Nvidia’nın DLSS 5 teknolojisi beklentileri karşıladı mı?

Nvidia’nın Yeni DLSS 5 Teknolojisi Hakkında Ortaya Çıkan Detaylar

Son birkaç gündür, Nvidia’dan yeni nesil DLSS teknolojisi hakkında daha fazla bilgi edinmeye çalışıyoruz ve henüz resmi bir açıklama alamadık. Ancak, popüler teknoloji içerik üreticilerinden biri bazı önemli detayları paylaştı. GeForce evanjelist Jacob Freeman’ın yeni videosunda, DLSS 5’in aslında ne yaptığına dair oldukça aydınlatıcı bilgiler sunuluyor.

Görünüşe göre, bu teknoloji beklediğimizden daha az “akıllı” olabilir.

Bu hafta düzenlenen GPU Technology Conference (GTC) etkinliğindeki demoların, oyunları normal şekilde işleyen bir grafik kartı ve DLSS 5 hesaplama işlemlerini yürüten ikinci, yaklaşık 4.000 dolarlık bir GPU ile çalıştığını düşünürsek, ilk bakışta sadece bir yapay zeka filtresi gibi görünen şeyin aslında daha fazlasını içerdiği düşünülebilir. Bu durum, oyun dünyasında benzer bir etki yaratmış olan eski nesil teknolojileri akla getiriyor. Örneğin, 1990’ların ortalarında çıkan ve gerçek zamanlı 3D grafikler sunan ilk kartlardan biri olan PowerVR, aynı şekilde sınırlı kaynaklarla etkileyici sonuçlar elde etmek için optimize edilmişti.

Ancak, Nvidia’dan gelen doğrudan bilgilere göre, mevcut DLSS 5 önizleme sürümünün kullandığı temel girdi, statik bir 2 boyutlu görüntü. Jacob Freeman’ın belirttiği gibi: “DLSS 5, bir 2B kare ve hareket vektörlerini girdi olarak alıyor.”

Başka bir deyişle, eğer Jacob Freeman durumu abartmıyorsa, bu aslında bir oyunun ekran görüntüsünü alıp, üzerine bir yapay zeka filtresi uygulamak anlamına geliyor. Elbette, Nvidia’nın bu işlemin gerçek zamanlı olarak gerçekleştirilebilmesini sağlayan hesaplama yollarını geliştirmesi ve aynı zamanda kareler arasında tutarlılığın korunabilmesi etkileyici. Ancak, DLSS 5’in “geliştirmelerinin” teknik detayları aslında o kadar derin değil gibi görünüyor.

DLSS 5 modeli, yalnızca statik bir görüntüye eklenmiş hareket vektörlerini (sahnedeki nesnelerin nereden geldiği ve nereye gittiği) ve tek bir 2 boyutlu görüntüyü işler. Bu modelin, önündeki görüntünün düz yüzeyinin ötesinde, sahnenin 3 boyutlu geometrisi veya derinliği hakkında hiçbir bilgisi yoktur; ayrıca, görüntü dışındaki aydınlatma koşulları hakkında da detaylı bilgiye sahip değildir.

Freeman’a göre, DLSS 5 modeli bu şekilde eğitilmiştir ve “karakterler, saçlar, kumaşlar ve yarı saydam cilt gibi karmaşık sahne öğeleriyle ilgili bilgileri” tek bir kareyi analiz ederek çıkarabilir. Ayrıca, “ön aydınlatma, arka aydınlatma veya bulutlu hava gibi çevresel aydınlatma koşulları” hakkında da bilgi edinebilir.

