Gelecekte oyunculuk nasıl olacak?

bitwise dedi:

Rica ederim kusur yok, hepimiz acemiyiz goreceli olarak.

Merhaba, evet yapilabilir. Buna "heuristic" hesaplama denilir ( Turkce'si sezgisel ). Kabaca bir seyin %100 cevabini bulmanin imkansiz ya da cok pahali oldugu durumlarda "idare eder" cevabi bulmak gibi. Satranc yapay zekalarinda ya da meteorolojide yillardir yapilan bir sey. Her ikisinde de "en dogru" seyi bulmak ya imkansiza yakin ya da cok pahali ( zaman - CPU gucu ).

Bu durum belli yere kadar bizi idare etse de limitliyor. Ornegin bir arabanin yaris sirasinda nasil davrandigini fizik motoruyla bizi ikna edecek sekilde modellemek o kadar zor olmasa da, atmosfer olaylari - akiskanlar mekanigi vs gibi meseleler isin icine girince kan aglatiyor islemcilere.

Nvidia ilk Hairworks olayini piyasaya surdugunde ( NVIDIA HairWorks ) saclari modellemeye calisan AMD kartlari 3 FPS veriyordu bu ozellik aktive edildiginde. Bunda tabi rakibe karsi yapilmis bel alti bir vurus da var ama birbirinden bagimsiz hareket eden saclari modellemek icin bile cok yetersiz aslinda GPU'lar.

Open-world bir oyunda sokakta yuruyen insanlar var, bir anda ruzgar cikiyor ve herkesin saclari ya da kiyafetleri ucusmaya basliyor. Bu senaryoyu gercek hayatta yasamissinizdir. Herhangi bir oyunda bunu modellemek icin super bir bilgisayarin olsa dahi yetersiz kalir.

Genişletmek için tıkla...

Biraz daha detaya ineceğim.
Örneğin yapay zekayla çalışan bir motor geliştirdik. Bu yapay zekayla çalışan motor bize karikatür gibi bir görsel veriyor, bu da grafik gücünü azaltıyor. Örneğin saçlar ayrı ayrı teller gibi gözükmek yerine 10 15 tane çizgi şeklinde görünüyor ve başka bir yapay zeka da bu görselleri tanıyıp oraya modelleri yerleştirme işlemi yapıyor.
Basitçe bir karikatür var ve bir yapay zeka bu karikatürdeki çizgilerin nesne karşılıklarını buluyor bir tür object detection algoritmasıyla. Ardından bir tür yapay zeka, elimizdeki modele öyle bir manupulation uyguluyor ki model, karikatürden çıkan alana tam oturuyor.
Kalan arkaplan vs önemli değil.
+ =
Karikatürde insan resmi içi boş, sadece çerçevesi belirtilmiş olsun veya aşağı yukarı çizgileri verilmiş olsun. Nasıl bir model kullanarak modeli oraya yerleştirebiliriz? En düzgün ve kurallara mantığa uyan biçimde.

Bu sene proje hazırladığımdan dolayı bu alana az biraz aşinayım. Seneye de hazırlamak istediğimden soruyorum. Cevabınız için şimdiden teşekkürler.

bitwise dedi:

Yillar gecse de klavye ve mouse ikilisinden daha pratik sekilde kullanicidan input alan mekanizma gelistirilemedi. VR gibi teknolojilerin yayginlasabilmesi için klavye ve mouse olmaksizin bilgisayara yapmak istediklerini "soylemenin" alternatif bir yolunu bulmamiz gerekiyor.

Human–computer interaction - Wikipedia

en.wikipedia.org

Bu olmadan VR ya da AR uzerinden oyunculuk gelisemez. Konsol da bir yere kadar gelisir cunku Gamepad'ler de cok limitleyici. Daha seri, daha intuitive sekilde yapmak istediklerini bilgisayara aktarmamiz gerek yoksa klavye - mouse a bagimliyiz.

