Raven tek fotoğrafla evinizi bulabilir mi? Maliyeti 3 sent

👁 116 okunma

Bu hikâyede en ilginç nokta, yapay zekânın bir fotoğrafın nerede çekildiğini tahmin edebilmesi değil. GeoGuessr oynayanlar bunu zaten biliyor. Asıl mesele maliyet. Bir fotoğraftan adres bulmak, analistin günlerce çalışmasını gerektiren bir iş olmaktan çıkıp sentlerle ücretlendirilen bir API sorgusuna dönüştüğünde değişen teknoloji değil, bu teknolojinin kullanılabileceği ölçektir. Gerçek maliyetin ne olabileceğini hesapladım.

Raven yalnızca sokakları değil, evlerin içini de tanıdığını söylüyor

404 Media bu hafta önceden Geospy adıyla çalışan Raven aracını haber yaptı. İlk sürümü klasik bir coğrafi konum belirleme aracıydı: Dışarıda çekilmiş bir fotoğraf yüklüyorsunuz; model mimariye, bitki örtüsüne, elektrik direklerinin türüne ve kaldırım biçimine bakarak bölgeyi, şehri, bazen de sokağı tahmin ediyor. Şirketin yeni iddiası ise daha ileri gidiyor: Tek bir iç mekân fotoğrafından belirli bir evi tespit edebildiğini söylüyor. Bir oturma odasından, yatak odasından; teoride yalnızca mobilyaların göründüğü bir kareden.

Bu kulağa kısmen pazarlama abartısı gibi geliyor, ancak işleyişi sihir değil. İç mekânlar pek çok ipucu taşır: Pencerelerin düzeni ve dışarıdan görünenler, priz tipi, belirli bir döneme ya da inşaat şirketine özgü kaplama standardı, radyatör türü, binanın yönünü gösterebilen ışık açısı ve çoğu zaman camın ardındaki manzaranın bir parçası. Emlak ilanlarından milyarlarca fotoğrafla eğitilmiş bir model, belirli bir şehirdeki tipik daire planlarını çoğu emlakçıdan daha iyi tanıyabilir. 2015-2024 arasında inşa edilen toplu konutlarda planların tekrar oranı o kadar yüksek ki “pencere, manzara ve tavan yüksekliği” birleşimi neredeyse benzersiz bir imzaya dönüşebiliyor.

404 Media haberindeki kilit nokta, müşterinin kim olduğu: ABD’deki kolluk kuvvetleri. Söz konusu olan akademik bir laboratuvar değil; zahmetli analiz işini tek tıklamaya dönüştüren bir araca erişen polis birimleri.

Bir konum tespiti ne kadara mal oluyor? Yaklaşık 3 sent

Burada kendi hesabım devreye giriyor. Raven, bireysel kullanıcılar için açık bir fiyat listesi yayımlamıyor; ancak benzer hizmetlerin dayandığı pazar hakkında fiyat bilgisi var. Görüntü tanıma için kullanılan ticari API’ler, etiket ve önemli nokta tanıma işlemlerinde 1.000 sorgu başına yaklaşık 1-1,5 dolar tutuyor. Google Cloud Vision’ın aylık 5 milyon görüntüye kadar olan fiyat aralığında ücret, resmî fiyat listesine göre 1.000 birim başına 1,50 dolar. Bir fotoğrafın konumunu belirlemek genellikle iki ya da üç çağrı gerektiriyor: Nesneleri tespit etme, önemli bir noktayı tanıma ve veritabanıyla eşleştirme.

Hesaplayalım: 1.000 sorgu başına 1,50 dolardan üç birim, 0,0045 dolar ediyor. Buna, bu sinyalleri bir adres hipotezinde birleştiren çok modlu modeli ekleyelim. Girdi token’ları için milyon token başına yaklaşık 2-3 dolar ve yaklaşık bin token maliyetindeki bir fotoğraf varsayımıyla bu da yaklaşık 0,0013 dolar tutuyor. Operasyonel giderleri, dizin depolamasını ve sağlayıcı kârını da ekliyorum. Bu tür hizmetlerin sağlayıcılarında maliyetin üç ya da dört katına çıkabilen bir pay görülebiliyor. Sonuç: Bir konum tespiti için yaklaşık 0,03 dolar, yani 3 sentten az. Bunun polis teşkilatlarına kesilen fatura değil, teknik maliyetin alt sınırına yönelik bir tahmin olduğunu vurgulayayım. Lisans anlaşmalarının bedeli çok daha yüksek olabilir. Ancak marjinal maliyet, yani bir fotoğrafı daha kontrol etmenin maliyeti, bu seviyede.

