Müzik Alanında, Yapay Zekâ Çağında Telif Hakları Sorunu

1956 yılında müzik dünyasına sunulan, "Illiac Süiti", bir bilgisayar tarafından yaratılan ilk müzik eseri olarak kabul edilir. Illinois Üniversitesi Urbana-Champaign'de besteci olan Profesör Lejaren Hiller; üniversitenin öncü bilgisayarı Illiac I'i, algoritmik olasılıksal üretime dayalı dörtlüyü üretecek şekilde programlayarak kompozisyonu oluşturdu.

Günümüzde, bilgi işlem gücü ve üretken yapay zekâ (genAI) teknolojisinin yükselişiyle birlikte, web tarayıcısı üzerinden yalnızca bir metin istemiyle saniyeler içinde müzik üretilebiliyor. Suno ve Udio gibi yeni genAI modelleri, sofistike melodi, armoni, ritim ve profesyonel tınılarla etkileyici besteler yaratabiliyor. Ancak, Illiac I'in aksine, bu modeller insanlar tarafından yaratılmış önceden var olan müzikler kullanılarak eğitiliyor. Bu nedenle, ticari açıdan değerli müzik üretmeye yönelik bu yeni yetenek; sanatçıların telif hakları açısından nasıl korunacağı sorununu tartışma gündemine getiriyor. Örneğin; Singapur Teknoloji ve Tasarım Üniversitesi bünyesindeki Ses, Müzik ve Yapay Zekâ Laboratuvarı'nda (AMAAI), müzik yapıtları arasındaki benzerlikleri tespit etmek üzere tasarlanmış yeni yapay Zekâ modellerinin; telif hakkı ücretlerinin dağıtımında yeni yollar ortaya çıkarıp çıkaramayacağını araştırıyor. Yapay zekanın giderek daha fazla hakimiyet kurmasının beklendiği bir alanda; içerik üreticilerinin nasıl ücretlendirildiğini çözmeye yardımcı olabilecek mi? Henüz yanıtlanmayan sorulardan biri.

Beynimiz, sinaps adı verilen yollarla birbirine bağlanan yaklaşık 86 milyar nörondan oluşur ve bu nöronlar yapay zekâ modellerine ilham kaynağı olur. Yaşamımız boyunca on binlerce şarkıya maruz kalırız. Beynimiz, yeni sinaptik bağlantılar oluşturarak, mevcut olanları güçlendirerek kalıpları ve beklentileri gizlice öğrenir. Bilişsel bilimde bu sürece istatistiksel öğrenme denir. Örneğin: Batı müziğinde yaygın bir beşli olan do-sol aralığı gibi belirli kalıplara ne kadar çok maruz kalırsak; bu bağlantılar o kadar güçlenir. Bu da müzik hakkında beklentiler oluşturmamızı sağlar. Belirli bir tonaliteye ait olmayan uyumsuz bir nota duyduğumuzda; öğrenilmiş beklentilerimiz ihlal edilir ve bu da onu yanlış veya uygunsuz olarak algılamamıza yol açar. Beyinlerimiz, kayıtlar gibi bütün müzik parçalarını depolamaz. Bunun yerine, müzikteki kalıpları ve yapıları kodlayan sinir yolları oluşturur. Bu yollar, melodileri ve armonileri tanımamızı ve tahmin etmemizi sağlar. Bir şarkı mırıldandığımızda veya bestelediğimizde belirli bir kaydı ezberlemiyoruz; öğrenilmiş kalıplara dayanarak dinamik olarak müzik oluşturuyoruz.

Derin öğrenme ağları da benzer fikirlere dayanmaktadır. Yapay sinir ağları, insan biyolojisinden, özellikle de bilginin beynin işlem birimleri (nöronlar) arasındaki bağlantıların (sinapslar) güçlendirilmesiyle üretildiğini savunan bağlantıcılık teorisinden esinlenmiştir. Yapay sinir ağları, eğitim sırasında binlerce müzik bestesiyle beslenir. Besteleri ezberlemek yerine, tıpkı beynimizin maruz kalma yoluyla örüntüleri öğrenmesi gibi, müzik öğeleri arasındaki istatistiksel ilişkileri öğrenirler. Eğitimden sonra geriye kalan bir şarkı veritabanı değil, müzik yapısını şekillendirmek için gereken istatistiksel yolları kodlayan bir dizi ağırlık parametresidir. Bu ağırlıklar, beyindeki sinapsların gücüne benzetilebilir. Müzik üretilmesi gerektiğinde, ağ çıkarım yapar. Bir girdi (genellikle bir metin istemi) verildiğinde, öğrenilen istatistiksel dağılımdan örnekleme yaparak yeni diziler oluşturur.