Ayrica bana gore oyunlari limitleyen şey grafikler degil, fizik motoru.
Bugun gelismis simulasyon oyunlarinda ( örneğin: Cities Skylines ) en dusuk grafiklerde dahi 60 FPS alamazsin. Cunku simulasyon gerceklige yakinlastikca gunumuz CPU'lari için isler imkansizlasiyor.

Gelecekteki oyunlarin "Ayni gercek hayat gibi" olacagi beklentisi bizim jenerasyon için hayal yalnizca.

Fizik motoru ve grafik kalibrasyonunu en iyi yapan firma bana gore Rockstar bu arada.

Genişletmek için tıkla...

Sanırım bahsettiğim teknolojileri birbirinden ayrı olarak düşünmüşsünüz. Ben bunların hepsinin birleşerek bir oyun deneyimi sunmasından bahsediyorum. Yukarıda bahsettiğim KAT isimli platform, epidermal VR ve göz merceğinin hareketlerinden komut alabilen AR-VR lensler sayesinde şu an klavye mouse ile yapabildiklerinizden daha fazlasını zaten yapabiliyor olacaksınız. İşlemci kısıtlamasına gelirsek o günümüzde bile aylık belli bir ücretle satın alabileceğiniz bulut teknolojisi sayesinde zaten çözüldü. Bundan 20 yıl sonra oyun oynamak için bilgisayara ihtiyacınız olacağını hiç zannetmiyorum. İnternet bağlantısı, platform, oyuncu giysisi ve bir çift VR lens yeterli olacak diye düşünüyorum. Aslında çok çok zengin olsaydım bu teknolojilerin prototiplerini satın alıp şuan da bile bahsettiğim şekilde bir sistemle oyun oynayabileceğimi düşünüyorum. Keşke insanlara daha çok ilkel teknoloji satabilmek için böyle ucube sistemleri toplayacaklarına bahsettiğim teknolojileri birleştirerek sistem toplasalardı.

Jang Geum'un Danji Yemeği dedi:

Biraz daha detaya ineceğim.
Örneğin yapay zekayla çalışan bir motor geliştirdik. Bu yapay zekayla çalışan motor bize karikatür gibi bir görsel veriyor, bu da grafik gücünü azaltıyor. Örneğin saçlar ayrı ayrı teller gibi gözükmek yerine 10 15 tane çizgi şeklinde görünüyor ve başka bir yapay zeka da bu görselleri tanıyıp oraya modelleri yerleştirme işlemi yapıyor.
Basitçe bir karikatür var ve bir yapay zeka bu karikatürdeki çizgilerin nesne karşılıklarını buluyor bir tür object detection algoritmasıyla. Ardından bir tür yapay zeka, elimizdeki modele öyle bir manupulation uyguluyor ki model, karikatürden çıkan alana tam oturuyor.
Kalan arkaplan vs önemli değil.
Eki Görüntüle 944063 +Eki Görüntüle 944055 = Eki Görüntüle 944056
Karikatürde insan resmi içi boş, sadece çerçevesi belirtilmiş olsun veya aşağı yukarı çizgileri verilmiş olsun. Nasıl bir model kullanarak modeli oraya yerleştirebiliriz? En düzgün ve kurallara mantığa uyan biçimde.

Bu sene proje hazırladığımdan dolayı bu alana az biraz aşinayım. Seneye de hazırlamak istediğimden soruyorum. Cevabınız için şimdiden teşekkürler.

Genişletmek için tıkla...

Bir kac gundur foruma giremiyordum yogunluktan, bunu gozden kacirmisim.

Dusuk cozunurluklu bir seyi yuksek cozunurluklu hale getirmek ile verdigin karikatur ornegi temelde ayni. Iskeletini ben vereyim, yapay zeka detaylandirip butune vardirsin diyorsun eger yanlis anladiysam.

Anlattigin senaryoya dair sampling algortmalari bu konuda kullaniliyor, arastirabilirsin.

En pratigi KNN algoritmasi olur, ama o unsupervised calisir. Onceden train etmene gerek yok. Basitce her pikselin etrafindaki piksellerin ortalamasini aldigi bir metod gibi dusunebilirsin. Implemente etmesi cok basittir ama sonuclar tahmin edilecegi gibi suboptimal.

