mathronic
SahadaGörüntü ve Yapay Zekâ Haber: Şub 2026Teyit: 4 Eki 2026

Görmek yetmiyor, hızlı görmek lazım

Açılan fikir: gecikme · görüntü işleme

Bir robot kol, masanın üstünde yuvarlanan bir topu yakalayacak. Kamerası topu çok keskin görüyor. Ama robotun bu görüntüyü anlaması yarım saniye sürerse, saniyede iki metre yuvarlanan top o sürede bir metre yol alır ve kol boşluğa uzanır. Hızlı hareket eden bir makine için geç anlamak da bir körlüktür.

Şubat 2026'da yayımlanan bir araştırma, bu gecikmeyi kısaltmanın ucuz bir yolunu gösterdi. Bu sayfada önce topun kör yolunu kendin hesaplayacak, sonra robotu hızlandırmak için bir tasarım kararı vereceksin. Sonunda gecikmenin asıl nereden geldiğini ve bir çözümün neden az iş yaparak kazandırdığını görmüş olacaksın; yanına da haberleşmede sık karşına çıkacak bir matematik aracını alacaksın.

Haber

Ne oldu?

Bu sayfadaki robot kol ve top, fikri anlatmak için kurduğumuz bir örnektir; araştırmanın sayıları kendi sahnelerinden gelir.

Sorun

Gecikme de bir körlüktür

Robot kol neden ıskalar? Çünkü topu, kameranın onu gördüğü yerde yakalamaya uzanır; top ise o arada yoluna devam etmiştir. Robotun anlaması ne kadar sürerse top o kadar uzaklaşır. Kıyas için bir ölçü de var: insan beyninin bir fotoğrafta hayvan olup olmadığını ayırt ettiği an, beyin sinyallerinde yaklaşık 150 milisaniyede görülür.

Topun kör yolunu hesapla

Topun hızını ve robotun anlama süresini seç. Kesik çizgili halka, kameranın topu gördüğü yerdir; kol oraya uzanır. Dolu top ise robot anladığında topun bulunduğu yerdir. Aradaki mesafe kör yoldur, yani hız ile gecikmenin çarpımı.

Kör yol: 1,00 m

Topun hızı bu sayfanın varsayımıdır; masada yuvarlanan bir top için makul bir değer seçtik.

Peki bu gecikme nasıl kısaltılır? Sen tasarımcı olsan ilk neye el atardın?

Bir soru

Yükleniyor…

Seçenekler

Üç çözüm, üç bedel

Hangisini seçtin? Üçü de gerçekten kullanılan çözümlerdir; asıl soru, her birinin bedelidir.

SeçenekKazançBedel
A · Güçlü işlemciAynı hesap daha kısa sürer.Çip araştırmasına göre tam HD bir karede neyin hareket ettiğini bulup nesneleri birbirinden ayırmak, güçlü bir grafik işlemcisinde bile 0,6 saniyeyi aşabiliyor. Böyle bir işlemci, pille çalışan küçük robotlara ve drone'lara ağırlığı ve güç tüketimiyle sığmayabilir.
B · Daha az kare ya da pikselİşlenecek veri azalır.Kamera iki kare arasında kördür. Saniyede 30 karede bu boşluk 33 ms iken 10 karede 100 ms olur. Çözünürlük düştükçe de küçük nesneler kaybolur.
C · Basit yazılımHesap hızlanır.Çip araştırmacılarına göre hızlı ama basit yöntemler kolay sahnelere uyar; karmaşık harekette doğru sonuç için pahalı yöntemler gerekir.

Burada bir çıkmaz var: hızlanmak için ya donanım büyüyor ya da görüntünün ayrıntısı ve sonucun doğruluğu feda ediliyor. Üç seçeneğin ortak bir varsayımı da var; ne olduğunu aşağıda göreceğiz.

Çözümün mantığı

Hepsine bakmak zorunda mısın?

Robotun kamerasından gelen bir kareye bak: masa, duvar, raflar ve top. Bir kareden ötekine bunların hangisi değişiyor? Yalnız top. Oysa üç seçenek de karenin her yerine eşit davranıyordu: ya hepsini işliyor ya da her yeri aynı oranda azaltıyordu. Tam HD bir kare yaklaşık iki milyon pikseldir; saniyede 30 kare gelirse bu, her saniye 60 milyondan fazla piksel eder.

Sorun: Geç gelen bilgi, gelmeyen bilgiden pek farklı değildir. Sahnenin çoğu aynı kalırken gecikmenin büyük kısmı, değişmeyen veriyi yeniden işlemekten doğar.

