Çin ordusu ABD yapay zekâ modellerini savunma sistemleri geliştirmek için nasıl kullanıyor?

Model damıtma, bir yapay zekâ modelinin doğrudan kopyalanması anlamına gelmiyor. Araştırmacılar, güçlü bir “öğretmen” modele API üzerinden çok sayıda soru yöneltiyor; modelin ürettiği soru-cevap çiftlerini topluyor ve daha küçük bir “öğrenci” modeli bu yanıtları taklit edecek şekilde eğitiyor. Böylece öğrenci model, öğretmenin bazı yeteneklerini daha düşük maliyetle ve daha az işlem gücüyle kullanabilir hâle geliyor .

Bu yaklaşım, Çinli kurumların son teknoloji çipler ve devasa veri merkezlerine erişim sınırlamalarını kısmen aşmasına yardımcı olabilir. Daha küçük modeller, baştan son teknoloji bir model geliştirmek için gereken büyük hesaplama altyapısı yerine yerel askerî donanımlarda çalıştırılabiliyor .

Belgelerde görülen askerî kullanım alanları

Reuters’ın incelediği belgelerde model damıtmanın farklı savunma uygulamalarında kullanıldığı görülüyor :

• Gözetleme ve istihbarat: Keşif verilerinin ve istihbarat bilgilerinin analiz edilmesi
• Siber savaş: Saldırı ve savunma süreçlerinin otomatikleştirilmesi
• Drone ve taktik operasyonlar: Otonom drone sürüleri ile savaş alanında karar desteği
• Askerî araçlar: Çin’in devlet kontrolündeki savunma şirketi Norinco’nun, kendisi de model damıtma yoluyla geliştirildiği belirtilen DeepSeek’i kullanan ve muharebe destek görevlerini otonom biçimde yerine getirebilen bir aracı tanıttığı bildirildi. Aracın saatte 50 kilometreye kadar hız yapabildiği aktarıldı

Çin Halk Kurtuluş Ordusu’na bağlı 96904 numaralı birimden bir makale, ABD modellerinin savunma uygulamalarına uygun “daha küçük ve daha güvenli” sürümler üretmek için damıtılmasını açıkça ele aldı .

Pekin’de askerî istihbarat ve siber savaş birimi olarak tanımlanan 96941 numaralı PLA biriminden başka bir çalışmada ise hassas askerî kaynak kodlarının işlenmesi için OpenAI’ın GPT-3.5 modelinin kullanıldığı belirtildi. PLA Ulusal Savunma Teknolojisi Üniversitesi tarafından 2024’te yayımlanan bir makalede de görüntü işleme modelinin kaynakları kısıtlı askerî donanımlarda çalıştırılabilecek şekilde küçültülmesi için damıtma yönteminden yararlanıldığı ifade edildi .

Çin’in savunma yapay zekâsını düşük maliyetle hızlandırma yolu

Model damıtmanın en önemli avantajı maliyet. Öncü bir yapay zekâ modelini sıfırdan eğitmek milyarlarca dolarlık yatırımın yanı sıra yıllarca süren araştırma, büyük veri kümeleri ve gelişmiş yarı iletkenlere erişim gerektiriyor. Damıtma ise bu yatırımın önemli bölümünü başkasının yaptığı çalışmadan yararlanarak azaltıyor .

ABD’li şirketler, Çinli geliştiricilerin API’lere sahte hesaplar ve proxy ağları üzerinden erişerek kota ve hız sınırlarını aşmaya çalıştığını öne sürüyor. Anthropic’in soruşturmasına göre, Claude’un aracısal akıl yürütme, araç kullanımı ve kodlama yeteneklerini hedefleyen yaklaşık 24 bin sahte hesap üzerinden 16 milyondan fazla etkileşim üretildi. Şirket, bu etkileşimlerin 13 milyondan fazlasından Çinli yapay zekâ geliştiricisi MiniMax’in sorumlu olduğunu belirledi .

Endüstriyel ölçekte model çıkarma suçlamaları

Gelişmeler, ABD’de art arda suçlamalara ve politika tepkilerine yol açtı:

• Şubat 2026: OpenAI, Anthropic ve Google; DeepSeek, Moonshot AI ve MiniMax gibi Çinli şirketlerin koordineli model damıtma kampanyalarına ilişkin kanıtlar yayımladı . Anthropic bu faaliyetleri kasıtlı “damıtma saldırıları” olarak nitelendirdi .
• Nisan 2026: ABD Temsilciler Meclisi’ndeki bir komite oturumunda, OpenAI’ın birden çok API hesabı, proxy ağı ve davranış taklidi kullanan “sofistike, çok aşamalı” damıtma süreçlerini anlattığı not ele alındı .
• Haziran 2026: Anthropic, Alibaba’yı Claude modelinin bilinen en büyük yetenek çıkarma vakasıyla suçladı. Şirket, kampanyanın 22 Nisan ile 5 Haziran arasında yürütüldüğünü belirtti .
• Temmuz 2026: ABD Hazine Bakanı Scott Bessent, Çinli yapay zekâ laboratuvarı Moonshot’ın Anthropic’in gelişmiş Fable 5 modelinden damıtma yaptığı suçlamasının ardından olası yaptırımlar konusunda uyarıda bulundu. Ticaret Bakanlığı’na bağlı Sanayi ve Güvenlik Bürosu da Çinli şirketlerin gelişmiş ABD çiplerine yasa dışı biçimde erişip erişmediğini araştırıyor .