Özetle, DLSS 5’in yetenekleri, yalnızca işlediği 2 boyutlu görüntüden çıkarabileceği bilgilere dayanır. Bu model, sahneye giren öğeler hakkında herhangi bir “gerçek bilgiyi” kullanamaz. Model tamamen ekran alanıyla sınırlıdır ve çalıştığı tek görüntünün dışındaki hiçbir şeyle ilgili farkındalığa sahip değildir. Bazı durumlarda yaklaşık tahminler yeterli olabilirken, özellikle ray tracing (ışın izleme) teknolojisi kullanılıyorsa, aydınlatmanın kesin kaynakları ve yoğunluğu hakkında çok daha net verilere sahip olunur.

Aydınlatma, geliştiricilerin oyunlarının görsel olarak nasıl görünmesini istediği konusunda çok net fikirlere sahip olduğu kritik bir alandır. Eğer DLSS 5, sadece kendi tahminlerine dayanarak aydınlatmayı oluşturmaya çalışırsa, bu durum istenmeyen sonuçlara yol açabilir.

Owen ayrıca, DLSS 5’in temel geometriyi ve dokuları önemli ölçüde değiştirebileceği endişelerine değiniyor. Ayrıca, Nvidia’nın bu özelliğin “malzemelerin fiziksel olarak doğru (PBR) özelliklerini geliştirerek daha gerçekçi bir ışık etkileşimi” sağlayabileceğini iddia etmesine de dikkat çekiyor.

Bu tartışma, oyun dünyasında uzun süredir devam eden bir konuya işaret ediyor: Grafik teknolojilerinin, görsel kaliteyi artırmanın yanı sıra, aynı zamanda oyunun temel yapısını ve tasarımını nasıl etkileyebileceği. Örneğin, ilk 3D grafik kartları piyasaya sürüldüğünde, geliştiriciler, 2 boyutlu sprite’lar yerine gerçek 3 boyutlu modeller kullanmanın getirdiği sınırlamalarla başa çıkmak zorunda kalmışlardı. Benzer şekilde, ray tracing gibi daha yeni teknolojiler de, oyun tasarımcılarının aydınlatma ve gölgelendirme konusunda farklı yaklaşımlar benimsemelerine neden oluyor.

Starfield’daki bir karakterin saç çizgisindeki değişiklikler ve “yassified Grace” olarak tarihe geçecek olan tamamen sorunlu durum dikkat çekiyor. Nvidia’nın daha önce açıkça belirttiği gibi, temel geometri değişmese bile, yine de bu değişikliklerin fark edileceği belirtiliyor. Görünüşe göre DLSS 5 modeli, bazen tercih ettiği şeyleri temel geometrinin üzerine çizerek, bu durumu yaratıyor.

PBR (Fiziksel Tabanlı Render) tarafında ise, durumun beklenenden daha basitleştirilmiş olduğu görülüyor. DLSS 5’in oyun motoruna bağlanarak, yüzeyin özelliklerini (malzeme türü, ıslak olup olmadığı, pürüzlülüğü vb.) anlayabilecek mekanizmaların bulunmadığı belirtiliyor. Bu nedenle, PBR özelliklerini “geliştirmek” için tek yapabildiği şey, bunları “gözlemlemek” ve hakkında bir tahminde bulunmak.

“Malzemeler, render edilmiş çerçeveden çıkarılıyor,” diyor Freeman, bir kez daha başka herhangi bir girdi olmadığına vurgu yaparak. Bu durum, oyun geliştiricilerinin yaratıcı vizyonunu gerçekleştirmekteki zorluklarını akla getiriyor. Geçmişte, Quake motorunun sınırlamaları nedeniyle bazı karakter tasarımlarının ideal görünümden uzak kalması gibi durumlar yaşanmıştı.

Nvidia’nın yanıtlarında dikkat çeken bir diğer konu ise, geliştiricilerin bir sahne üzerindeki sanatsal kontrolünü ne ölçüde koruyabildikleri. Geliştiriciler, DLSS 5 modelini “ısı” seviyesini ayarlamak veya daha yaramaz yaratıcı dürtülerini dizginlemek için kullanabilecek bir tür komut mekanizmasına sahip olsaydı harika olurdu. Ya da belki de bir sahneye belirli öğelerin eklenmesini veya ayarlanmasını isteyebilirlerdi.