Ancak bu ağırlık kümeleri milyarlarca parametre içerebilir ve yorumlanması zor bir "kara kutu" (iç işleyişi opak bir yapay zekâ sistemi) oluşturabilir. Bu ağları daha iyi anlamak için araştırmacılar, SHAP (SHapley Eklemeli Yorumlama) ve LRP (Katman Bazlı İlgililik Yayılımı) gibi yeni teknikler geliştirdiler. Ancak bu karmaşık ağlar hakkındaki anlayışımızın hâlâ sınırlı olduğunu söyleyebiliriz. Bu anlayış eksikliği başka bir soruna yol açıyor: Üretim sisteminde şeffaflık eksikliği… AMAAI Labs'ta, Meta'nın MusicGen'ine benzer, kontrol edilebilir; açık kaynaklı bir metinden müziğe dönüştürme modeli olan Mustango geliştirdi. Ancak, Meta'nın modelinin aksine; Mustango tamamen Creative Commons verileriyle eğitiliyor. Bu düzeyde bir açıklık, bu alanda standart bir uygulama değildir. Suno ve Udio gibi iş modelleri, eğitim veri kümelerinin ve modellerinin ayrıntılarını açıklamamaktadır. Bu durum, müzik endüstrisinde etik yapay zekâ gelişimini teşvik etmek için telif hakkının nasıl ele alınması gerektiği konusunda önemli soruları gündeme getirmektedir.[1] Çünkü sinir ağları, veri tabanlarının aksine eğitim şarkılarını depolamaz; bunun yerine istatistiksel kalıpları içselleştirir. Bu nedenle, modeli eğitmek için belirli bir müziğin kullanılıp kullanılmadığını tespit etmek zordur. Yapay zekâ şirketleri eğitim verilerini kolayca silebildiğinden denetim neredeyse imkânsızdır.

AMAAI Laboratuvarı'nda, belirli bir şarkının bir modeli eğitmek için kullanılıp kullanılmadığını doğrulamaya nasıl yardımcı olabileceği araştırılıyor. Bu amaçla, üyelik çıkarım saldırıları ve bozulma analizi gibi yeni teknikler araştırılıyor. Örneğin, ikinci üretimde, bir şarkıda küçük değişiklikler yapılıyor ve modelin bunlara nasıl tepki verdiği gözlemleniyor. Model bu küçük değişikliğe güçlü bir şekilde tepki veriyorsa; bu, yapay zekânın eğitim sırasında şarkıya maruz kaldığı anlamına geliyor.

Lisanslama modelleri tasarlanırken başka sorunlar da ortaya çıkar. Örneğin, bir model hem Taylor Swift'in hit şarkıları hem de daha az bilinen sanatçıların şarkıları için eğitilmişse, tüm sanatçılar eşit ücret almalı mıdır? Herkese uyan tek tip bir lisanslama ücreti adil olmayabilir. Daha adil bir yaklaşım, her şarkının üretilen çıktıya ne kadar katkıda bulunduğunu değerlendiren dinamik bir mekanizma kullanmak olacaktır. Bir kullanıcı "Taylor Swift'inki gibi bir şarkı yarat" komutunu girerse, üretilen çıktı Taylor Swift'in müziğine benzer olacaktır. Bu durumda, müzik çıktısı üzerinde en büyük etkiye sahip sanatçıların telif ücreti almasını sağlayarak, hak atıfını benzerliğe göre belirlemeyi düşünmeli miyiz? Bunu yapmak için böylesine dinamik ve adil bir hak atıf modelinin tasarlanmasına yardımcı olacak, son derece doğru benzerlik modelleri de dahil olmak üzere; teknolojik gelişmelere ihtiyaç olacaktır.

Yapay zekâ, salt müzik üretimi için tasarlanmış modellerden çok; bestecinin yaratıcı sürecini iş birliği içinde bir ortak olarak geliştirmeye, bestecilere armoniler konusunda yardımcı olmaya, iş akışlarını hızlandırmaya ve kısa melodik bölümleri doldurmaya odaklanabilir. iPod ve müzik akışının başlattığı devrimden bile daha büyük ve karmaşık olduğu iddia edilen, devam eden yapay zekâ devrimi; müzik endüstrisini hızla uyum sağlamaya zorluyor. Bu yapılırken; teknolojinin şeffaflığı ve etik eğitim uygulamalarını teşvik edilmesine yardımcı olabileceği unutulmamalıdır. Bu şaşırtıcı yeni teknolojiler; yaratıcı süreci zayıflatmak yerine sanatçıları güçlendiren ve adil bir ücretlendirme sağlayan iş birliği araçlarının geliştirilmesini de kolaylaştırabilir.

