Yüzün Birkaç Detayından Kimlik Tespiti Yapmak Mümkün

Carina Hahn ve ABD Ulusal Standartlar ve Teknoloji Enstitüsü'ndeki (NIST) üç meslektaşının çalışması 21 Ekim 2026'da PLOS One dergisinde yayımlandı. Deneye katılan 27 kişi, ABD'de federal kurumlarda yüz karşılaştırma işi yapan ya da bu iş için eğitim almış uzmanlardı. Bu meslekte iki fotoğrafın aynı kişiye ait olup olmadığına karar verilir. Kararlar soruşturmada ipucu olarak kullanılıyor, bazen de mahkemede bilirkişi görüşü olarak dinleniyor.¹

Ekip bu kez uzmanların yüzün hangi parçasına baktığını ölçtü.

Kapalı fotoğraf, dokuz düğme

Ekranın solunda iki farklı kişinin fotoğrafı açık duruyordu. Ortadaki üçüncü fotoğraf bu iki kişiden birine aitti, ama başlangıçta tamamen kararmıştı. Uzman sağdaki düğmelerle yüzün dokuz bölgesinden birini açabiliyordu: yanaklar, çene, kulaklar, gözler, kaşlar, alın, boyun, burun ve ağız. Açılan her bölge ekranda kalıyor, karar istenen anda veriliyordu.

Tasarım, az bakarak karar vermeyi ödüllendirdi. Herkes 100 puanla başladı. Doğru cevap 100 puan kazandırıyor, yanlış cevap 200 puan götürüyordu. İlk bölgeyi açmak bedavaydı, sonraki her bölge 30 puana mal oluyordu.¹ Fotoğraflar Notre Dame Üniversitesi'nin, çekilen kişilerin onay verdiği yüz arşivinden alındı. Önceki bir testte insanların en sık yanıldığı 40 üçlü seçildi; uzmanın önüne bilerek birbirine benzeyen yüzler kondu.

Katılımcıların bir kısmı hangi bölgeyi açacağını kendisi seçti. Öteki grupta sıra önceden belirlenmişti. Uzman olmayan gönüllüler iki hedef yüzü bölge bölge puanlamıştı; bazı denemelerde en çok benzeyen bölge ilk sırada açıldı, bazılarında en farklı olan.

Kararların dörtte üçü tek parçayla

Bölgeyi kendi seçen uzmanlar kararlarının yüzde 76'sını tek bir bölgeye bakarak verdi, yüzde 17'sini iki bölgeyle. Sıranın dayatıldığı denemelerde tablo değişti. En çok benzeyen bölge önce gösterildiğinde uzmanlar ikinci bir parça istemeye yöneldi ve tek bölgeyle verilen kararların payı yüzde 35'e indi.¹

İsabet üç koşulda da yüksek kaldı. Sırası önceden belirlenen denemelerde istatistik modelin tahmin ettiği başarı yüzde 91,8 ile 98,3 arasındaydı. Daha çok bölge açmak isabeti artırmadı. Kendi seçen grupta üç bölge açılan kararlarda tahmini başarı yüzde 76,9'a düştü, fakat bu düşüş birden çok karşılaştırma için yapılan düzeltmeden sonra anlamlı çıkmadı. Yazarlara göre uzman, ekrandaki bütün parçaları birleştirmek yerine en son açtığı parçaya yaslanıyor olabilir. Gerçek işte kullandıkları kontrol listeleri ve not defterleri deneyde yoktu.

Kulak önde, alın gözden kaçtı

Kendi seçen uzmanların en sık açtığı bölge kulaktı. Tek bölgeyle doğru verilen kararların yüzde 74'ünde açılan parça kulaktı, ikinci sıradaki burun yüzde 9'da kaldı.¹ Bu tercih isabetle de karşılık buldu. Kulak tek başına açıldığında doğru yüz yüzde 93 oranında seçildi ve güven aralığı dardı. Yazarlar tercihin mesleki eğitimle uyuştuğunu yazıyor; uzmanlara iş başında kulaktaki kimlik bilgisi özellikle öğretiliyor.