Interpolasyon algoritmalari baska bir yontem. Bunlar da unsupervised. Kabaca yaptiklari sey A ile B arasindaki gecisi yumusatmalari. Interpolation diye aratabilirsin.

Matrix Factorization da kullaniliyor, mxn matrisi meydana getirecek 1D matrisleri bulup resmin geri kalanini tahmin etme yontemi. Bu da unsupervised.

Bildigim tek supervised yontem NN kullanilarak yapilan deep learning super sampling, Nvidia'nin meshur ettigi DLSS. Ancak bunun icin senin calisacagin domain hakkinda bilgi sahibi olman gerekiyor. Ornegin karikaturun neye benzeyecegi hakkinda train etmelisin modelini. O yuzden her oyunda calismiyor cunku Nvidia train etmemis oluyor. Calisma metodu aslinda cok karisik degil, super bir bilgisayarda muhtemel yuksek cozunurluklu render edilmis image'lar ve dusuk cozunurluklu versiyonlari train ediliyor, train edilmis model driver ile yukleniyor bilgisayara. Senin dusuk cozunurluklu versiyonun gercek zamanlu upscale ediliyor.

Paranoyak Pharmacist dedi:

Sanırım bahsettiğim teknolojileri birbirinden ayrı olarak düşünmüşsünüz. Ben bunların hepsinin birleşerek bir oyun deneyimi sunmasından bahsediyorum. Yukarıda bahsettiğim KAT isimli platform, epidermal VR ve göz merceğinin hareketlerinden komut alabilen AR-VR lensler sayesinde şu an klavye mouse ile yapabildiklerinizden daha fazlasını zaten yapabiliyor olacaksınız. İşlemci kısıtlamasına gelirsek o günümüzde bile aylık belli bir ücretle satın alabileceğiniz bulut teknolojisi sayesinde zaten çözüldü. Bundan 20 yıl sonra oyun oynamak için bilgisayara ihtiyacınız olacağını hiç zannetmiyorum. İnternet bağlantısı, platform, oyuncu giysisi ve bir çift VR lens yeterli olacak diye düşünüyorum. Aslında çok çok zengin olsaydım bu teknolojilerin prototiplerini satın alıp şuan da bile bahsettiğim şekilde bir sistemle oyun oynayabileceğimi düşünüyorum. Keşke insanlara daha çok ilkel teknoloji satabilmek için böyle ucube sistemleri toplayacaklarına bahsettiğim teknolojileri birleştirerek sistem toplasalardı.

Genişletmek için tıkla...

Islemci kisitlamasindan kastettigim benim evde kullandigimiz islemcilerin yetersiz olmasi degil. Yakin zamanda lithografik limite gelecegiz, 4nm - 3nm islemciler uretmek pahali olacak. Yeni bir yontem gelistirmeden silikona daha yogun sekilde transistor koyamayacak insanoglu.
Ayrica ben 2000 li yillarin basinda da duyuyordum bu "lenslerle" ya da "sinirlere baglanan zimbirtilarla" bilgisayar iletisimi kurabilecegiz dalgalarini. Insanoglunun bir gun organik - dijital merkez iletisimini yapacagindan suphem yok ama bunun lenslerle ya da kablolarla olacagini hic sanmiyorum. Olsa dahi proof of concept seyler olur, her oyuncunun evinde olacak seylere evrilmesi cok bilim kurgu. Burada 400 sene sonrasini degil , 20 sene sonrasini tartisiyorum ve bence hala klavye mouse kullanacagiz.

Insanlar gelecekte cok super gelisecegiz diye hayaller kurmayi cok severler, 100 sene once cizilen resimlere bakabilirsin ( ucan arabalar vs ). Ancak insanlik her zaman ayni hizda gelismiyor ya da bizim bekledigimiz ivmeyle gelismiyor.

bitwise dedi:

Dusuk cozunurluklu bir seyi yuksek cozunurluklu hale getirmek ile verdigin karikatur ornegi temelde ayni. Iskeletini ben vereyim, yapay zeka detaylandirip butune vardirsin diyorsun eger yanlis anladiysam.

