Metastabil Eşik: Üretken Yapay Zekâ Koşullarında Görüntünün Güvenilirliği

Öz

Üretken yapay zekâ (GenAI) ile üretilen görüntüler, gerçeğe benzerlik ölçütünden çok, görüntünün güvenilirliği sorununu öne çıkarır. Bu çalışma, görsel gerçekliği tekil bir doğru/yanlış tartışmasına indirgemeden; görüntü referansının üretim aşamaları içinde hangi eşiklerde çözüldüğünü, teknik bireyleşme ve döngüsel öteyetaşınım (transduction) süreçleri üzerinden tartışır. Çalışmanın odağında, Gilbert Simondon’un metastabilite düşüncesinden yola çıkılarak yazar tarafından bizzat türetilen “metastabil eşik” kavramı yer alır; bu özgün kavram, “Dialogue with AI” (DIWAI) projesindeki döngüsel üretim içinde küçük sapmaların ve glitch'in görüntünün statüsünü kırdığı kritik anları adlandırmak için analitik bir araç olarak kullanılmıştır. Pratiğe dayalı araştırma kapsamında üç üretim yöntemi incelenmiştir. Üç yöntemin ortak başlangıcı, kâğıt yüzeyinde yakma yoluyla oluşturulan yanık izidir. Yanık, bu çalışmada bir kanıt değil; yüzeyi işaretleyen ve karartan, okunurluğu hem mümkün kılan hem de bozan bir etken olarak ele alınmaktadır. Bulgular, Yöntem 1’de donanım sapmalarının üretimin kurucu bir faktörüne dönüştüğünü; Yöntem 2’de referans görselin her döngüde çözülerek silikleştiğini; Yöntem 3’te ise yüzey doygunluğu içinde referansın ayırt edilemez hâle geldiğini göstermektedir. Bu nedenle makale, görüntünün güvenilirliğini üretim protokolü içinde yeniden kuran bir model önermekten ziyade, güven arayışının neden sürekli karşılıksız kaldığını gösterir. Üretim döngüsü ile sabit bir köken veya güvenilir bir referans ortaya çıkmaz; geriye kalan, yalnızca izler, sapmalar ve kalıntılardır.

Anahtar Kelimeler

• Üretken Yapay Zekâ
• Görüntünün Güvenilirliği
• Glitch
• Teknik Bireyleşme
• Simülasyon

Metastable Threshold: The Reliability of Images Under the Conditions of Generative Artificial Intelligence

Öz

Images produced with generative artificial intelligence (GenAI) foreground the problem of image reliability. Rather than reducing reality to a binary of true and false, this study examines the thresholds at which image reference dissolves through technical individuation and transduction. At the center of the study is the concept of the “metastable threshold,” derived from Gilbert Simondon’s notion of metastability and coined by the researcher within the scope of this work. The concept is used as an analytical tool to identify moments in the process of the Dialogue with AI (DIWAI) project, where deviations and glitch disrupt the image. Within a practice-based framework, three production methods were examined. Three methods begin with burn marks on paper. The burn mark is treated not as evidence, but as an agent that marks and darkens the surface, enabling and obstructing legibility. Findings show that in Method 1, hardware deviations become a factor of production; in Method 2, the reference image dissolves through each cycle; and in Method 3, the reference becomes indistinguishable under surface saturation. Thus, the article exposes why the search for reliability remains unanswered. No fixed origin or reference emerges through the production cycle; what remains are traces, deviations, and residues.

Anahtar Kelimeler

• Generative AI
• The Reliability Of Images
• Glitch
• Technical Individuation
• Simulation

Kaynakça

1. Aires, S. (2025). On the individuation of complex computational models: Gilbert Simondon and the technicity of AI. AI and Society, 40(5), 3109-3122. https://doi.org/10.1007/ s00146-024-02152-2
2. Barker, T. (2011). Aesthetics of the error: media art, the machine, the unforeseen, and the errant. İçinde M. Nunes (Ed.), Error: Glitch, Noise, and Jam in New Media Cultures (ss. 42-58). Continuum.
3. Baudrillard, J. (2011). Simülakrlar ve simülasyon (O. Adanır, Çev.; 6. bs). Doğu Batı Yayınları. (Özgün eser 1981’de yayımlanmıştır.)
4. Benjamin, W. (2015). Teknik olarak yeniden-üretilebilirlik çağında sanat yapıtı (G. Sarı, Çev.). Zeplin Kitap. (Özgün eser 1936’te yayımlanmıştır.)
5. Collomosse, J., & Parsons, A. (2024). To authenticity, and beyond! Building safe and fair generative AI upon the three pillars of provenance. IEEE Computer Graphics and Applications, 44(3), 82-90. https://doi.org/10.1109/MCG.2024.3380168
6. Combes, M. (2024). Simondon ve bireyötesi felsefesi (N. Evin, Çev.; H. D. Özcan, Ed.) Livera Yayınevi. (Özgün eser 1999’da yayımlanmıştır.)
7. Coalition for Content Provenance and Authenticity. (t.y.). C2PA specifications. 01 Mart 2026 tarihinde https://c2pa.org adresinden alındı.
8. Kemper, J. (2023). Glitch, the post-digital aesthetic of failure and twenty-first￾century media. European Journal of Cultural Studies, 26(1), 47-63. https://doi.org/10.1177/13675494211060537

9. Konzack, L. (2025). Generative AI, simulacra, and the transformation of media production. Athens Journal of Mass Media and Communications, 11(3), 177-196. https://doi. org/10.30958/ajmmc.11-3-3
10. Menkman, R. (2011). The glitch moment(um) (Network Notebooks, No. 4). Institute of Network Cultures. http://www.networkcultures.org/networknotebooks
11. Simondon, G. (2017). On the mode of existence of technical objects (C. Malaspina & J. Rogove, Çev.). Univocal Publishing.
12. Simondon, G. (2020). Individuation in light of notions of form and information (A. Taylor, Çev.). University of Minnesota Press.
13. Steyerl, H. (2009). In defense of the poor image. E-Flux, (10). https://www.e-flux.com/ journal/10/61362/in-defense-of-the-poor-image
14. Şahiner, R. (2013). Sanatta postmodern kırılmalar (2. bs). Ütopya Yayınevi.
15. Şahiner, R. (2015). Çağdaş sanatta temsiliyet krizi: Çağdaş kuramlar ve güncel tartışmalar (1. bs). Ütopya Yayınları.
16. Yetişkin, E. (2018). Paratactical use of algorithmic agencies in artistic practice. Technoetic Arts: A Journal of Speculative Research, 16(3), 353–362. https://doi.org/10.1386/ tear.16.3.353_1