Kulağa güvenin uzun bir geçmişi var. Paris polisinde 1880'lerde suçlu kayıt sistemini kuran Alphonse Bertillon, aranan kişiyi tarif etmek için geliştirdiği "konuşan portre" yönteminde kulağı kenarından memesine kadar ayrı ayrı sınıflandırdı. Kapaktaki fotoğraflar onun 1909 civarında hazırladığı çizelgeden.³

En yüksek isabet, uzmanların nadiren açtığı alından geldi: yüzde 94. Az seçildiği için güven aralığı yüzde 71'e kadar iniyor ve bu veri alının kulaktan üstün olduğunu söylemeye yetmiyor. Burun yüzde 72'de kaldı. Çene yalnızca üç denemede ilk ve tek bölge olarak açıldı, üçünde de yanlış yüz seçildi.

Kulağı açmadıkları denemelerde uzmanlar, iki hedef yüzde birbirinden en çok ayrılan bölgeye yöneldi. Hahn, NIST'in açıklamasında bu esnekliği öne çıkarıyor. Uzmanlar kulak gibi işe yaradığı bilinen bir bölgeye dayanıyor, gerektiğinde önlerindeki yüze göre yön değiştiriyordu. Hahn'a göre bu ikisinin birlikte görülmesi daha önce belgelenmemişti.² Grup düzeyinde ise uzmanların en çok seçtiği bölgelerle en isabetli bölgeler arasında tutarlı bir bağ çıkmadı.

Sahadaki işten farkı

Yazarlar sonucun gerçek dünyadaki isabeti göstermediğini açıkça yazıyor. Fotoğraflar kontrollü çekimlerdi ve uzmanlar yakınlaştırma yapamıyordu. Yüzlerin çoğu beyaz ve Doğu Asyalı kişilere aitti; başka topluluklarda en çok bilgi taşıyan bölge farklı çıkabilir. Güvenlik kamerası karesini sabıka fotoğrafıyla karşılaştırmak gibi sahadaki tipik işler denenmedi, uzman olmayanlardan oluşan bir karşılaştırma grubu da kurulmadı.

Ekip, yüzün tamamını özellik özellik inceleyen standart yöntemin bırakılmasını da önermiyor. Uluslararası Yüz Tanımlama Bilimsel Çalışma Grubu'nun (FISWG) rehberi ve FBI'ın kolluk birimlerine verdiği eğitim bu bütünlüklü incelemeye dayanıyor. Yazarlar yalnızca hızlı ön elemelerde kulak ve alın gibi bilgi yüklü bölgelere öncelik verilmesini, tam incelemede de bu bölgelere son bir kontrol olarak yeniden bakılmasını öneriyor. Çalışma, FBI ile NIST arasındaki bir kurumlar arası anlaşmayla desteklendi.

Bulguların yüz tanıma yazılımlarını eğitmekte de işe yarayabileceği yazılıyor. NIST'in 2018'de yayımladığı karşılaştırmada 57 adli yüz incelemecisinin medyan doğruluk puanı 0,93, en yeni algoritmanınki 0,96 çıkmıştı. Tek bir incelemecinin kararı bu algoritmayla birleştirildiğinde sonuç, iki incelemecinin ortak kararından daha isabetliydi.⁴

Hahn'ın ekibi sıradaki adım olarak alını kulakla doğrudan karşılaştıran ayrı bir deney öneriyor. Bugünkü veride alının isabet aralığı yüzde 71 ile 100 arasında, kulağınki yüzde 88 ile 96 arasında.

kafa1milyon

Meraklı bir kafa. Bilimsel makaleleri, arşiv belgelerini ve saha notlarını okuyup gündelik dile çeviriyor; bilinmeyeni bilinmiyor diye yazmaktan çekinmiyor.