Anlattigin senaryoya dair sampling algortmalari bu konuda kullaniliyor, arastirabilirsin.

En pratigi KNN algoritmasi olur, ama o unsupervised calisir. Onceden train etmene gerek yok. Basitce her pikselin etrafindaki piksellerin ortalamasini aldigi bir metod gibi dusunebilirsin. Implemente etmesi cok basittir ama sonuclar tahmin edilecegi gibi suboptimal.

Interpolasyon algoritmalari baska bir yontem. Bunlar da unsupervised. Kabaca yaptiklari sey A ile B arasindaki gecisi yumusatmalari. Interpolation diye aratabilirsin.

Matrix Factorization da kullaniliyor, mxn matrisi meydana getirecek 1D matrisleri bulup resmin geri kalanini tahmin etme yontemi. Bu da unsupervised.

Bildigim tek supervised yontem NN kullanilarak yapilan deep learning super sampling, Nvidia'nin meshur ettigi DLSS. Ancak bunun icin senin calisacagin domain hakkinda bilgi sahibi olman gerekiyor. Ornegin karikaturun neye benzeyecegi hakkinda train etmelisin modelini. O yuzden her oyunda calismiyor cunku Nvidia train etmemis oluyor. Calisma metodu aslinda cok karisik degil, super bir bilgisayarda muhtemel yuksek cozunurluklu render edilmis image'lar ve dusuk cozunurluklu versiyonlari train ediliyor, train edilmis model driver ile yukleniyor bilgisayara. Senin dusuk cozunurluklu versiyonun gercek zamanlu upscale ediliyor.

Genişletmek için tıkla...

Supervised yöntemle basic bir model oluşturdum lakin sonrasında şunu fark ettim, üzerinde deneyebileceğim ve eğitebileceğim bir verisetim yok. Bu sefer verisetini sıfırdan oluşturmak için edge detection baktım ama beni aşıyor bu kadarı
Proje fikri için öneriniz var mı? Son zamanlarda AI of Things konusunu görüyorum, bu sene de 2. aşamaya geçen bir proje var sanırım.

Direk oyunun içinde olacaksın. Keşke o günleri görebilseydik.

241046 dedi:

Direk oyunun içinde olacaksın. Keşke o günleri görebilseydik.

Genişletmek için tıkla...

Keşke...

Jang Geum'un Danji Yemeği dedi:

Supervised yöntemle basic bir model oluşturdum lakin sonrasında şunu fark ettim, üzerinde deneyebileceğim ve eğitebileceğim bir verisetim yok. Bu sefer verisetini sıfırdan oluşturmak için edge detection baktım ama beni aşıyor bu kadarı
Proje fikri için öneriniz var mı? Son zamanlarda AI of Things konusunu görüyorum, bu sene de 2. aşamaya geçen bir proje var sanırım.

Genişletmek için tıkla...

Aslinda sey yapabilirsin, upscale etmek ne kadar zorsa downscale etmek de bir o kadar basit

Ayni seye ait farkli image'larin ( Ornegin Kapadokya resimleri ) yuksek cozunurluklu versiyonlarini alip ufak bir kodla dusuk cozunurluklu hale getirebilirsin.

Bu sekilde modelini train edecek 1'e 1 eslesmis low_res = high_res image seti olacak elinde.
Ayni seye ait olmalari onemli cunku random resimler olursa train etmek icin cok fazla data gerekecek. Python'da Image Module — Pillow (PIL Fork) 8.2.0 documentation kutuphanesi var, downscale icin kullanabilirsin. Her dilde vardir benzer bir sey; downscale cok zor degil. Sonucta elindeki bir veriyi yok ediyorsun, upscale ederken elinde olmayan veriyi tahmin etmeye calisiyorsun.