Herkesin sorduğu soruYeniden kurulan soru
Görüntüyü nasıl daha hızlı işlerim?Görüntünün hepsini işlemek zorunda mıyım?

Üç seçeneğin ortak varsayımı şuydu: karenin her pikseli eşit önemdedir. Bu varsayım kalkınca yol açılır: önce neyin değiştiğini ucuz bir adımla bul, pahalı yazılımı yalnız oraya gönder. Yirmi kamera ekranını izleyen bir güvenlik görevlisi de böyle çalışır; hepsine eşit bakmaz, bir ekranda bir şey kımıldadığında gözünü oraya çevirir.

Aynı kare, iki yol

Kare 16 bloğa bölünmüş; şemada pahalı yazılımın blokları teker teker işlediğini varsayıyoruz. "Oynat"a bas ve iki yolu karşılaştır. Pahalı yazılım bir bloğa bakarken top yuvarlanmaya devam ediyor; kesik çizgili halka, yazılımın topu bildiği yerdir.

Ekibin çipi tam bu ön adımı yapıyor. Görüntüyü 16 bloğa bölüyor ve hangi blokta bir şey değiştiğini birkaç milisaniyede işaretliyor. Pahalı yazılım da yalnız işaretlenen bloklarda çalışıyor.

Kazancın büyük kısmı çipin hızından değil, seçimin kendisinden gelir: birkaç milisaniyelik bir seçim, çok daha uzun süren pahalı bir hesabı küçültür. Öyleyse aynı seçimi yazılımla da yapabilirsin. Çipin vaadi, seçimi kameranın hemen arkasında, işlemciyi meşgul etmeden ve az güçle yapmaktır.

SeçenekKazançBedel
Önce değişeni seç, sonra işle33 görevin ortalamasında yazılım işini yaklaşık 3,8 kat hızlı bitiriyor. Az şeyin kımıldadığı sahnelerde kazanç en büyük.Kamera kendisi hareket edince kazanç küçülür; hiç kımıldamayan bir şey seçilmez. Çip henüz bir prototiptir.
Ayrıntı: çip sayılarla

Çipte 4 × 4 dizilmiş 16 transistör var; elemanları birkaç atom kalınlığında bir yarı iletkenden yapılmış. Araç sahnesinde 800 × 800 piksellik görüntünün her 200 × 200 piksellik bloğuna bir eleman bakıyor ve oradaki parlaklık değişimini darbeler hâlinde alıp transistörün iletkenliğinde biriktiriyor. Değişen bloklar 1–2 milisaniyede işaretleniyor. Aynı sahnede seçimi bilgisayarda yapmak kare başına yaklaşık 3 milisaniye, çipin kendi işi yaklaşık 1 milisaniye sürüyor; pahalı yazılım ise bu 800 × 800'lük görüntünün tamamında yaklaşık 290 milisaniye sürüyordu (tam HD'deki 0,6 saniyeden kısa, çünkü görüntü daha küçük). Çip seçimi bilgisayardan yaklaşık üç kat hızlı yapıyor; gücün kısıtlı olduğu ve her milisaniyenin sayıldığı yerlerde bu fark önemlidir. Makale, aşağıdaki "Değişeni bul" deneyinin matematiğini de aynı sırayla kullanıyor: çipin önündeki bir devre farkı hesaplıyor, sonraki adımlar mutlak değeri alıp eşikle karşılaştırıyor.

Çözüm mantığı: Her şeyi daha hızlı işlemeye çalışmak yerine neyin işlenmeye değer olduğunu önce ucuzca seç: değişmeyeni bırak, değişene bak. Seçimi işin en başına, pahalı adımdan önceki ucuz bir adıma koy.

Değişeni nasıl bulursun?

Çip hangi bloğun değiştiğini nasıl anlıyor? Aynı işi sen de piksel piksel yapabilirsin.

Değişeni bul

Solda bir önceki kare, ortada şimdiki kare var. Sağdaki haritada, iki kare arasındaki parlaklık farkı eşiği aşan pikseller turuncu yanar; pahalı yazılım yalnız onlara bakacak. Nesne bir adım kaydığında altında kalan iç kısım iki karede de aynı görünür; değişen yalnız nesnenin yeni girdiği ön kenar ile terk ettiği arka kenardır. "Nesnenin yakalanan kısmı" bu kenar piksellerinin ne kadarının turuncu yandığını söyler.

