Yapay Zeka Sanat ve Müziği Nasıl Üretiyor ve "Gerçek Yaratıcılık" Neden Tartışmalı Kalıyor

Üretken yapay zeka araçları artık kısa bir metin isteminden görseller, şarkılar ve tam müzik parçaları üretiyor ve bu teknolojinin arkasındaki süreç canlı bir hukuki ve kültürel mücadelenin konusu haline geldi. Ekim 2026'da müzik yayıncısı Reservoir, Kaliforniya Kuzey Bölgesi ABD Bölge Mahkemesi'nde Suno ve Anthropic'e karşı davalar açarak her iki şirketi de binlerce telif hakkı korumalı bestede yapay zeka sistemlerini lisanssız şekilde eğitmekle suçladı. Bu hukuki mücadelenin yanı sıra, araştırmacılar farklı bir soruyu tartışmaya devam ediyor: bu çıktılardan herhangi biri yaratıcılık sayılır mı, yoksa tamamen başka bir şey mi söz konusu?

Yapay zeka tarafından üretilen görseller nasıl oluşturuluyor

Stable Diffusion, Midjourney ve DALL-E gibi araçlar, difüzyon modelleri denen yapılara dayanıyor. Eğitim sırasında sisteme gerçek görseller gösteriliyor ve bu görsellere adım adım rastgele gürültü ekleniyor; ta ki orijinal resim tanınmaz hale gelene kadar. Model daha sonra ters süreci öğreniyor — yani bu gürültüyü tekrar nasıl ayıklayacağını — Cloudinary tarafından yayımlanan teknik bir kılavuza göre. Üretim aşaması bu süreci tersine çevirir: sistem tamamen rastgele gürültüden başlar ve bunu aşamalı olarak giderir; ilk adımlar genel şekilleri ve kompozisyonu oluştururken, sonraki adımlar tutarlı bir görüntü ortaya çıkana kadar dokuyu, aydınlatmayı ve detayları iyileştirir. Bir metin istemi, her gürültü giderme adımını yönlendirerek modele hangi konuya, tarza ve ortama doğru ilerlemesi gerektiğini söyler.

Yapay zeka bir metin isteminden müziği nasıl besteliyor

Suno ve Udio gibi müzik sistemleri ayrıntıda farklı ama ilke olarak benzer şekilde çalışır. Ham ses verisi — saniyede milyonlarca sayı içerdiğinden — doğrudan dil-tipi bir modele beslenemeyecek kadar yoğun olduğundan, bu sistemler önce sesi sinirsel ses kodlayıcıları kullanarak az sayıda ayrık "token"a sıkıştırır; AI-TLDR'nin teknik bir incelemesine göre bu, kabaca 600 kata varan bir sıkıştırma sağlar. Ses token'lara dönüştürüldükten sonra, büyük dil modellerinin arkasındaki mimari türünün aynısı olan bir transformer modeli, sıradaki token'ı, ardından bir sonrakini tahmin ederek parça parça tam bir şarkı inşa eder. Bir metin istemi (ve varsa şarkı sözleri), ses token'ları üretilmeden önce önce tür, tempo ve şarkı yapısını kapsayan kaba bir plana dönüştürülür. Modeller büyük müzik kütüphaneleri üzerinde eğitiliyor ve bu incelemede kullanılan tanıma göre, belirli mevcut şarkıları çağırmak yerine akor ilerlemelerini ve şarkı yapılarını özümseyen "kompozisyon motorları" olarak işlev görüyor.

