Fikirden İşlenmiş Görselleştirmeye Dakikalar İçinde: Depix AI

Depix‘in CEO’su Philip Lunn, üretken yapay zekanın geleneksel işlemeyi (rendering) neden modası geçmiş hale getirdiğini, ekibinin tüm CAD öncesi (pre-CAD) tasarım sürecini nasıl haftalardan dakikalara indirdiğini ve tasarımcıların artık kaynak kısıtlaması yaşamadığında neler olduğunu açıkladı.

Hızlı Kararlar İçin Gerçek Zamanlı Rendering (İşleme)

Çözmek için yola çıktığınız sorun nedir?

2003 yılından bu yana aynı sorunu çözmek istiyordum: Tasarım için gerçek zamanlı işleme (rendering) yoluyla hızlı karar vermeyi sağlayacak netlikte bir fikri görselleştirme isteği. Hedef buydu ve hala aynı şeyi yapıyorum.

O zamanlar Bunkspeed’i kurdum. İşe gerçek zamanlı bir oyun motoruyla başladık; bir CAD kafes dosyası (wire file) alıp kaplamasını yapıyor (tessellating), malzemelendiriyor, fizik kurallarının geçerli olduğu bir dünyaya koyuyorduk; böylece arabanızı bir PlayStation kumandasıyla sürebiliyordunuz.

Daha sonra 2005 civarında gerçek zamanlı ışın izleme (ray tracing) özelliğini ekledik. Bu, endüstriyel tasarımcıların ürünlerini görselleştirmeleri için bir standart haline gelen Hypershot oldu. Hypershot, “Bunkspeed Interactive Photograph” (Bunkspeed Etkileşimli Fotoğraf) anlamına gelen .bip dosya formatını kullanıyordu ve bu o zamanlar önemli bir satış noktasıydı. 2010 yılında Hypershot, KeyShot oldu. Bugün hala standart olarak kabul ediliyor ve aynı .bip dosya formatını kullanmaya devam ediyor.

Bu kadar başarılı olmasının nedeni, bir karar vermek veya ürününüzü satmak için yüksek kalitede (high-fidelity) bir görüntü elde etme sürecini basitleştirmesiydi. Şimdi üretken yapay zeka (generative AI) ile tüm bu süreç tamamen tersine döndü.

Güncel kalmanın en iyi yolunun sürekli olarak kendinizi nasıl gereksiz hale getireceğinizi düşünmek olduğunu savunan bir felsefe vardır. Görünüşe göre Depix ile tam olarak bunu yapmışsınız.

Çok doğru. Aksi takdirde Yenilikçinin İkilemine (Innovator’s Dilemma) sıkışıp kalırsınız. Bir yenilik yaparsınız, başarılı olursunuz ve sonra sıkışıp kalırsınız; çünkü kendinizi nasıl yeniden icat edeceksiniz? Ancak en uzun süredir ayakta kalan şirketler kendilerini her zaman yeniden icat ederler. Bunu yapmazsanız, birileri sizi icat ederek işinizden eder. Ve bu gerçekten büyük bir yeniden icat süreci.

Günümüzde tipik bir ürün tasarım ekibinin görselleştirme iş akışı nasıldır?

Eskiz çizimi (Sketching). İş böyle başlar. Bir eskiz üzerinde bir dizi tasarım yinelemesi (iteration) yapar, onu geliştirir ve sunarsınız. Biri gelir ve daha da ileri götürülecek olanları seçer. O eskiz bir modelleyiciye (modeller) verilir. Modelleyici bir 3B model (3D model) oluşturur, tasarımcıyla çalışır, malzemesini belirler, render alır (işler). Üç veya dört versiyon yaparlar. Belki de bu 3B modelleri oluşturmak için sekiz ila on iki kişi durmaksızın çalışır.

Otomotiv sektöründe, daha sonra bunları görselleştirir ve fiziksel modeller olarak frezelemek (milling) için birkaçını seçerler. Bunları kaidelerin (pedestals) üzerine koyar ve incelerler. Sonra birini seçer, kilden (clay) tam boyutlu (full size) halini yapar, elle zımparalar, tarar (scan), yüzeyini yeniden oluşturur (resurface) ve mühendisliğe (engineering) geri getirirler. Dijital modelin 50 yıl önce ortaya çıkmasından bu yana süreç hep aynı şekilde işliyor.

Web sitenizde, ürün fikir aşamasında her zaman “güvenli tasarımların” kazandığından ve sınırlı hacimden (volume) bahsediliyor. Bize bundan biraz daha bahseder misiniz?