Ancak, oyunculara sunulan özellikler arasında, efektin yoğunluğunu ayarlayabilen bir kaydırıcı bulunuyor. Bu sayede, sahnenin orijinal render ile yapay zeka çıktısı arasındaki dengesi ayarlanabiliyor. Ayrıca, renk düzenleme kontrolleri ve sahnelerdeki nesnelerin veya bölümlerin DLSS 5’in etkisinden uzak tutulmasına olanak tanıyan maskeleme özellikleri de mevcut.

Örneğin, Grace karakterine bir sahnedeki makyaj uygulamasının gerçekçi olmadığı durumlarda, geliştiriciler bu efekti azaltabilir veya tamamen kapatabilirler. Ancak, geliştiricilerin, yapay zeka modelinden ek düzenlemeler istemeden önce bazı sınırlamalarla karşılaştıkları anlaşılıyor.

Bu durum, tek bir yapay zeka modelinin oyun karakterlerinin görünümünü belirlemesinin potansiyel olarak getirebileceği homojenleşme endişelerini de beraberinde getiriyor. Elbette, temel geometri değişmiyor, ancak aynı DLSS 5 modeli karakterlerin üzerine uygulanıyorsa, bu karakterlerin birbirine benzemeye başlayabileceği bir risk oluşturuyor. Örneğin, keskin hatlara sahip, sarı saçlı başka bir kadın karakter olsa, yassified Grace’e oldukça benzer görünebilir miydi?

Maskeleme özelliği ise ilginç bir nokta. Ekipteki Nick’in belirttiği gibi, nesnelerin seçici olarak maskelenmesi için DLSS 5’in derinlik hakkında bir anlayışa sahip olması gerekiyor; aksi takdirde, belirli kişileri veya nesneleri tutarlı bir şekilde “yassify” etme konusunda sorunlar yaşanabilir. Bu durum, oyun geliştiricilerinin yaratıcı vizyonlarını gerçekleştirmelerini engelleyebilecek teknik sınırlamaları da beraberinde getiriyor.

Bu noktada, 1990’ların ortalarında çıkan ve oyunculara benzersiz karakter özelleştirme seçenekleri sunan “The Sims” serisi akla geliyor. Bu oyunlar, oyuncuların kendi tasarımlarını oluşturmalarına olanak tanıyarak, karakterlerin görünümünü kişisel tercihlere göre şekillendirme imkanı sağlıyordu. Ancak, günümüzde yapay zeka teknolojilerinin sunduğu otomatik çözümler, bu tür yaratıcı özgürlükleri kısıtlayabileceği endişesi de beraberinde getiriyor.

Nvidia’nın DLSS 5 özelliği hakkında ne kadar çok şey duyduğumuzda, durum o kadar kötü görünmeye başlıyor. Dürüst olmak gerekirse, beklentilerimin tam tersi bir durum. Geliştiricilerin bu teknolojiyi nasıl kullandıklarına dair daha fazla bilgi edinmeyi ve onların hangi kontrollerle çalıştığını, aynı zamanda teknolojinin sanatsal ifadeyi nasıl koruduğunu anlamayı umuyordum.

Oyun Sektöründe Yeni Bir Dönem: DLSS 5 ve Yapay Zeka Entegrasyonu

DLSS 5 teknolojisinin tanıtımı, oyun dünyasında büyük heyecan yarattı. Ancak, bu yeni teknolojinin etik boyutları ve uygulanabilirliği hakkında bazı tartışmalar da başladı. Ben de burada, bu teknolojinin getirdiği yenilikleri değerlendirmek yerine, DLSS 5’in arkasındaki potansiyeli ve yapay zeka entegrasyonunun oyunlara etkilerini incelemek istiyorum.

