Princeton Üniversitesi araştırmacıları, gerçek polis yaka kamerası kayıtlarıyla 12 yapay zekâ modelini sınadı. En başarılı model, bir dakikalık videolara ilişkin çoktan seçmeli soruları yaklaşık yüzde 77 doğrulukla yanıtladı. Araştırmacılara göre bu sonuç, sistemlerin kayıtları insan denetimi olmadan değerlendirmesi için yeterli değil.
Polis yaka kameraları, bir olayın nasıl geliştiğini sonradan incelemek için önemli kayıtlar sağlıyor. Ancak biriken görüntülerin miktarı, tüm videoların insanlar tarafından düzenli biçimde izlenmesini güçleştiriyor. Yapay zekâ, incelenmesi gereken bölümleri bulmayı hızlandırabilir mi? Princeton Üniversitesi’nin yeni araştırması, bu sorunun yanıtının sistemin neye karar vermesinin istendiğine bağlı olduğunu gösteriyor.
Bilgisayar bilimciler ve sosyal bilimcilerden oluşan ekip, EgoPolice adlı bir değerlendirme veri kümesi hazırladı. Amaçları, modellerin düzenlenmiş veya kontrollü ortamlarda çekilmiş videolar yerine gerçek polis yaka kamerası kayıtlarında ne kadar başarılı olduğunu ölçmekti. Çalışma, Eylül 2026’da Avrupa Bilgisayarlı Görü Konferansı’nda sunulmak üzere hazırlandı.
Yaklaşık 185 saatlik gerçek görüntü incelendi
Araştırmacılar, ABD’deki polis birimleri ve başka kamuya açık kaynaklardan 2 bin 684 video, toplamda yaklaşık 185 saatlik görüntü derledi. Kayıtlar arasında Chicago, Los Angeles, Pasadena, Dallas, San Antonio ve Washington DC polis birimlerinden görüntüler bulunuyor. Chicago kayıtlarının önemli bir bölümü, kentin polis hesap verebilirliği ofisi tarafından yayımlanmış olaylara ait.
Ekipte görev alan 33 kişi, görüntülerdeki gözlemlenebilir eylemleri işaretledi. Bunlar arasında bir memurun koşması, silahını çıkarması, bir kişinin kelepçelenmesi, tıbbi müdahale yapılması ve bir sivilin yerde veya görünür biçimde yaralı olması yer aldı. Bir, on ve altmış saniyelik video bölümleri kullanılarak modellerin bu olayları saptama becerisi sınandı.
Araştırmacılar özellikle görüntüde görülebilen eylemleri tanımlamaya çalıştı. Bir hareketin gerekçesini, hukuka uygunluğunu veya olayda kimin kusurlu olduğunu belirlemeyi hedeflemedi.
En iyi sonuç bile dört sorudan yaklaşık birinde hatalıydı
Çalışmada açık ve kapalı kaynaklı toplam 12 video anlayabilen model değerlendirildi. Bir dakikalık kliplere ilişkin çoktan seçmeli sorularda en yüksek doğruluk yüzde 76,9 oldu. En düşük sonuç ise yaklaşık yüzde 11 düzeyindeydi.
Burada önemli bir ayrım var: Yüzde 76,9, bir dakikalık kayıtlardaki bütün olayların yüzde 76,9’unun eksiksiz saptandığı anlamına gelmiyor. Bu oran, araştırmacıların hazırladığı belirli çoktan seçmeli sorulara verilen doğru yanıtların payını gösteriyor. Ayrı bir eylem sınıflandırma testinde ise performans, hangi olayın arandığına göre değişti. Özellikle kelepçeleme gibi kısa süren ve görüntüde kısmen kapanabilen eylemleri saptamak zorlaştı.
Araştırmanın başındaki bilgisayar bilimi öğretim üyesi Olga Russakovsky, gerçek yaka kamerası kayıtlarının yapay zekâ modellerinin alışık olduğu açık ve düzenli videolardan farklı olduğuna dikkat çekiyor. Kamera hızla hareket edebiliyor; görüntü karanlık, bulanık veya görüşü engellenmiş olabiliyor. Üstelik önemli bir hareket, uzun bir kaydın yalnızca çok kısa bir anında gerçekleşebiliyor.
El feneri silahla karıştırılabildi
Araştırmacılar hataların yalnızca düşük görüntü kalitesinden kaynaklanmadığını da belirledi. Bazı örneklerde modeller el fenerini veya kırmızı polis şeridini ateşli silah sanabildi. Bir görüntüde başka bir memurun tuttuğu elektroşok cihazı, kamerayı taşıyan memura atfedildi. Kırmızı bir tişörtün yaralanma belirtisi gibi yorumlanması da saptanan yanıltıcı görsel ilişkilerden biriydi.
Bu ayrıntılar, polis kayıtlarında sıradan bir görüntü tanıma hatasının neden ciddi sonuçlar doğurabileceğini gösteriyor. Bir modelin “silah çıkarıldı” demesi veya böyle bir anı kaçırması, görüntünün hangi bölümünün incelemeye alınacağını etkileyebilir. Araştırmacılar bu nedenle model çıktısının nihai tespit olarak kullanılmaması gerektiğini vurguluyor.
Princeton’da sosyoloji profesörü ve çalışmanın kıdemli yazarlarından Brandon Stewart, sınanan genel amaçlı araçların polis kurumlarında doğrudan kullanıma hazır olmadığını söylüyor. Çalışma, piyasadaki polis görüntüsü analizine yönelik özel ticari ürünleri test etmedi; dolayısıyla sonuçlar bu ürünlerin performansına ilişkin bir hüküm oluşturmuyor.
Yapay zekânın olası rolü: İncelenecek anları bulmak
Araştırmacılar, teknolojinin yine de yararlı bir kullanım alanı olabileceğini düşünüyor: Binlerce saatlik kayıtta dikkat gerektirebilecek anları işaretlemek ve ardından bu bölümleri eğitimli kişilerin incelemesini sağlamak. Ekip, devam eden ayrı bir çalışmada, polis ile sivil arasındaki fiziksel temasın görülebileceği bölümleri bu yöntemle ayıklıyor. Ancak bu uygulamaya ilişkin kapsamlı sonuçlar henüz ayrı bir araştırmada yayımlanmış değil.
Çalışmanın sınırları da var. EgoPolice, kamuya açıklanmış görüntülerden oluşturuldu. Özellikle ağır yaralanma, ölüm veya silah kullanımı içeren olayların yayımlanma ihtimali daha yüksek olduğundan, veri kümesi gündelik polis faaliyetlerinin tamamını temsil etmiyor. Araştırmacılar, görüntüler kamuya açık olsa bile kaydedilen kişilerin mahremiyetinin korunması gerektiğini de belirtiyor.
Araştırmanın vardığı nokta açık: Yapay zekâ, büyük video arşivlerinde insanların bakması gereken anları bulmaya yardımcı olabilir. Ancak bir memurun ne yaptığına, olayın nasıl geliştiğine veya kimin sorumlu olduğuna ilişkin güvenilir bir sonuca ulaşmak için görüntünün insan tarafından incelenmesi ve bağlamıyla değerlendirilmesi gerekiyor.