21. yüzyılda müzisyenler yalnızca teknik beceri ve yaratıcı yetiye değil; aynı zamanda yapay zekâ teknolojisine uyum sağlama, yenilikçilik, girişimcilik ve katılım duygusuna da sahip olmalıdır. Geleneklerin önemli olduğunu unutulmadan; hızla değişen dünyanın müzik eğitiminin de aynı derecede dinamik bir yaklaşım benimsemesi gerektirdiğini anlamak, zorunluluk haline gelmiştir. Yapay zekânın hızla gelişmesiyle birlikte, müzik endüstrisi benzeri görülmemiş zorluklar ve fırsatlarla karşı karşıya kaldı. Yapay zekâ, insan sanatının benzersizliğini tamamen ortadan kaldıramaz. Ancak yapay zekâyla nasıl başa çıkılacağı ve birlikte var olunacağı, gelecekteki gelişim için hayati önem taşıyacaktır... 

Yapay zekanın müzik yaratmadaki performansı şaşırtıcıdır. Yapay zekâ, Bach'ın polifonik stilinin armonilerini ve dokularını bile taklit ederek 10 saniyede bir senfoni üretebiliyor. İnsan duygusu sanatın ayırt edici özelliği olması nedeniyle, Yapay zekâ bestelerinin duygusal sıcaklıktan yoksun olduğuna olan inanış yanlıştır. Yıllar içinde yapay zekânın semboller aracılığıyla insan duygularını ifade etmeyi öğrenebileceği ve bestelerin, şimdiden dokunaklı ve daha da incelikli hale geldiği gözlemlemiştir.

Yapay zekânın etkisi müzik performanslarına bile uzanabilir. Geleceğin orkestraları hem insan hem de robot müzisyenlerden oluşabilir. Hatta bir robot şef yönetiminde orkestralar için uzun zaman beklenmeyecektir.  Daha da çarpıcı olanı, tüm müzik yapay zekâ tarafından üretildiğinde; sahnede hiçbir enstrüman veya müzisyen olmayacaktır.

Müzik sanatçıları için bilinmeyen gelecek; hazırlıksızlık duygusunu güçlendiren, korkutucu bir bekleyiş duygulanımı oluşturdu. Teknoloji savunucularına göre; yapay zekâ yaratıcılığın katili değil sanatçıların yaratıcı ilhamını tetikleyebilen bir katalizördür. Bu görüşe karşı; aralarında, Stevie Wonder, Billie Eilish ve Katy Perry gibi birçok ünlü Avrupalı ve Amerikalı sanatçının bulunduğu 200'den fazla uluslararası müzisyen; yapay zekâ teknolojisi şirketlerine, platformlarına ve dijital müzik hizmeti sağlayıcılarına sert bir çağrıda bulunan açık bir mektuba imza attı.[2] İnsan sanatçıların haklarını ihlal edebilecek ve değersizleştirebilecek yapay zekâ araçlarının kullanımına son verilmesini talep ettiler. Teknoloji şirketlerini, şarkı yazarlarının ve sanatçıların insani yeteneklerini baltalayabilecek veya onların yerini alabilecek yapay zekâ destekli müzik üretim araçları geliştirmekten kaçınmaya çağırdılar. Bu grup; yapay zekanın avcı kullanımına şiddetle karşı çıktı ve bunun müzik eserlerinin özgünlüğünü ve değerini azaltacağı endişesini dile getirdi. Ayrıca, sanatçıların yapıtlarının yapay zekâ modelleri eğitmek için kullanılmasını insan yaratıcılığına bir saldırı olarak eleştirdi ve bu tür uygulamaların müzik ekosistemini mahvedeceği konusunda uyardı.

Teknolojik inovasyonun savunucuları, yapay zekânın müzikte uygulanmasını coşkuyla övüyor ve yaratıcılığın sınırlarını önemli ölçüde genişlettiğini ve müzik yapımını demokratikleştirdiğini savunuyorlar. Artık, teknik geçmişi ne olursa olsun herkes bu araçları kullanarak karmaşık ve güzel müzikler yaratabilir. Dahası, yapay zekâ, insan müzisyenler tarafından daha önce hiç denenmemiş veya hayal edilmemiş yeni müzik tarzlarını ve yapılarını keşfedebilir.