DLSS 5 ile ilgili olarak, Jacob Freeman’ın açıklamaları bazı soru işaretleri yaratmış olabilir. Ancak, unutmamak gerekir ki, Nvidia CEO’su Jen-Hsun Huang’ın GTC ana konuşmasında yaptığı vurgular oldukça önemliydi: “Kontrollü 3D grafikler, sanal dünyaların gerçekliği, sanal dünyaların yapılandırılmış verileri ve üretilen dünyalar bir araya getirildi. 3D grafiklerle üretken yapay zeka ve olasılıksal hesaplama birleştirildi.” Bu ifadeler, Nvidia’nın sadece görsel iyileştirmeye odaklanmadığını, aynı zamanda oyun dünyasının temelinde yatan yapılandırılmış verileri de kullanmayı hedeflediğini gösteriyor.

Bu noktada, “The Elder Scrolls” serisinin ilk yapım aşamalarına geri dönmek mümkün. Arena ve Daggerfall gibi erken dönem oyunlar, oyunculara sınırlı grafiklerle dolu olsa da, derinlemesine bir dünya ve karmaşık sistemler sunuyordu. Günümüzde ise, bu tür yapılandırılmış verilerin yapay zeka ile birleştirilmesi, daha gerçekçi ve dinamik oyun deneyimleri yaratma potansiyeline sahip.

Ancak, şu anda DLSS 5’in vaat ettiği entegrasyonun beklentileri karşılayıp karşılamadığı konusunda bazı endişeler mevcut. Yapay zeka tarafından üretilen verilerin, oyun dünyasının temelindeki yapılandırılmış verilere ne kadar entegre olduğuna dair bir uyumsuzluk hissediliyor. Umuluydu ki, iki farklı unsur birbirini güçlendirecek ve daha üstün bir sinerji yaratacaktı. Ancak, şu anda bu durumun gerçekleşip gerçekleşmediği konusunda belirsizlikler var.

Bu noktada, “Half-Life” serisinin başarısını da hatırlamakta fayda var. İlk oyun, oyunculara sadece görsel olarak etkileyici bir deneyim sunmakla kalmadı, aynı zamanda derin hikayesi ve akıcı oynanışıyla da büyük beğeni topladı. Günümüzde ise, yapay zeka entegrasyonuyla benzer bir başarı elde etmek mümkün olabilir.

Sonuç olarak, DLSS 5’in potansiyeli yadsınamaz. Ancak, bu teknolojinin vaat ettiği entegrasyonun beklentileri karşılayıp karşılamadığı ve oyun dünyasına ne gibi etkiler getireceği zamanla daha netleşecektir.

Ancak sonuç ne olursa olsun, bir şey açık: DLSS 5’in tanıtımı tam anlamıyla karmaşık ve sorunlu bir süreçti. GTC’deki neredeyse bağlamdan yoksun duyuru, teknolojinin sahte temsilcisi haline getirilmiş “yassified” Grace karakteri, ve en önemlisi, bu teknolojiye aslında “DLSS 5” adını vermekten kaçınmak gibi hatalar zinciri, kötü yönetimin ve yanlış mesajlaşmanın acı bir örneğiydi.

Bu tanıtım karmaşası, oyun dünyasında yaşanan benzer olayları akla getiriyor. Örneğin, bazı eski oyunların piyasaya sürülme süreçlerinde yaşanan iletişim sorunları veya teknik hatalar, oyuncuların beklentilerini karşılamakta zorlanmalarına neden olmuştu. Benzer şekilde, bazı konsol geliştirme projelerinde de, erken aşamalardaki tanıtımlarda yapılan hatalı açıklamalar veya eksik bilgiler, son ürünün başarısını olumsuz etkileyebiliyordu. Bu tür durumlar, oyun şirketlerinin ve teknoloji markalarının, iletişim stratejilerine daha fazla özen göstermeleri gerektiğini bir kez daha gösteriyor.

Kaynak: Pc-Gamer-News