Her şirket sınırlı kaynaklarla aynı sorunu yaşıyor. Fikirleriniz var ve bu fikirler için seçenekler üretmek istiyorsunuz, ancak herkesin her zaman bir kaynak sorunu (resource problem) var. Çözdüğümüz en büyük şey de tam olarak bu: Kaynak kıtlığı (scarcity of resources). Artık bir kişi on ya da yirmi kişinin işini yapabiliyor. Baş tasarımcı, incelemek ve seçmek için çok daha geniş bir konsept yelpazesine (array of concepts) sahip oluyor. Artık kaynak sıkıntısı (resource-constrained) çekmiyorlar.

O açıdan bakarsanız, ürün tasarımının başına gelebilecek en harika şey budur. İşleri ortadan kaldırmaz, size daha fazla kaynak sağlar. Kısıtlamalar; sürecin devamındaki (downstream) üretime (imalata) ve mühendisliğe (engineering) kayar. Ancak yapay zeka bu süreçlere de nüfuz ediyor.

Teknisyenlere Gerek Kalmadan: Hedeflenen Fikirden Ürüne

Depix tam olarak ne yapıyor?

Artık 3B geometri ile başlamanıza gerek yok. Sadece bir fikirle başlayabilirsiniz. Fikrinizi yazıyorsunuz, size bir dizi görüntü (image) üretiyor, birini seçiyorsunuz, değiştiriyorsunuz, bir 3B model (3D model) üretiyorsunuz, ardından özelliklerde (features) değişiklikler yapıp varyasyonları keşfediyorsunuz. Tüm bu süreci dakikalar içinde yapabileceğinizi gördük. Bir fikir kıvılcımından, onu üretip üretmeyeceğinize karar verebileceğiniz kadar netliğe kavuşmuş bitmiş bir görselleştirmeye (finished visualisation) kadar…

Biz buna CAD öncesi (pre-CAD) diyoruz. Siz 3B modeli oluşturmaya ve mühendisliğe (engineering) başlamadan önce, eskiden haftalar veya aylar süren her şeyi dakikalara sığdırıyoruz. Sonraki adım ise, hala tam olarak otomatikleştirilmemiş, o büyük ve zahmetli parça olan mühendislik kısmıdır.

Depix şemsiyesi altındaki farklı ürünleri açıklayabilir misiniz?

Design Lab, orkestrasyon (orchestration) katmanıdır. Görüntüleri içeri aktardığınız, varyasyonlar oluşturmak için yüzlerce hazır komutla (preset prompts) çalıştığınız ve oradan farklı aracıları (agents) başlattığınız sonsuz bir tuvaldir (infinite canvas). Bir 3B modeli içeri aktarabilir ve tıpkı geleneksel bir yazılım paketinde olduğu gibi görselleştirebilirsiniz, ancak her şey ışın izleme (ray tracing) yerine üretken yapay zekayı (generative AI) kullanır.

Depix Design Lab’de yapay zeka (AI) destekli tasarım keşfi

Depix Design Lab’de yapay zeka (AI) destekli tasarım keşfi

Product Vision, erken aşama (early-stage) bir fikir ajanıdır. “Lüks barbekü, Salvador Dali” gibi bir fikir girersiniz ve size harika tasarımlar üretir. Ancak bir komuta (prompt) bile ihtiyacınız yok. Kelimenin tam anlamıyla ne yapmak istediğinize dair bir fikir girersiniz; dışarı çıkar, pazar araştırması (market research) yapar, bu araştırmayı sentezler (synthesises) ve yaratıcı konseptler oluşturur.

Sonra renk (colour), malzeme (materials) ve yüzey işlemleri (finishes) için bir CMF aracı var. Ürününüzü giriyorsunuz, piyasadaki güncel renk trendlerini (colour trends) araştırıyor, sentezliyor ve görselinize uygulayabileceğiniz malzeme ve yüzey işlemleri üretiyor. Haftalar süren CMF çalışmasını dakikalara sıkıştırıyor.

Ve 3B model üretecimiz (3D model generator) Product Shape. Bir resim alıyorsunuz, bir 3B model oluşturuyorsunuz ve Bézier eğrileriyle (Bézier curves) özellik çizgilerini (feature lines) düzenliyorsunuz. Diyelim ki biraz yukarı taşımak istediğiniz bir çamurluk (fender) var, bir eğri (curve) yerleştiriyor, ayarlıyor, 3B modeli geri getiriyor ve yapay zeka (AI) kullanarak yeniden işliyorsunuz (re-render).

Bana iş akışıyla ilgili somut bir örnek verebilir misiniz?