Ancak geleneksel sanatın savunucuları çok farklı bir görüşe sahip. Müziğin özünün melodi ve ritmin çok ötesine geçtiğini; daha da önemlisi, duyguları harekete geçirme, duyguyu aktarma ve bir hikâye anlatma yeteneğinde yattığını vurguluyorlar. Yaşam deneyimi olmayan ve duyguları algılayamayan bir yapay zekânın, gerçekten duyguları harekete geçiren müzikler yaratabileceğini sorguluyorlar. Yapay zekâya aşırı güvenmenin, müziği en temel değerinden, yani insani değerinden mahrum bırakabileceğinden endişe ediyorlar.

Yapay zekâ ile üretilen müzikle ilgili tartışmalar, kamuoyunun teknolojik yenilikler konusundaki farkındalığını artırmakla kalmadı, aynı zamanda yasal korumaya olan acil ihtiyacı da vurguladı. Bu eğilime yanıt olarak, 21 Mart 2024'te Tennessee Valisi Bill Lee, müzisyenler de dahil olmak üzere sanatçıları yapay zekanın yetkisiz kullanımından korumak için tasarlanmış önemli bir yasa tasarısını imzaladı.[3] ELVIS Yasası olarak da bilinen Ses ve Görüntü Benzerliğinin Güvenliğinin Sağlanması Yasası, eyaletin mevcut telif hakkı yasasında önemli bir güncellemedir. Eski yasa sanatçıların isimlerini, görsellerini veya benzerliklerini ihlalden korurken; yeni yasa bu korumaları yapay zekâ kullanımına yönelik telif hakkı korumalarını da kapsayacak şekilde genişletiyor.  Yasa, yapay zekanın sanatçıların seslerini izinsiz taklit etmesini yasaklayarak; teknolojik yenilikler takip edilirken, bu yeniliklerin sanatçıların haklarını tehlikeye atmasını engellemek istiyor.

Yapay zekânın müzik prodüksiyonuna derinlemesine nüfuz etmesiyle birlikte, yeni bir tarihsel dönüm noktasındayız. Kod ve algoritmalarla örülü bu yeni yaratıcı çağda, yapay zekâ teknolojisi ve müzik sanatının birleşimi, düşünce ve kültürde bir devrime yol açtı. Yapay zekâ, yeni müzik tarzlarının yaratılmasına ve hatta klasik sanatçıların eserlerinin taklit edilmesine olanak tanıyarak sınırsız olanaklar sunuyor. Ancak özünde sanat, benzersiz bireysel ifadeyi ve derin kişilerarası bağlantıları somutlaştıran insan duygusu, deneyimi ve bakış açısı olarak kalmaya devam ediyor. Dolayısıyla, algoritma odaklı bu çağda, insan yaratıcılığı ve duygusu sanat için vazgeçilmez olmaya devam ediyor.

Müzik tarihi sürecinde teknolojinin sanatın sınırlarını nasıl genişlettiğine ve yeni yaratıcı araçlar sunduğuna insanlık tanık oldu. Bu dönüşümle karşı karşıya kalan bir toplum olarak, yapay zekâ ve insan yaratıcılığının kontrolsüz bir rekabete girmek yerine, uyum içinde bir arada var olup olamayacağı üzerine derinlemesine düşünülmesi gerekiyor. Bu soruyu araştırırken, yapay zekayı yalnızca potansiyel bir tehdit olarak görülmemeli; bunun yerine bu teknolojinin insan sanatının gelişimini nasıl artırabileceğine odaklanılmalıdır. Teknolojik trendlerin etkisiyle sanatçılar, yasa koyucular ve teknoloji geliştiricileri, yapay zekânın gelişiminin sanatsal yaratımın özgünlüğüne ve çeşitliliğine saygı gösterirken; inovasyonu da teşvik etmesini sağlamak için birlikte çalışmalıdır.

Yapay zekâ ve insan müzisyenlerin iş birliği sayesinde, yapay zekâ veri analizi ve örüntü tanıma gibi muazzam iş yükünün üstesinden gelebilirken; insan sanatçılar eşsiz bir yaratıcılık ve duygusal derinlik sunacaklardır. Bu iş birliği; müzik sanatında inovasyonu teşvik etmekle kalmayacak, aynı zamanda müzik yapıtlarının insan deneyimiyle yakından bağlantılı olmasını sağlayarak, gerçekten duyguya dokunan sanat ürünleri yaratılacaktır.

Yapay zekânın yükselişi yalnızca teknik bir sorun değil; çok yönlü kültürel, sosyal ve etik zorlukları da beraberinde getiriyor. Hızla değişen bu dünyada insan yaratıcılığının ve kültürel çeşitliliğin gerçekten saygı görmesi ve beslenmesi için bilgeliğe ve öngörüye ihtiyacımız var. Bu sadece sanatçıların görevi değil; bu çağda yaşayan herkesin ortak sorumluluğudur.