Kameranın Arkasını Gören Gözler: Uzamsal Zekanın Miladı

Elinizdeki akıllı telefonla bir sokağın fotoğrafını çektiğinizde, aslında o anın sadece yüzde birini kaydediyorsunuz. Geriye kalan yüzde doksan dokuz —duvarın arkası, sokağın sonu, gökyüzünün derinliği— o kare için sonsuza dek kayıp. Ya da biz öyle sanıyorduk.

Yapay zeka bugüne kadar piksellerle oynayan bir illüzyonist gibiydi. Bize harika videolar üretiyordu ama o videoların içinde bir 'yerçekimi' ya da 'hacim' yoktu. Fei-Fei Li’nin yeni girişimi World Labs tarafından duyurulan Atlas, bu illüzyonu bozup yerine sert bir geometri koyuyor. Bu bir video üretim modeli değil; bu bir 'dünya modeli'.

Atlas'ın mimarisinde, bugüne kadar alıştığımız o meşhur metin komutları ikincil planda kalıyor. Çoğu kullanıcı fark etmeyecek ama model, kamera koordinatlarını ve hareket rotalarını doğrudan bir veri tipi olarak kabul ediyor. Yani yapay zekaya 'sağa doğru kay' demiyorsunuz; ona evrenin matematiksel haritası üzerindeki bir rotayı, tıpkı bir GPS verisi gibi enjekte ediyorsunuz. Bu, makinenin sadece gördüğünü taklit etmesi değil, görmediği boşluğu fiziksel kurallara göre inşa etmesi demek.

Şimdi bunu İstanbul’un o kaotik, katman katman mimarisine sahip mahallelerinde hayal edin. Balat’ın birbirine yaslanmış, yamuk yumuk ama karakteristik evlerinin arasında yürüdüğünüzü düşünün. Elinizdeki telefonla çektiğiniz üç-beş saniyelik bir görüntüden, Atlas o sokağın tüm üç boyutlu haritasını, sizin hiç girmediğiniz o çıkmaz sokakların derinliğini ve binaların arka cephelerini 'tahmin edebiliyor'.

Üstelik bu tahmin, bir ressamın hayal gücü gibi değil, bir mühendisin cetveli gibi çalışıyor. Çıktı olarak sadece bir video almıyorsunuz; '3D Gaussian splat' denilen, oyun motorlarında veya robotik simülasyonlarda doğrudan kullanılabilecek, dokunulabilir bir dijital dünya verisi alıyorsunuz. Şehrin dokusu, dijital bir oyun sahasına dönüşüyor.

Ancak ortada devasa bir soru işareti var. World Labs, henüz kurulalı bir yıl bile olmamışken 1,2 milyar dolarlık bir değerlemeye ulaştı. Nvidia’dan Autodesk’e kadar herkes bu masada. Bu kadar paranın tek bir sebebi var: Robotların bizim dünyamızda çarpmadan, takılmadan yürüyebilmesi için 'bakmayı' değil, 'hacmi' anlaması gerekiyor. Atlas, robotlara göz değil, bir nevi 'mekansal sağduyu' vaat ediyor.

Sonuçlar henüz bağımsız araştırmacılar tarafından doğrulanmış değil. Elimizde şimdilik sadece World Labs'in sunduğu o pürüzsüz demolar var. Eğer bu teknoloji vaat ettiğini verirse, gerçek dünya ile simülasyon arasındaki o ince çizgi tamamen silinecek.

Bir fotoğraf karesinden koca bir mahalle yarattığımızda, hangisinin içinde yaşadığımız beton, hangisinin ise sadece bir 'nokta bulutu' olduğunu nasıl ayırt edeceğiz? Cevabı ben de bilmiyorum. Belki de yakında buna gerek bile kalmayacak.