standartları İşbirliği kuruldu (41). Bu yapının görevlerinden biri, ihtiyaç duyulduğu hâlde henüz standardı bulunmayan boşlukları tespit etmek (42).

Yani böyle bir grup kurulmalı demek yetmez; asıl mesele bu grupların yanlış katmanda durması. Konuyu üç katmanda düşünmek gerekiyor:

1. Teknik veri katmanı: dosyanın içine kimin, neyi, nasıl ürettiğini yazan kayıt. Büyük ölçüde var. Hatta sahne düzeyi işaretlemenin veri yapısı bile hazır: C2PA’nın “ilgi bölgeleri”, bir görüntünün belirli bir alanını, bir belgenin belirli paragraflarını ya da ses ve videonun belirli bölümlerini ayrı ayrı işaretleyebiliyor (24).
2. İzleyici gösterim katmanı: bu verinin ekranda herkesin aynı şekilde anlayacağı işaretlere dönüşmesi. Eksik olan budur ve önerimizin asıl katkısı buradadır. Emsali ISO 7010 güvenlik işaretleridir: yangın çıkışı simgesi dünyanın her yerinde aynıdır ve dil bilmeden anlaşılır. AB’nin yapay zeka içeriği için ortak simgeler getirmesi de bu yönde atılmış bir adım (43).
3. Hukuki bağlayıcılık katmanı: JPEG ve MPEG standartları kimseyi yasal olarak bağlamaz; herkes kullandığı için fiilen bağlayıcıdır. Herkesi bağlayan bir kural için standardın yasalara referans olarak girmesi gerekir. AB’nin 50. maddesi ilk adımdır, ama sahne düzeyini istemiyor.

Bir de temsil sorunu var: C2PA’nın arkasında Adobe, Microsoft, BBC, Sony, OpenAI, Google, Meta ve Amazon gibi güçlü şirketler bulunuyor (44). İşaretin ekranda nasıl görüneceğine karar veren masada izleyicinin, bağımsız yaratıcının ve pahalı ekipmana erişimi olmayan ülkelerin üreticilerinin de sandalyesi olmalı. Aksi hâlde standart, donanım engelini ve Content ID’deki büyük-küçük dengesizliğini kendi yapısına yerleştirir.

11. Açık sorular

Bu konu tükenecek bir konu değil. Standardın tanımlaması gereken bazı eşikler şimdiden belli:

• Gerçek sesin yapay zekayla gürültüsünün temizlenmesi “değiştirilmiş” sayılacak mı? Sayılırsa neredeyse her video işaretlenir.
• Telefonların varsayılan olarak yaptığı gece modu, portre bulanıklığı ve gürültü azaltma gibi işlemler nerede duruyor? YouTube da Shorts’taki işlemini savunurken bunu modern bir akıllı telefonun yaptığına benzetmişti (18). Bu tür cihaz içi işlemler “doğal”lığı bozuyorsa neredeyse hiçbir video tam doğal olamaz; bozmuyorsa sınırın nerede çizileceği tanımlanmalı.
• Gösterimdeki yumuşatma kuralı için uygun eşik süresi ne olmalı? Bu, kullanıcı deneyimi araştırmalarıyla belirlenmesi gereken bir değer.
• Görüntü ve ses için kriptografik kanıt mümkün; kamera ve mikrofon kökeni imzalayabilir. Ama içerik katmanı için böyle bir kanıt yok; düşüncenin kaydını tutan bir kamera yok. İçerik katmanı her zaman büyük ölçüde beyana dayanacak.
• Tespit teknolojisi bir silahlanma yarışı. C2PA’yı geliştirenler de standartlarının tespitle uğraşmadığını, çünkü yapay zeka manipülasyonunu tespit etmenin bitmeyen bir yarış olduğunu söylüyor (32). Otomatik tespit sistemin denetçisi olabilir, temeli olamaz.

12. Sonuç: İzleyicinin zihnini rahatlatmak

Bugünkü etiketler “bu videoda yapay zeka var mı?” sorusuna evet ya da hayır cevabı veriyor. Önerdiğimiz evrensel işaretleme dili ise “şu anda gördüğüm ve duyduğum şeyin ne kadarı doğal, ne kadarı yapay?” sorusunu cevaplıyor. Saniye saniye, katman katman, kaynağını belirterek, kanıta dayanarak ve itiraza açık olarak. Bir metinde tek noktayla, bir fotoğrafta ya da podcast’te iki noktayla, bir videoda üç noktayla; her platformda aynı dille.

Bu sistemin amacı izleyiciyi uyarmak ya da yapay zekayı kullanan yaratıcıyı damgalamak değil. Amacı da izleyicinin dikkatini videodan köşedeki göstergelere çekmek değil. Amacı izleyicinin zihnini rahatlatmak: her sahnede “bu gerçek mi?” diye kafa yormadan, neyin doğal zeka, neyin yapay zeka ürünü olduğunu bilerek izleyebilmek. Belki o zaman video izlemek yeniden zevk vermeye başlar.