Model damıtmanın teknik sınırları

Yöntem güçlü bir kısayol sunsa da askerî uygulamalar açısından önemli sınırlamalar taşıyor:

• Bilgi tavanı: Öğrenci model, genel olarak kopyaladığı öğretmen modelin yeteneklerini aşamıyor. Öğretmenin güçlü yanlarını aldığı gibi kör noktalarını ve hata kalıplarını da miras alıyor .
• Tekrarlanan damıtmada kalite kaybı: Her yeni damıtma turunda aslına uygunluk azalabiliyor. İnce ayrıntılı akıl yürütme, nadir bilgiler ve güvenlik hizalamasının bazı unsurları nesilden nesile zayıflayabiliyor .
• Güvenlik önlemlerinin aşınması: En kaygı verici nokta bu. Akademik araştırmalar, yumuşak etiketli damıtmanın öğrenci modellerindeki güvenlik bariyerlerini öğretmen modele kıyasla bazı ölçümlerde yüzde 50’ye kadar azaltabildiğini, buna karşın görev performansını koruyabildiğini gösteriyor . Damıtılmış modeller, öncü sistemlerdeki güçlü reddetme davranışlarına ve zararsızlık eğitimine çoğu zaman sahip olmayabiliyor . Anthropic de yasa dışı biçimde damıtılan modellerin gerekli güvenlik önlemlerinden yoksun olabileceğini ve bunun ciddi ulusal güvenlik riskleri yarattığını belirtiyor .
• Savunmaları aşma sorunu: Çıktıların değiştirilmesi, veri zehirleme ve hız sınırlama gibi mevcut önlemler; çok aşamalı süreçler ve dağıtık veri çıkarma teknikleri kullanan kararlı saldırganlara karşı büyük ölçüde yetersiz kalabiliyor .

Güvenlik riskleri ve büyüyen yapay zekâ yarışı

Yeteneklerin izinsiz çıkarılması ile güvenlik önlemlerinin zayıflaması birleştiğinde risk daha da büyüyor:

• Güvensiz yapay zekânın yayılması: Güvenlik hizalaması zayıflatılmış modeller, ABD’li şirketlerin hizmet şartlarında açıkça yasakladığı askerî ve gözetleme amaçlarıyla kullanılabilir .
• ABD’nin teknolojik üstünlüğünün aşınması: Damıtma, rakiplerin yıllar süren özel araştırma ve geliştirme yatırımlarını kısmen atlamasına olanak tanıyarak ABD’nin öncü yapay zekâ alanındaki avantajını azaltabilir .
• Tespiti zor model hırsızlığı: Kara kutu API’lerinden yapılan damıtma saldırılarını, yoğun fakat meşru API kullanımından ayırmak zor olabilir. Bu da sorumluların belirlenmesini ve yaptırım uygulanmasını güçleştiriyor .
• Karşı önlemlerin sertleşmesi: Taraflar daha agresif savunma yöntemlerine yöneliyor. Anthropic’in Mart 2026’da Claude Code’a Çin’deki kullanıcıları belirlemeye yardımcı olacak izleme kodu yerleştirdiği bildirildi . Bu tür adımlar, her iki tarafın da diğerinin yapay zekâ faaliyetlerini düşmanca görmeye başladığı bir güvenlik sarmalı riskini artırıyor .

ABD-Çin teknoloji ayrışması için anlamı

Model damıtma etrafındaki çatışma, yapay zekâ alanındaki ABD-Çin teknoloji ayrışmasını hızlandırabilir. Gelişmiş çiplere yönelik ihracat kontrolleri, API erişimine daha sıkı sınırlamalar, geliştirici hesapları için kimlik doğrulama şartları ve olası mali yaptırımlar gündemdeki seçenekler arasında bulunuyor .

Meselenin merkezindeki stratejik risk şu: Damıtma, Çin’in askerî kurumlarının ABD yapay zekâ yatırımlarından savunma amaçları için çok daha düşük maliyetle yararlanmasına imkân tanıyabilir. Aynı süreçte güvenlik hizalamasının zayıflaması, daha az kısıtlı ve daha tehlikeli askerî yapay zekâ sistemlerinin ortaya çıkmasına da yol açabilir.