Categories: Haberler

Akıllı Telefonlar Gerçek Zamanlı 3D Hologram Oluşturabilecek

Dünyanın en prestijli mühendislik ve teknoloji okullarından ABD’deki Massachusetts Teknoloji Enstitüsü (MIT) araştırmacıları, “Derin öğrenme” yöntemi kullanarak anında hologram oluşturmanın yolunu bulduklarını açıkladı. “Derin öğrenme” sayesinde cep telefonlarından bile 3D hologram üretilebilecek. Tensör holografisi adı verilen bu yeni yöntem, sanal gerçeklik, 3 boyutlu (3D) baskı, tıbbi görüntüleme ve daha fazlası için hologramların oluşturulmasını sağlayabilecek.

3D görüntüleme ve sanal gerçeklik bu kadar ünlü olmasına rağmen henüz hayatımızda göremememizin sebebi bizi hasta hissettirebilmesidir. 3 boyut yanılsamasını yaşarken 2 boyutlu bir ekrana bakıyor olduğumuzdan, bulantı ve göz yorgunluğu ortaya çıkabiliyor. Ancak hologram böyle değildir. Hologramlar, izleyicinin konumuna göre değişen bir perspektif sunuyor ve gözün odak derinliğini dönüşümlü olarak ön plana ve arka plana odaklamak için ayarlamasına izin veriyor.

Bunun daha önce yapılamamasının sebebi, geleneksel olarak fizik simülasyonlarının kullanılması ve bu uygulamaların da ancak süper bilgisayarlarla çalışabiliyor olmasıydı. Ancak şimdi sahip olduğumuz derin öğrenme yöntemiyle birlikte, çok basit cihazlarda bile hologramları çalıştırmamız mümkün görünüyor.

Konvolüsyonel Sinir Ağı Tasarlandı

Ekip, insanların görsel bilgiyi nasıl işlediğini kabaca taklit etmek için eğitilebilir bir tensör zinciri kullanan “konvolüsyonel sinir ağı” (CNN) tasarladı. Bir sinir ağını eğitmek için büyük, yüksek kaliteli bir veri kümesi gerektirir- ki bu daha önce 3D hologramlar için mevcut değildi. Ekip, bilgisayar tarafından oluşturulan 4.000 çift görüntüden oluşan özel bir veritabanı oluşturdu. Her çift görüntü -her bir piksel için renk ve derinlik bilgileri de dahil olmak üzere- bir resme karşılık gelen hologram ile eşleşti.

Araştırmacılar, yeni bir veritabanında hologramlar oluşturmak için, karmaşık ve değişken şekil ve renklere sahip sahneler kullandılar. Piksel derinliği arka plandan ön plana eşit olarak dağıttılar ve tıkanıklığı çözebilmek için yeni bir fizik tabanlı hesaplama seti kullandılar. Bu yaklaşım “fotogerçekçi” eğitim verileri (training data) ile sonuçlandı. Sonra, yapay zeka öğrenmeye başladı ve algoritma işe yaradı! Projenin başındaki takımda bulunan Wojciech Matusik konuyla ilgili “Ne kadar iyi bir sonuç aldığımıza biz de şaşırdık. Sinir ağlarının bu görev için doğduğunu düşünüyoruz.” açıklaması yaptı.

Kaynak: Science Daily

TRAI

Recent Posts

99.TRAI Meet-Up’ta “Pazarlama ve Yapay Zeka: Geleceğin Stratejileri” Konuşuldu

2017 yılından bu yana her ayın üçüncü çarşambası düzenlediğimiz TRAI Meet-Up serisinin 99’uncusunu 19 Kasım…

3 hafta ago

Çin, Yerli Yapay Zeka Çiplerini Desteklemek İçin Teknoloji Devlerine Ucuz Enerji Sunuyor

Çin hükümetinin teknoloji şirketlerine daha ucuz elektrik tarifeleri sunduğu ve bunun yerli yapay zeka çiplerinin…

1 ay ago

OpenAI ve Amazon Arasında 38 Milyar Dolarlık Anlaşma

OpenAI, sistemlerini Amazon Web Services üzerinde çalıştırmak ve yüz binlerce Nvidia GPU’ya erişmek için Amazon…

1 ay ago

Türkiye Yapay Zeka Zirvesi’nde Katılım Rekoru

Bu yıl sekizincisini düzenlediğimiz Türkiye Yapay Zeka Zirvesi, ülkemizdeki yapay zeka ekosisteminin önde gelen isimlerini,…

2 ay ago

TRAI Yapay Zeka Araştırması Yayında!

Yapay zeka artık yalnızca bir teknoloji değil; ekonomilerin motoru, rekabetin yeni ölçüsü. Türkiye Yapay Zeka…

2 ay ago

98. TRAI Meet-Up’ta “Hukuk, Etik ve Felsefe Perspektifinden Yapay Zeka” Konuşuldu

2017 yılından bu yana her ayın üçüncü çarşambası düzenlediğimiz TRAI Meet-Up serisinin 98’incisini 15 Ekim…

2 ay ago