GitHub, geliştirici baskıları sonrası yapay zeka eğitiminde veri kullanım politikasını değiştirerek, 'izin verme' (opt-in) sistemine geçtiğini duyurdu.
1 Haziran 2026'dan itibaren geçerli olacak yeni kural, yalnızca gelecekteki modelleri kapsayacak ve mevcut Copilot gibi araçları etkilemeyecek.
Bu adım, teknoloji endüstrisinde veri sahipliği ve adil kullanım tartışmalarında önemli bir dönüm noktası olarak görülüyor ancak mevcut modellere ilişkin hukuki sorunları çözmüyor.

Atlas AI
GitHub, kamuya açık kod depolarının yapay zeka eğitimi için kullanımında varsayılan kuralı tersine çeviriyor ve geliştiricilere daha doğrudan veri kontrolü veriyor. Şirketin açıkladığı yeni yaklaşıma göre, 1 Haziran 2026’dan itibaren kullanıcıların herkese açık depolarındaki kodlar, GitHub ve ana şirketi Microsoft’un gelecekte geliştireceği yapay zeka modellerini eğitmek için otomatik olarak kullanılamayacak. Kodun eğitim verisi olarak kullanılabilmesi için depo ayarlarından açık onay gerekecek.
Değişiklik, bugüne kadar uygulanan “vazgeçme” modelinin yerine “izin verme” modelini koyuyor. Yeni seçenek, depo ayarlarında varsayılan olarak işaretlenmemiş bir kutucuk şeklinde yer alacak ve hem yeni açılan hem de mevcut tüm herkese açık depolara uygulanacak. Özel depolar için kural değişmiyor; GitHub, özel depolardaki verilerin yapay zeka eğitimi için hiç kullanılmadığını belirtiyor.
GitHub CEO’su Thomas Dohmke, adımı toplulukla birlikte gelişme ve güven inşa etme hedefiyle ilişkilendirdi. Şirketin veri kullanım pratikleri uzun süredir geliştirici topluluğunda tartışma konusu olduğu için, bu karar aynı zamanda yönetişim ve itibar risklerini yönetmeye dönük bir hamle olarak okunuyor. Politika değişikliği, platformun yapay zeka ürünleri etrafında büyüyen hukuki ve düzenleyici baskıların arttığı bir döneme denk geliyor.
Tartışmaların merkezinde, GitHub Copilot gibi araçların kamuya açık kodlarla eğitildiği ve bu süreçte lisans koşulları ile atıf gerekliliklerinin yeterince gözetilmediği iddiaları yer aldı. Joseph Saveri Hukuk Bürosu ve Matthew Butterick tarafından başlatılan toplu dava, bu eleştirilerin somutlaştığı başlıca örneklerden biri olarak öne çıktı. Davada, geliştiricilerin fikri mülkiyet haklarının ihlal edildiği ve haksız ticari kazanç sağlandığı savunuldu.
Düzenleyici cephede de şeffaflık ve rıza beklentisi yükseliyor. Metinde atıf yapılan Avrupa Birliği Yapay Zeka Yasası gibi çerçeveler, teknoloji şirketlerinin eğitim verisi kaynakları ve izin mekanizmaları konusunda daha net süreçler kurmasını teşvik ediyor. GitHub’ın opt-in modeline geçişi, bu baskılar altında yasal riski azaltma ve geliştirici ekosistemiyle gerilimi düşürme amacı taşıyor.
Buna karşın yeni kuralın kapsamı sınırlı. Politika, Copilot gibi ürünleri çalıştıran mevcut yapay zeka modellerini kapsamıyor; yalnızca gelecekteki modeller için geçerli. Bu ayrım, geçmişte hangi verilerin hangi koşullarda kullanıldığına dair hukuki tartışmaların ve lisans uyumu tartışmalarının devam edebileceği anlamına geliyor.
Sonuç olarak GitHub, yapay zeka çağında veri sahipliği, adil kullanım ve fikri mülkiyet yönetimi tartışmalarının tam ortasında, varsayılan izin mantığını değiştirerek daha sıkı bir rıza standardı benimsiyor. Bu yaklaşımın, benzer ölçekte platformların eğitim verisi politikalarında emsal oluşturup oluşturmayacağı, geliştirici tepkileri ve devam eden davaların seyrine bağlı kalacak.
Ülke Etkisi: Bu adım, AB Yapay Zeka Yasası gibi düzenlemelerin rıza ve şeffaflık beklentilerini karşılamaya dönük kurumsal uyum süreçlerini hızlandırabilir. Düzenleyiciler, eğitim verisi kaynakları ve izin mekanizmaları üzerinden denetim standartlarını netleştirebilir.
Sektör Etkisi: Yazılım platformları ve yapay zeka sağlayıcıları, kamuya açık içeriklerin eğitimde kullanımında varsayılan izin yaklaşımını yeniden tasarlamak zorunda kalabilir. Lisans uyumu, atıf ve veri yönetişimi süreçleri ürün geliştirme maliyetleri ve operasyonel tasarımlar üzerinde etkili olabilir.
Piyasa Etkisi: Politika değişikliği, yapay zeka ürünlerinde veri tedarik riskini ve olası dava maliyetlerini fiyatlayan yatırımcı beklentilerini etkileyebilir. Eğitim verisine erişim kısıtları, model geliştirme takvimleri ve veri lisanslama harcamaları üzerinden nakit akışı varsayımlarına yansıyabilir.
İlgili Haberler

Ay Görevleri İçin Yeni Yakıt Tasarrufu Sağlayan Rota
22 May, 15:01·yaklaşık 5 saat önce
Yapay Zeka Erdős'ün Düzlemsel Birim Mesafe Sorununu Çözdü
22 May, 14:47·yaklaşık 5 saat önce