İşlenecek piksel oranı: –Nesnenin yakalanan kısmı: –
  1. "Tek hareketli nesne"de eşiği oynat. İşlenecek piksel oranı kaç?
  2. "Gürültülü kamera"ya geç ve eşiği düşür. Ne oluyor? Eşiği yükseltince nesneye ne oluyor?
  3. "Kamera titriyor"da oran ne oluyor? Eşiği yükseltince seçilen alan yine küçülüyor mu?

Kareler bilgisayarda üretilmiştir.

Deneyde ne yaptın? Matematikle, üç adımda

1. Bir pikselin parlaklığı zamanın fonksiyonudur. Bir pikselin t anındaki parlaklığına I(t) diyelim; bu bir sinyaldir. Masanın bir noktasına bakan pikselde I(t) sabittir; önünden top geçerken değişir. Deneydeki karede 60 × 44 = 2.640 piksel var; her birinde iki karedeki değeri birbirinden çıkardın.

2. İki kare arasındaki fark, değişimin ölçüsüdür. Bir pikselin parlaklığı bir karede 120, bir sonraki karede 205 olsun; fark 85'tir. Genel olarak, iki kare arasındaki süreye Δt dersek fark ΔI = I(t) − I(t − Δt) olur: şimdiki değerden, Δt önceki değer çıkarılır. Farkı Δt'ye bölersen parlaklığın birim zamanda ne kadar değiştiğini bulursun; bu, ileride türev adıyla tanışacağın kavramın yaklaşık değeridir.

Fonksiyonlar dersinden bir bağ. Tek bir an yerine bütün sinyale bakarsan, I(t − Δt) değerlerinin grafiği I'nın grafiğinin Δt kadar sağa kaydırılmış hâlidir. Aşağıdaki grafikte kesik çizgi bu kopyadır. Fark, sinyalden onun geciktirilmiş kopyasını çıkarmaktır.

3. Eşik, yeni bilgiyi gürültüden ayırır. Farkın mutlak değeri |ΔI| eşiği aşarsa piksel yeni bilgi taşır, aşmazsa bırakılır; mutlak değer alınır, çünkü kararan bir piksel de değişmiştir. Eşik 25 ise 85'lik fark seçilir, 3'lük bir gürültü bırakılır. Eşik düşükse gürültü de "değişim" sayılır; yüksekse soluk bir nesne kaçar. Kareler eşit aralıkla geldiği için Δt sabittir; bu yüzden farkı türeve çevirmek için bölmek gerekmez, eşiği doğrudan farka uygulamak yeter.

Aşağıdaki grafik, önünden top geçen tek bir pikselin parlaklığını (üstte) ve kareden kareye farkını (altta) gösteriyor. Eşiği grafiğin altındaki kaydırıcıyla da değiştirebilirsin.

Araç: Bir sinyalin kendisini değil, değişimini izle: iki ardışık ölçümün farkı neyin yeni olduğunu söyler. Bu fark türevin ayrık hâlidir; onu gürültüden ayırmak ise bir eşik kararıdır: eşik düşükse gürültü içeri girer, yüksekse soluk olan kaçar.

Grafikte bir şeye dikkat et: top pikseli örttüğü karelerde fark eşiğin altına düşer ve piksel işlenmez. Peki her şeyi değişime bağlarsak, hiç kımıldamayan bir engeli nasıl göreceğiz?

Nerede çalışmaz?

Her şey değişirse ya da hiçbir şey değişmezse

Dürüst not: araştırma neyi gösterdi, neyi göstermedi?

  • 33 görevin 12'si çipin kendisiyle, 21'i bilgisayardaki benzetimiyle işlendi; araştırmadaki robot kol kavrama sahnesi (bu sayfanın top örneğinden ayrıdır) ve kamera hareketi sonuçları (1,34 ve 1,7 kat) benzetimdendir.
  • Çip bir drone'da ya da yolda giden bir araçta değil, kayıtlı görüntülerle sınandı.
  • Çipin asıl vaadi olan enerji tasarrufu ölçülmedi; yalnız bir ara devre için yaklaşık 10 mW tahmin edildi.
  • Seçim sürelerine dair sayılar (1–2 ms, 3 ms, 1 ms) araç sahnesine aittir; öteki sahnelerde farklıdır.

Senin alanında

Farkı göndermek

Telefonun bir dakikalık videoyu nasıl bu kadar küçük bir dosyaya sığdırıyor? Büyük ölçüde aynı fikirle sığdırır: değişmeyeni yeniden göndermez. Ardışık iki ölçümün farkına bakmak, haberleşme derslerinde fark kodlama ve delta modülasyonu adlarıyla karşına çıkar.