Ortağım Chris Braun, 20 yılı aşkın bir süre Porsche Design’da görselleştirme bölümünün başındaydı. Product Vision’a “Mercedes arka lambası (tail light)” yazdı. Birkaç versiyon üretti. Bunları Design Lab’e getirdi, görüntü üzerinde birkaç varyasyon yaptı, Animate (Canlandır) düğmesine bastı ve sistem belirli bir desenle (pattern) çalışan hareketli (animated) lambalar üretti. Tüm bu süreç dakikalar sürdü.

Bunu LinkedIn’de paylaştı ve olay oldu. Düşündüğünüzde, aslında öyle bir arka lamba yok. Bu, beş farklı gerçek modelin yeni bir şey yaratmak için birleştirilmiş bir varyasyonu olabilir. Ancak tasarımcıların yaptığı da zaten budur. Etraflarındaki şeylere bakarlar, etkileri (influences) birleştirirler ve yeni bir şey yaratırlar. Bu sistem, aynı süreci sadece çok daha hızlı yapıyor.

“Yeni bir şey yaratma” kısmı hakkında konuşalım. Kendi eskizimi (sketch) girmezsem, ortaya çıkan sonuç sadece zaten var olan şeylere benzemeyecek mi?

Öyle düşünebilirsiniz, ancak durum aslında hiç de öyle değil. Hiç var olmayan şeyler için son derece yaratıcı sonuçlar elde edebilirsiniz. İnsanlar yapay zekanın (AI) yaratıcı olmadığını söylüyorlar ama o da tıpkı insanların olduğu şekilde yaratıcıdır. Tasarımcılar sanat eğitimi alırlar, pazar araştırması yaparlar, rakiplere bakarlar. Yapay zeka da aynı şeyi yapıyor, sadece çok daha hızlı. İstediğiniz kadar radikal veya istediğiniz kadar benzer olabilirsiniz. Tasarımcı artık bir teknisyen olmak yerine bir küratör haline gelir.

Tasarımcının ortaya çıkan çıktı (output) üzerinde ne kadar kontrolü var?

İsterseniz bir eskiz (sketch) ile başlayabilir, onu içeri aktarabilir (import) ve üzerinde yenilemeler (iterate) yapabilirsiniz. Product Vision ile belirli unsurları yönlendirmek için kontrollerimiz var. Küçük bir kelime değişikliği sizi yeni bir yöne götürebilir, logonuzu ekleyebilir, bir şeyleri ayarlayabilirsiniz. Henüz “şu çizgiyi iki milimetre yukarı kaldır” diyemiyorsunuz ancak kısıtlamalara dayalı bu tür bir kontrol düzeyinin de yakında geleceğini öngörüyoruz. Vizyonumuz, amacınızı detaylı bir şekilde tanımlamanız ve sistemin tüm bu bilgileri bir araya getirmesidir.

Sahne kurulumunu ve işleme araçlarını gösteren Depix arayüzü

Sahne kurulumunu ve işleme araçlarını gösteren Depix arayüzü

Müzik yapımcısı Rick Rubin, kendi zevkine olan güvenden dolayı para kazandığını söylemişti. Ürün tasarımı da bu yöne mi gidiyor?

Tam olarak olan da bu. Hangi şirket olursa olsun baş tasarımcılara (Chief designers), başkaları tarafından arzulanacak, zevkli ve çekici bir şeyler üretmeleri için ödeme yapılır. Bu her zaman böyle olmuştur. Ancak geçmişte bu vizyonu desteklemek için büyük bir insan ordusuna ihtiyaç vardı. “Bakıp karar verebileceğim bir duruma ulaşmış on farklı fikri (ideas) üretmek için çalışan 150 kişilik bir ekibim var.” Bu durum hala devam ediyor, ancak artık süre neredeyse sıfıra indi. Zevkine güvenilerek maaş ödenen kişinin artık 3B modelleme veya işleme (rendering) konusunda teknik becerilere ihtiyacı yok. Yapay zeka (AI), zaten iyi olan insanları 10 kat daha iyi hale getiriyor. Ama iyi değilseniz, bittiniz (done) demektir.

Önce Otomotiv, Sonra Tüm Ürünler

Bugün Depix’i kimler kullanıyor?

Ford, Nissan, Lamborghini, Porsche. Eski müşterilerime geri döndüm ve “Böyle bir şey inşa edeceğim, satın alır mısınız?” dedim ve hepsi evet dedi. Ayrıca ürün tasarım firmalarımız da var. Ürün portföyümüz açısından hala nispeten yeniyiz ve çok yakında tamamen entegre yeni bir paketi piyasaya sürüyoruz.

Benimsenmeyi tetikleyen şey nedir?