Künye

Bu makale, 26 Ekim 2026 tarihinde Aydın Tiryaki ile Claude Opus 5.5 arasında gerçekleşen bir söyleşiden derlenmiştir; konuya ilişkin ilk çalışma, gözlemler, temel fikirler ve önerinin ana çerçevesi (yapay zeka kullanımının anlık ve katmanlı işaretlenmesi, platformların kendi araçlarının da işaretlemeye dahil edilmesi, yaratıcı beyanı ile otomatik tespitin birlikte işlediği itiraza açık bir sistem, tüm sosyal medya için evrensel bir işaretleme dili ve bunu belirleyecek uluslararası bir standart, tam doğal içeriğe özel değerli bir işaret, içerik katmanında kademeli değerlendirme ve tüm senaryolar) Aydın Tiryaki’ye aittir; Claude Opus 5.5 bu fikirler doğrultusunda araştırma asistanlığı (güncel platform kuralları, istatistikler, teknik standartlar ve mevzuatın derlenmesi) ve yazım asistanlığı yapmış, tartışma sırasında ayrıca bazı tamamlayıcı öneriler (Content ID emsali, “inceleniyor” durumu, ilerleme çubuğunda döküm, renk körlüğüne uygun işaretler, platform hata oranlarının şeffaflığı ve katkı dökümü) sunmuştur; makalenin ikinci sürümü üzerinde Gemini 2.5 Pro bağımsız bir eleştirel değerlendirme (hakemlik ve karşıt görüş analizi) yapmış, bilişsel yük ve trafik ışığı yorgunluğu, ses katmanında müzik ve efekt ayrımı, içerik katmanında doğallık aklaması riski, Content ID emsalinin olası yan etkileri, C2PA donanım engelinin yaratacağı dijital uçurum ve sistemin video dışı içeriklere modüler uyarlanması konularındaki itiraz ve önerileri, Claude Opus 5.5’in karşı değerlendirmesiyle düzeltilerek ve Aydın Tiryaki’nin hakemliği ve onayıyla üçüncü sürüme dahil edilmiş, bu süreçte Gemini “güven skoru” ve zorunlu sürüm geçmişi önerilerini karşı değerlendirme üzerine geri çekmiştir; Gemini 2.5 Pro üçüncü sürümü de gözden geçirmiş, son sürümde kaynak numaraları metindeki ilk geçiş sırasına göre yeniden düzenlenmiş ve metin Aydın Tiryaki tarafından son hâl olarak kabul edilmiştir.