Çözümün mantığı da yalnız görüntüye ait değildir. Pille çalışan bir sıcaklık sensörü tasarladığını düşün. Her saniye ölçüp göndermek yerine, yalnız ölçüm belirli bir miktar değiştiğinde gönderebilirsin. Kablosuz sensör ağlarında "değişince gönder" denen bu yöntem gönderilen rapor sayısını azaltır; bu da pil ömrünü uzatabilir.

Habere dönüş

Dört kat: kimin hızı?

Haber "dört kat" diyordu; şimdi bu sayının neyi ölçtüğünü söyleyebilirsin. Dört kat, çipin kendi hızı değil; 33 görevin ortalamasında aynı yazılımın daha az piksele bakarak işini ne kadar kısa sürede bitirdiğidir. Robot kolumuzda da kazanç çipten değil, yazılımın topun olmadığı yerlere bakmayı bırakmasından gelirdi. Bu sayfanın doğduğu LinkedIn paylaşımındaki öteki sayıların düzeltmesini aşağıdaki kutuda bulabilirsin.

Ayrıntı: bu sayfanın çıktığı LinkedIn paylaşımında ne düzeltildi?

Sayfa 23 Şubat 2026 tarihli bir LinkedIn paylaşımından doğdu. Asıl kaynağa dönünce şunlar düzeltildi; eski metin LinkedIn'de duruyor.

PaylaşımdaAsıl kaynakta
"100 km/sa'te 0,5 s gecikme, 27 m kör yol"100 km/sa saniyede 27,8 m eder; 0,5 saniyede 13,9 m gidilir. Makale 27 m'yi otoyol hızında 1 saniyelik gecikme için yazıyor.
"Algoritmalar insan refleksinden 4 kat yavaş; insan ~150 ms"4 kat, tam HD bir görüntüde güçlü bir grafik işlemcisiyle yapılan tek bir işlem zincirine aittir. 150 ms refleks değil; beyin sinyalinde ölçülmüş bir görsel ayrım süresidir. Makale aynı paragrafta yaklaşık 10 ms'lik ticari bir sistemi de anıyor; yani her sistem insandan yavaş değil.
"Robot kol yakalamada %740 iyileşme"Bu sayı yakalama başarısı değil, kavrama sahnesindeki görevlerin ortalama doğruluk artışıdır; artışın çoğu nesneyi takip etme görevinden geliyor ve sahne çipin benzetimiyle işlenmiş.
"Aynı algoritma 4 kat hızlı"33 görevin ortalamasıdır; kamera hareket edince benzetimde 1,34–1,7 kata düşer.
"Zürih'in drone'u 80 km/sa", "72 saat / 8 saat"Kaynak bulunamadı; iddialar sayfaya alınmadı.

Götürdüklerin

Üç cümlede

Kendi cümlen

Kaldırılan varsayım neydi?

Bu sayfadaki çözüm, bir varsayım kaldırılınca ortaya çıktı. O varsayımı kendi sözlerinle, tek cümleyle yaz. Sonra kendi projende her seferinde baştan sona işlediğin ama çoğu aynı kalan bir veriyi düşün: onun hangi kısmına bakman yeterdi?

Kaynaklar

Bu sayfa haberi Şubat 2026'daki hâliyle anlatıyor; sonraki gelişmelere bakılmadı. Robot kol ve top örneği bu sayfanın kurgusudur; araştırmanın sonuçları "Dürüst not" kutusundaki sınırlarla okunmalıdır.

  1. S. Wang, … S. Gao, “Ultrafast visual perception beyond human capabilities enabled by motion analysis using synaptic transistors”, Nature Communications 17, 1215, 10.02.2026. doi.org
  2. Aynı makalenin ek bilgi dosyası (Supplementary Information; Ek Not 1, 2, 9–14). springernature.com
  3. D. Gehrig, D. Scaramuzza, “Low-latency automotive vision with event cameras”, Nature 629, 1034–1040, 2024. doi.org
  4. G. Gallego vd., “Event-based Vision: A Survey”, IEEE TPAMI 44(1), 2022. arxiv.org
  5. S. Thorpe, D. Fize, C. Marlot, “Speed of processing in the human visual system”, Nature 381, 520–522, 1996. doi.org
  6. T. Wiegand vd., “Overview of the H.264/AVC video coding standard”, IEEE TCSVT 13(7), 2003. doi.org
  7. “Multimedia Signal Compression: Speech and Audio I”, NYU EE3414 ders notu (yazar adı belgede yok). nyu.edu
  8. M. Miśkowicz, “Send-On-Delta Concept: An Event-Based Data Reporting Strategy”, Sensors 6(1), 2006. doi.org