Sonuçlar. Çoğunlukla bunu erken benimseyenler denemeler yapıyor ve hedefimiz deneme aşamasından şirket çapında kullanıma geçmek. Şu an bir şirketle o noktadayız. Bu tür teknolojiler için şirket çapında benimsenme genel olarak çok yavaş oluyor.

Ürün imal eden her şirketi potansiyel bir müşteri olarak görüyoruz. Daha spesifik olarak, halihazırda bu tasarım işini yapan, çoğunlukla KeyShot kullanan şirketler. Biz, aynı işi daha hızlı yapmanın sadece yeni yoluyuz.

Peki şu anda adaptasyon (adoption) ne durumda?

2026, gerçek anlamda benimsenmeyi gördüğümüz ilk yıl oldu. 2027 ise insanların “Bu, iş yapmanın yeni bir yolu ve biz de bunu yapmak zorundayız” diyeceği yıl olacak. Eğer şu an bunu düşünmüyorsanız, bir şirket çıkıp pastadaki payınızı kapacaktır.

Bir Günde Tasarımdan Üretime

Kendi yazılımınızı test ederken bile oldukça havalı ürünler ortaya çıkarmış olmalısınız. Öne çıkan bir şey var mı?

Arada bir makinemizden öyle bir şey çıkıyor ki “bunu kesinlikle üretmeliyiz (build)” diyoruz. Chris bir ofis sandalyesi tasarladı, o kadar havalıydı ki daha önce hiç böyle bir şey görmemiştim. Tersine Google görsel araması yaptım ve benzer hiçbir şey bulamadım.

Aslında şirket içinde kendi aramızda bir koleksiyon (collection) başlattık, adına da “Gizli Ürün Şirketi” diyoruz. Bu tasarımları oraya atıyoruz. Nihayetinde bir ürün imalat şirketi haline gelebiliriz ki bence doğru olan da bu olurdu. Bir imalat ortağına ihtiyacımız olacak ve şimdiden bu tasarımlardan (designs) bazıları için maliyet teklifi almayı düşündük.

Röportaj serimizdeki çoğu araç imalat ve detaylı mühendislik alanlarında çalışıyor. Depix ise çok daha erken bir aşamada, kavramsal tasarımda konumlanıyor. Buradan gerçek mühendislik çıktılarına giden bir yol görüyor musunuz?

Kesinlikle. Vizyonumuz fikirden üretime hazır ürüne uzanan bir süreç. Tam bir plan seti , her şey hazır; imalatçıya gönder gitsin. Hayalimiz bu. Ve Bench’in yaptığı şey de ilgimi çekti; çünkü temelde “Bana bir çizim ver ve sistem bunu mühendisliğe hazır bir 3B model haline getirsin” diyorlar. Bu tam olarak bizim yaptığımızdan sonraki adım .

Biz zaten ajan tabanlı (agentic) bir sistem olduğumuz için, Design Lab’in üçüncü taraf aracıları da yönetmesini bekliyoruz. Bir akışkanlar dinamiği ajanınız, bir gerilim analizi ajanınız olacak. Bunları kendi sistemimize bağlayacağız (plug). Bir günde tasarımdan imalata. Hedefimiz bu.

Yapay zekanın (AI) tasarımda benimsenmesi yavaş oldu. Neden?

MIT raporu (MIT report) tüm yapay zeka projelerinin %85’inin başarısız olduğunu söylüyor. Benim inancım, bunların kasıtlı olarak değil, sabote edildikleri için başarısız oldukları yönünde. Bu araçları değerlendirmekle görevlendirilen insanlar, bunun radikal olarak yeni bir iş yapış şekli olduğunu fark ediyor ve bu onları korkutuyor. Çalışmadığını söylemek için bir neden buluyorlar. Ancak kaynak kısıtlaması (resource-constrained) yaşadıklarını anlayan patro, “Bütçem olmamasına rağmen yeni kaynaklar eklemem gerekiyordu, ancak artık elimde bir çözüm var” dediği an her şey değişir.

DeepMind’ın CEO’su Demis Hassabis, bunun Sanayi Devrimi’nden on kat daha büyük ve on kat daha hızlı olduğunu söyledi. Eğer şu an bunu düşünmüyorsanız, bilmelisiniz ki Çinliler üretilen her şey için hızlı şeridindeler. Batı’da biz bu geçişi yapmazsak, imalat sahnesinden (manufacturing) tamamen silinme riskiyle karşı karşıyayız.

Mühendislik alanında öne çıkarmak istediğiniz ilginç başka yapay zeka (AI) şirketleri var mı?

Mühendislikte yapay zeka konusunda neler olduğuna dair iyi bir örnek Leo‘dur.