Ya da Kaggle'a falan bir bak, orada olabilir belki bu konuda bir dataset.

bitwise dedi:

Aslinda sey yapabilirsin, upscale etmek ne kadar zorsa downscale etmek de bir o kadar basit

Ayni seye ait farkli image'larin ( Ornegin Kapadokya resimleri ) yuksek cozunurluklu versiyonlarini alip ufak bir kodla dusuk cozunurluklu hale getirebilirsin.

Bu sekilde modelini train edecek 1'e 1 eslesmis low_res = high_res image seti olacak elinde.
Ayni seye ait olmalari onemli cunku random resimler olursa train etmek icin cok fazla data gerekecek. Python'da Image Module — Pillow (PIL Fork) 8.2.0 documentation kutuphanesi var, downscale icin kullanabilirsin. Her dilde vardir benzer bir sey; downscale cok zor degil. Sonucta elindeki bir veriyi yok ediyorsun, upscale ederken elinde olmayan veriyi tahmin etmeye calisiyorsun.

Ya da Kaggle'a falan bir bak, orada olabilir belki bu konuda bir dataset.

Genişletmek için tıkla...

Böyle bir veriseti buldum ve Tensorflow'da biraz uğraştım üzerinde. Sonuç olarak çalışıyor ama çok da güzel çalışan bir model olmadı.
Verisetinde bir problem oldu sanırım, daha uygun bir veriseti bulmam lazım.
Soldakiler olması gereken, sağdaki model sonucu. 128*128'den 256*256'ya yükseltme.

Teşekkürler yardımınız için

bitwise dedi:

Birkaç gundur foruma giremiyordum yogunluktan, bunu gozden kacirmisim.

Dusuk cozunurluklu bir seyi yuksek cozunurluklu hale getirmek ile verdigin karikatur ornegi temelde ayni. Iskeletini ben vereyim, yapay zeka detaylandirip butune vardirsin diyorsun eger yanlış anladiysam.

Anlattigin senaryoya dair sampling algortmalari bu konuda kullaniliyor, arastirabilirsin.

En pratigi KNN algoritmasi olur, ama o unsupervised calisir. Onceden train etmene gerek yok. Basitce her pikselin etrafindaki piksellerin ortalamasini aldigi bir metot gibi dusunebilirsin. Implemente etmesi cok basittir ama sonuclar tahmin edilecegi gibi suboptimal.

Interpolasyon algoritmalari baska bir yontem. Bunlar da unsupervised. Kabaca yaptiklari şey A ile B arasindaki gecisi yumusatmalari. Interpolation diye aratabilirsin.

Matrix Factorization da kullaniliyor, mxn matrisi meydana getirecek 1D matrisleri bulup resmin geri kalanini tahmin etme yontemi. Bu da unsupervised.

Bildigim tek supervised yontem NN kullanilarak yapilan Deep learning super sampling, NVIDIA'nin meshur ettigi DLSS. Ancak bunun için senin calisacagin domain hakkinda bilgi sahibi olman gerekiyor. Ornegin karikaturun neye benzeyecegi hakkinda train etmelisin modelini. O yuzden her oyunda calismiyor cunku NVIDIA train etmemis oluyor. Calisma metodu aslinda cok karisik degil, super bir bilgisayarda muhtemel yuksek cozunurluklu render edilmis Image'lar ve dusuk cozunurluklu versiyonlari train ediliyor, train edilmis model driver ile yukleniyor bilgisayara. Senin dusuk cozunurluklu versiyonun gercek zamanlu upscale ediliyor.

İşlemci kisitlamasindan kastettigim benim evde kullandigimiz islemcilerin yetersiz olmasi degil. Yakin zamanda lithografik limite gelecegiz, 4nm - 3nm islemciler uretmek pahali olacak. Yeni bir yontem gelistirmeden silikona daha yogun sekilde transistor koyamayacak insanoglu.
Ayrica ben 2000'li yillarin basinda da duyuyordum bu "lenslerle" ya da "sinirlere baglanan zimbirtilarla" bilgisayar iletisimi kurabilecegiz dalgalarini. Insanoglunun bir gun organik - dijital merkez iletisimini yapacagindan suphem yok ama bunun lenslerle ya da kablolarla olacagini hiç sanmiyorum. Olsa dahi proof of concept seyler olur, her oyuncunun evinde olacak seylere evrilmesi cok bilim kurgu. Burada 400 sene sonrasini degil, 20 sene sonrasini tartisiyorum ve bence hala klavye mouse kullanacagiz.