Kaynaklar

(1) PPC Land — YouTube shifts generative AI labels to spots viewers will actually see: https://ppc.land/youtube-shifts-generative-ai-labels-to-spots-viewers-will-actually-see/
(2) Outlook Business — YouTube Mandates Labelling Of Synthetic, AI-Generated Content: https://www.outlookbusiness.com/companies/youtube-mandates-labelling-of-synthetic-ai-generated-content
(3) YouTube Blog — Improving AI labels for viewers and creators: https://blog.youtube/news-and-events/improving-ai-labels-viewers-creators/
(4) PPC Land — Auto dubbing: https://ppc.land/auto-dubbing/
(5) AIR Media-Tech — Is YouTube’s AI Dubbing Safe for Your Channel?: https://air.io/en/youtube-hacks/is-youtubes-ai-dubbing-safe-for-your-channel-auto-dub-vs-pro-with-real-retention-data
(6) Boom Live — YouTube Introduces “Captured with a Camera” Labels: https://www.boomlive.in/web-stories/news/youtube-introduces-captured-with-a-camera-labels-to-combat-ai-generated-content-2188
(7) Gigazine — YouTube introduces ‘filmed on camera’ label using C2PA standard: https://wbgsv0a.gigazine.net/gsc_news/en/20241016-youtube-c2pa-captured-with-a-camera
(8) Didit — Europe’s deepfake rule is now in force: https://didit.me/blog/eu-ai-act-deepfake-labelling-2026/
(9) BCLP — The AI Office has published its first Code of Practice on transparency of AI-generated content: https://www.bclplaw.com/print/v2/content/1568588/the-ai-office-has-published-its-first-code-of-practice-on-transparency-of-ai-generated-content.pdf
(10) Horan MediaTech Advisors — AI-Generated Content on YouTube: How Large Is the Problem?: https://horanmediatech.com/ai-generated-content-on-youtube-how-large-is-the-problem/
(11) Anadolu Ajansı — Study finds over 20% of videos shown to new YouTube users are ‘AI slop’: https://www.aa.com.tr/en/science-technology/study-finds-over-20-of-videos-shown-to-new-youtube-users-are-ai-slop-/3783297
(12) Philstar Life — 21% of videos on YouTube feed are AI ‘slop’: https://philstarlife.com/amp/article/485354-21-percent-videos-on-youtube-ai-slop-research
(13) eWeek — AI Conquers YouTube: https://www.eweek.com/news/ai-slop-conquers-youtube-algorithm/
(14) 9to5Mac — 60% of TikTok videos are AI slop; 21% of YouTube ones: https://9to5mac.com/2026/06/22/60-of-tiktok-videos-are-ai-slop-21-of-youtube-ones/
(15) The Decoder — One in five YouTube Shorts shown to new users is AI-generated slop: https://the-decoder.com/one-in-five-youtube-shorts-shown-to-new-users-is-ai-generated-slop-study-finds/
(16) TheWrap — More Than 1 Million YouTube Channels Used the Company’s AI Tools in December: https://thewrap.com/industry-news/tech/youtube-2026-goals-ai-monetization-neal-mohan-letter
(17) Adobe — How creators use AI video tools across platforms: https://www.adobe.com/express/learn/blog/ai-video-tools
(18) TweakTown — YouTube is quietly using AI to change some videos without creator consent: https://www.tweaktown.com/news/107310/youtube-is-quietly-using-ai-to-change-some-videos-without-creator-consent/index.html
(19) AlternativeTo — YouTube faces backlash for secret AI edits on Shorts videos: https://alternativeto.net/news/2025/8/youtube-faces-backlash-for-secret-ai-edits-on-shorts-videos-without-user-consent
(20) RouteNote — YouTube has been quietly editing creators’ videos with AI: https://routenote.com/blog/youtube-has-been-quietly-editing-creators-videos-with-ai/
(21) Hiverlab — YouTube Secretly Using AI to Edit Creators’ Videos Without Consent: https://hiverlab.com/old-content/youtube-uses-ai-to-edit-videos-without-consent
(22) Zenni Optical — Debunking the Myths of Color Blindness: https://www.zennioptical.com/blog/myths-color-blindness/
(23) Primetel — YouTube adds mandatory disclosure badges for AI-generated and altered content: https://primetel.com.cy/youtube-adds-mandatory-disclosure-b-badges-for-ai-generated-and-altered-content-8705
(24) C2PA — A New Implementation Guide for Content Credentials: https://c2pa.org/?p=259
(25) Boing Boing — Algorithms like YouTube’s Content ID harm fair use, free speech, and creativity: https://boingboing.net/2020/12/17/algorithms-like-youtubes-content-id-harm-fair-use-free-speech-and-creativity.html
(26) YouTube Help — Appeal a Content ID claim: https://support.google.com/youtube/answer/12104471
(27) YouTube Help — Dispute a Content ID claim: https://support.google.com/youtube/answer/2797454
(28) EFF — Unfiltered: How YouTube’s ‘Content ID’ Helps Shape What We See Online: https://eff.org/node/104288
(29) NBER — Evidence from YouTube Content ID (conference paper): https://conference.nber.org/conf_papers/f243285.pdf
(30) AIR Media-Tech — What is YouTube’s AI content disclosure policy?: https://air.io/en/youtube-glossary/what-is-youtubes-ai-content-disclosure-policy
(31) Tian Pan — AI Content Provenance in Production: https://tianpan.co/blog/2026-04-19-ai-content-provenance-c2pa
(32) W3C — C2PA meeting minutes (20 August 2024): https://www.w3.org/2024/08/20-me-minutes.html
(33) JPEG — Overview of JPEG Trust: https://jpeg.org/jpegtrust/
(34) C2PA — Implementation Guidance: https://c2pa.org/specifications/specifications/1.3/guidance/Guidance.html
(35) Kompozy — C2PA glossary: https://kompozy.io/glossary/c2pa
(36) BleepingComputer — Pixel 10 fights AI fakes with new Android photo verification tech: https://bleepingcomputer.com/news/security/pixel-10-fights-ai-fakes-with-new-android-photo-verification-tech
(37) Security Affairs — Google Pixel 10 adds C2PA to camera and Photos: https://securityaffairs.com/182068/security/google-pixel-10-adds-c2pa-to-camera-and-photos-to-spot-ai-generated-or-edited-images.html
(38) Metavert — C2PA vs Content Authenticity: https://metavert.io/compare/c2pa-vs-content-authenticity
(39) TechSpot — Chrome will start marking HTTP sites as ‘not secure’: https://www.techspot.com/news/73202-chrome-start-marking-http-not-secure.html
(40) ASIST — ISO/DIS 22144, Authenticity of Information – Content Credentials: https://www.asist.org/?p=107622
(41) ITU — Standards and policy considerations for multimedia authenticity: https://www.itu.int/hub/2025/07/standards-and-policy-considerations-for-multimedia-authenticity/
(42) AI for Good — AI and Multimedia Authenticity Standards Collaboration: https://aiforgood.itu.int/amas
(43) Heuking — The European Commission Specifies Labelling Requirements for AI-Generated Content and Deepfakes: https://www.heuking.de/en/news-events/newsletter-articles/detail/the-european-commission-specifies-labelling-requirements-for-ai-generated-content-and-deepfakes.html
(44) IET — The Trust Factor: Explaining the C2PA standard: https://tv.theiet.org/video/the-trust-factor-explaining-the-c2pa-standard/eded07dd-359f-4945-a862-d1c43a46d93a