Teknolojinin arkasındaki telif hakkı mücadelesi

Bu sistemlerin eğitimi, şu anda aktif davaların konusu olan muazzam miktarda mevcut yaratıcı çalışmayı gerektiriyor. Reservoir'in 21 Ekim 2026 tarihli davaları, Law Commentary tarafından incelenen dava dosyalarının bir özetine göre, Suno'nun 1.050 telif hakkı korumalı beste kullandığını ve Anthropic'in Madonna, Johnny Cash ve Joni Mitchell'in eserleri de dahil olmak üzere 853 bestenin sözlerini yetkisiz şekilde kullandığını ileri sürüyor. Reservoir, Suno'dan kabaca 186,4 milyon dolar, Anthropic'ten ise yaklaşık 151,4 milyon dolar yasal tazminat talep ediyor; ayrıca Dijital Binyıl Telif Hakkı Yasası (DMCA) kapsamında da iddialarda bulunuyor. Suno, telif hakkı korumalı materyal üzerinde yapay zeka eğitiminin adil kullanım kapsamına girebileceğini savunurken, ayrıca Warner, BMG ve Believe ile lisans anlaşmaları imzaladı; Anthropic ise davaya karşı savunma yapmayı planladığını belirtti. Reservoir'in şikayeti, bu lisans anlaşmalarını, müziği kullanmak için meşru bir pazarın zaten var olduğunun kanıtı olarak gösteriyor.

Bunların herhangi biri "yaratıcı" mı? Araştırmacılar anlaşamıyor

Hukuki sorunun dışında, akademisyenler bu sistemlerin çıktılarının herhangi bir makul yaratıcılık tanımını karşılayıp karşılamadığı konusunda anlaşamıyor. Hesaplamalı dilbilimci Emily Bender ve meslektaşları, büyük modelleri, Heidelberg Laureate Vakfı'nın tartışmaya dair incelemesine göre, fikir üretmek yerine eğitim verisindeki kalıpları istatistiksel olarak yansıtan "stokastik papağanlar" olarak tanımlıyor. Bilgisayarlı görü araştırmacısı Alexei Efros ise satranç veya Go gibi kapalı, kurallara bağlı alanlar — yapay zeka sistemlerinin sabit kurallar içinde yenilik yapabildiği söylenebilecek alanlar — ile sanat gibi sabit bir hedefin bulunmadığı açık uçlu alanlar arasında bir ayrım yapıyor.

Diğer araştırmacılar farklı bir açıdan karşı çıkıyor. Yapay zeka araştırmacısı Selmer Bringsjord, mevcut yapay zeka çıktısının gerçek bir yaratımdan ziyade eğitim verisinin "yeniden miksajı" anlamına geldiğini öne sürüyor ve bir sistemin ancak kendi tasarımcılarının açıklayamayacağı bir çıktı üretirse yaratıcı sayılabileceğini belirten Lovelace Testi'ni önerdi — BrainFacts.org'un yayımladığı bir özete göre, ona göre günümüz modelleri bu eşiği geçememiş durumda. Psikolog Mark Runco, niyetliliğin insan yaratıcılığının merkezinde olduğunu ekliyor: insanlar bilinçli olarak yaratmayı seçerken, yapay zeka sistemleri kendi niyetlerini değil kullanıcının niyetini yansıtan istemlere yanıt veriyor. Test alanında ise, aynı BrainFacts.org özeti, GPT-4 dahil bazı modellerin, çeşitli fikirler üretme yeteneğini ölçen ıraksak düşünme testlerinde ortalama bir insandan daha yüksek puan aldığını not ediyor — ancak en üst düzey insan yaratıcı performans gösterenler, test edilen yapay zeka sistemlerinden hâlâ daha yüksek puan alıyor.

Tartışma sanatçıları ve dinleyicileri nereye bırakıyor

Heidelberg Laureate Vakfı'nın incelemesi, insan yaratıcılığının tanımının araştırmacılar arasında zaten bu kadar tartışmalı olduğu göz önüne alındığında, yapay zeka konusunda kesin bir cevabın elde edilmesi uzak bir ihtimal olarak kalabileceğini belirtiyor. Bu incelemede adı geçen birçok yorumcu, daha pratik yolu, yapay zekayı kendi başına ayrı bir yaratıcı özne olarak değil, insan yaratıcı çalışmasını güçlendiren bir araç olarak ele almak şeklinde çiziyor — bu çerçeve, bu sistemlerin baştan nasıl eğitildiğine ilişkin süregelen telif hakkı anlaşmazlıklarının yanında yer alıyor, ancak onları çözmüyor.