Bu neden önemli? Bir kontrol yaklaşık 3 sente mal oluyorsa “Bu fotoğrafı incelemeye değer mi?” diye sormak anlamsızlaşabilir. Böyle bir ücretle tüm fotoğraflar incelenebilir. Yaklaşık 265 dolar, 9.000 civarında fotoğrafı analiz etmeye yeter. Bir kişinin 300 gönderiden oluşan profilini incelemekse yaklaşık 9 dolara mal olabilir. Böylece kişinin gittiği, yaşadığı ve çocuğunu bıraktığı yerlerin haritası çıkarılabilir.

Bir fotoğraf evinizin konumunu nasıl açığa çıkarabilir?

İkinci tarafı da hesaba katalım: Her gün sosyal platformlara yüz milyonlarca fotoğraf yüklendiğine dair küresel tahminler var. Ancak bütün fotoğrafları analiz etmek gerekmiyor; çoğu durumda tek bir kişinin paylaşımları yeterli olabilir. 300 gönderilik bir profilin tahmini analiz maliyeti yaklaşık 9 dolar. Bu, bir kişinin sık gittiği yerleri ve yaşadığı çevreyi ortaya çıkarabilecek bir konum haritası oluşturmanın maliyetidir.

“Görsel içeriklerle ilgili hüküm, gerekçesiz biçimde kapsam dışında bırakılmıştır. Fotoğraflar ve filmler biyometrik veri oluşturabilir; gerçek bir kişinin benzersiz biçimde tanımlanması amacıyla işlenmeleri özel sınırlamalara tabidir.”

- Genel Veri Koruma Tüzüğü’nün 51. gerekçesi; AB mevzuatı fotoğrafların kişisel veri statüsüne açıkça değinir

Fotoğraflardan konum çıkarımına karşı ne yapabilirsiniz?

Bu konu yalnızca soyut hukuk tartışmalarından ibaret değil; telefonunuzdaki birkaç ayar da önemli. İlk olarak, fotoğrafların meta verilerine konum bilgisinin kaydedilmesini kapatın. Android’de bu ayar Kamera uygulamasında bulunur. iPhone’da Ayarlar - Gizlilik - Konum Servisleri - Kamera yolunu izleyip “Asla” seçeneğini kullanabilirsiniz. Bu, bazı mesajlaşma uygulamalarının ve bulut hizmetlerinin temizlemeden aktarabildiği EXIF verisini ortadan kaldırır.

İkinci adım daha zor: Günümüzde meta veriler en küçük sorun olabilir. Raven’ın EXIF verisine ihtiyacı yok; görüntünün kendisini analiz ediyor. Evinizin içinden fotoğraf paylaşıyorsanız yalnızca kendinize değil, arka plana da bakın: Pencereden görünen manzaraya, camın arkasındaki ayırt edici binaya, aynaya yansıyan daire numarasına veya komşunun perdesine.

Üçüncü olarak, verilerinizin ticari bir konum belirleme aracı tarafından işlendiğini düşünüyorsanız, AB Genel Veri Koruma Tüzüğü’nün 15. maddesi kapsamında verilerinize erişim talep edebilirsiniz. AB dışındaki bir şirkete karşı bu hakkı kullanmak daha zor olabilir; yine de talep, konunun kayda geçmesini sağlar.

En kalıcı değişiklik teknolojiyle değil, varsayımlarımızla ilgili. Yirmi yıl boyunca konum etiketi olmayan bir fotoğrafın anonim olduğunu düşündük. Bir fotoğrafı kontrol etmek yaklaşık 3 sente mal olduğunda bu varsayım geçerliliğini yitirdi. Bunun nedeni bilimsel olarak çürütülmesi değil, göz ardı edilemeyecek kadar ucuz hâle gelmesi.

Bilgiler 18 Ekim 2026’da kontrol edildi. Kaynaklar: 404 Media - Raven/Geospy üzerine podcast, Google Cloud Vision API fiyat listesi, Genel Veri Koruma Tüzüğü. Hesaplamalar bana aittir; birim maliyet tahminleri, kolluk kuvvetleriyle yapılan sözleşmelere değil, kamuya açık API fiyat listelerine dayanır.

// okumaya devamRaven tek fotoğrafla evinizi nasıl bulabiliyor?Yapay zekânın durumuVeo 3: video hazırlama, erişim ve maliyetRehberlerHotel Lobby AI trendi nasıl yapılır, maliyeti ne kadar?Rehberler