Insanlar gelecekte cok super gelisecegiz diye hayaller kurmayi cok severler, 100 sene once cizilen resimlere bakabilirsin ( ucan arabalar vs ). Ancak insanlik her zaman ayni hizda gelismiyor ya da bizim bekledigimiz ivmeyle gelismiyor.

Genişletmek için tıkla...

bitwise dedi:

Birkaç gundur foruma giremiyordum yogunluktan, bunu gozden kacirmisim.

Dusuk cozunurluklu bir seyi yuksek cozunurluklu hale getirmek ile verdigin karikatur ornegi temelde ayni. Iskeletini ben vereyim, yapay zeka detaylandirip butune vardirsin diyorsun eger yanlış anladiysam.

Anlattigin senaryoya dair sampling algortmalari bu konuda kullaniliyor, arastirabilirsin.

En pratigi KNN algoritmasi olur, ama o unsupervised calisir. Onceden train etmene gerek yok. Basitce her pikselin etrafindaki piksellerin ortalamasini aldigi bir metot gibi dusunebilirsin. Implemente etmesi cok basittir ama sonuclar tahmin edilecegi gibi suboptimal.

Interpolasyon algoritmalari baska bir yontem. Bunlar da unsupervised. Kabaca yaptiklari şey A ile B arasindaki gecisi yumusatmalari. Interpolation diye aratabilirsin.

Matrix Factorization da kullaniliyor, mxn matrisi meydana getirecek 1D matrisleri bulup resmin geri kalanini tahmin etme yontemi. Bu da unsupervised.

Bildigim tek supervised yontem NN kullanilarak yapilan Deep learning super sampling, NVIDIA'nin meshur ettigi DLSS. Ancak bunun için senin calisacagin domain hakkinda bilgi sahibi olman gerekiyor. Ornegin karikaturun neye benzeyecegi hakkinda train etmelisin modelini. O yuzden her oyunda calismiyor cunku NVIDIA train etmemis oluyor. Calisma metodu aslinda cok karisik degil, super bir bilgisayarda muhtemel yuksek cozunurluklu render edilmis Image'lar ve dusuk cozunurluklu versiyonlari train ediliyor, train edilmis model driver ile yukleniyor bilgisayara. Senin dusuk cozunurluklu versiyonun gercek zamanlu upscale ediliyor.

İşlemci kisitlamasindan kastettigim benim evde kullandigimiz islemcilerin yetersiz olmasi degil. Yakin zamanda lithografik limite gelecegiz, 4nm - 3nm islemciler uretmek pahali olacak. Yeni bir yontem gelistirmeden silikona daha yogun sekilde transistor koyamayacak insanoglu.
Ayrica ben 2000'li yillarin basinda da duyuyordum bu "lenslerle" ya da "sinirlere baglanan zimbirtilarla" bilgisayar iletisimi kurabilecegiz dalgalarini. Insanoglunun bir gun organik - dijital merkez iletisimini yapacagindan suphem yok ama bunun lenslerle ya da kablolarla olacagini hiç sanmiyorum. Olsa dahi proof of concept seyler olur, her oyuncunun evinde olacak seylere evrilmesi cok bilim kurgu. Burada 400 sene sonrasini degil, 20 sene sonrasini tartisiyorum ve bence hala klavye mouse kullanacagiz.

Insanlar gelecekte cok super gelisecegiz diye hayaller kurmayi cok severler, 100 sene once cizilen resimlere bakabilirsin ( ucan arabalar vs ). Ancak insanlik her zaman ayni hizda gelismiyor ya da bizim bekledigimiz ivmeyle gelismiyor.

Genişletmek için tıkla...

