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

TRAI 9. Yıl Çalıştayı’nda Ana Gündem Ajan Tabanlı Yapay Zeka Oldu

Türkiye’nin yapay zeka merkezi olarak, ekosistemi bir araya getirdiğimiz 9. Yıl Çalıştayı’nı gerçekleştirdik. Çalıştay boyunca…

4 gün ago

OpenAI, ChatGPT’nin yeni görsel üretim modelini duyurdu

OpenAI, ChatGPT’ye entegre yeni görsel üretim modeli ChatGPT Images 2.0’ı duyurdu. 21 Nisan 2026 tarihli…

4 gün ago

TRAI Meet-Up #104: Veri Merkezi, Bulut ve Altyapı Dönüşümünde Öne Çıkan Başlıklar

2017 yılından beri her ayın üçüncü çarşamba akşamı düzenlediğimiz TRAI Meet-Up serisinin 104. etkinliğini İTÜ…

1 hafta ago

Stanford AI Index 2026: Yapay zekada büyüme sürüyor, denetim yavaş kalıyor

Stanford Üniversitesi İnsan Merkezli Yapay Zeka Enstitüsü’nün (HAI) yayımladığı AI Index Report 2026, yapay zekanın…

1 hafta ago

TRAI Girişim Haritası’ndaki Yapay Zeka Startup Sayısı 482’ye Ulaştı

Türkiye Yapay Zeka İnisiyatifi (TRAI) olarak 2017’den bu yana sürdürdüğümüz haritalama çalışması, Türkiye’de yapay zeka…

3 hafta ago

Türkiye’nin Yapay Zeka Sınavı: Fırsat Penceresi Kapanmadan Ne Yapmalıyız?

Yapay zeka artık geleceğin konusu değil. Bugünün ekonomi, rekabet ve kalkınma meselesi. Dünyada oyunun kuralları…

3 hafta ago