Sanırım lithografik sınırdan kastınız elektronların 3nmden küçük transistörlerde kuantum tünelleme yapması, bildiğim kadarıyla şimdilik buna bir çözüm getirilebilmiş değil ama çipler tasarımları geliştirilerek, elektrik tüketimleri düşürülüp verimlilikleri artırılarak, vb. başka yöntemlerle de geliştirilebiliyorlar. Bu yöntemlerle daha çok gelişimin mümkün olamayacağı seviyeye gelinene kadar lithografik sınırın aşılmasının bir yolunun bulunacağına inanıyorum. O zamana kadar da transistör boyutlarının düşmesi maliyeti arttırırken, elektrik tüketiminin azalması, tasarıma bağlı perfonmans artışları vb. de maliyetleri düşürecek. Sonuçta şirketler en sondaki kâr oranına bakar.

Onu da etkileyen bir sürü faktör var her nesilde teknoloji kullanımı daha çok artıyor, üstüne dünyada internet yaygınlaşıp güçlendikçe(5G, Starlink) oyunculukta Single Player'dan Multi Player'a kayıyor bu da şirketler için başka bir artı. Hem oyunculardan gelen para artıyor(oyun içi satışlar + reklamlar) hem de bunun gelecekte şöyle bir faydası olabilir: Tek başınıza RDR2 oynarken haritanın baktığınız kısmı sadece sizin için işlenirken aynı haritaya 250 kişi girdiğiniz(Amazon şimdiden 250 kişinin aynı anda girebileceği oyun geliştiriyor) zaman oyuncuların bakış açılarının kesiştiği yerlerdeki cisimlerin birden çok kez işlenmesine gerek kalmayacak. Bunun haricinde bu konuda daha birçok geliştirme yapılabileceğini düşünüyorum. Mesela oyunlarda hiçbir oyuncunun değiştiremeyeceği doğa olayları, bulutlar, güneş ışınları, nehirler, denizler, hava olayları, mevsimler, vb. işlemciyi yakacak daha birçok olay her serverda tek tek hesaplanmak yerine bir bilgisayarda hesaplandıktan sonra bulut teknolojisiyle sonuçlar serverlara aktarılıp serverlardaki oyuncuların değiştirebileceği oyun dinamikleriyle birleştirilerek bize ondan sonra aktarılabilir.

Bir tane daha artılarını söyleyeyim bahsettiğim oyunlar normal oyunlardan farklı olarak çok daha fazla insanı bağımlısı yapacaktır. İnsanlar şimdiki basit video oyunlarına bile ileri derecede bağımlı olabiliyorlar Çin'de 10 pikselli oyunlar için internet kafelerde yatıp kalkan 10 binlerce insan var. Bir eczacı olarak yukarıda bahsettiğim şekilde bütün duyulara hitap edip içinde dünyanın diğer ucundaki arkadaşınızla el ele tutuşarak dolaşabileceğiniz sanal dünyaların insan beynine pornolardan bile daha çok dopamin salgılattıracağını söyleyebilirim. Ayrıca artan nüfus, çevre kirliliği yüzünden önümüzdeki yıllarda insanlar daha çok evlere kapanacak yani bağımlısı olmasa bile normalde yarım saat oynayan adam günde 2-3 saat oynayacak daha çok insanın daha çok zamanını ayırması demek devletleşen şirketlerin rekabet ve piyasa kontrolü için bu işe zararına bile olsa girmesi demek. Şu anda Microsoft'un, Tencent'in, Amazon'un yaptığı gibi...

Apple 2.3 trilyon dolarlık bir şirket, 5nm çip üretecek bir üretim bandı kurmanın maliyeti ise 5.5milyar $. Şu an Apple iPhone12'lerda kullandığı 5nmlik çipleri Tayvan'lı bir firmadan satın alıyor ama kendisi üretim bandı kurup sıfırdan üretecek olsa bile umurunda olmaz.

Ne olur bilmiyorum ama Twitch ve YouTube´da bu işi parayla yapanlar biter diye düşünüyorum.