Ne yayımlandı, ne ölçüldü?
Hugging Face blogunda yayımlanan NVIDIA yazısı Cosmos-H-Dreams'i cerrahi robotlar için eyleme koşullu, gerçek zamanlı üretken bir benzetim modeli olarak tanıtıyor. Model, daha önceki Cosmos-H-Surgical-Simulator'dan damıtılmış daha hızlı bir öğrenci. Bildirilen hız tek bir NVIDIA RTX PRO 6000 üzerinde yaklaşık saniyede 160 kare; model kendi ürettiği kareleri girdi olarak alıp ilerliyor ve iki adıma kadar inebilen az adımlı yayılım kullanıyor. Eğitimde "self-forcing" denen, öğrencinin kendi ürettiği kusurlu görüntüler üzerinden ilerlediği yöntem uygulanmış. Desteklenen düzenekler arasında Versius cerrahi düzeneği ile da Vinci Research Kit üzerinde yapılan masa üstü dikiş görevi sayılıyor.[1]
Başlıkta adı geçen şey cerrahi benzetim, ölçülen şey ise iş hacmi. Saniyede 160 kare bir donanım üzerinde ne kadar hızlı kare üretildiğini söyler; üretilen karenin gerçek dokunun davranışıyla ne kadar örtüştüğüne dair bir şey söylemez. İki büyüklük farklı türden. Bir benzetimin hızlı olması onu eğitim döngüsünde kullanılabilir kılar; doğru olması ise ayrı bir kanıt gerektirir ve yazı bu ikinci kanıtı sunmuyor. Klinik bir değerlendirme veya hasta sonucu da bildirilmiyor.[1]
Öğrenci hangi ölçüte göre iyi?
Damıtılmış bir modelin ilk karşılaştırma noktası öğretmenidir. Burada öğretmen de bir benzetim modeli olduğu için iki ayrı boşluk üst üste biniyor: öğrencinin öğretmene ne kadar sadık kaldığı ve öğretmenin gerçek dokuya ne kadar yaklaştığı. Bir cerrahi eğitim döngüsünde ikinci boşluk birincisinden daha belirleyici; çünkü öğrenciyi mükemmel biçimde eşleştirmiş bir model bile, öğretmen yanılıyorsa aynı yanılgıyı daha hızlı üretir. Karşı olasılık şu: NVIDIA öğrenci–öğretmen uyumuna dair sayıları teknik belgelerde vermiş, blog yazısı bunları özetlememiş olabilir; bu durumda eksik olan ölçüm değil duyuru olur.[1]
Yazının en somut yöntemsel katkısı "self-forcing". Bir modelin eğitim sırasında yalnızca temiz veriyle beslenip kullanımda kendi çıktısıyla karşılaşması bilinen bir uyumsuzluktur ve öğrenciyi kendi ürettiği kusurlu görüntüler üzerinde ilerletmek bu uyumsuzluğu doğrudan hedefler. Ama bu yöntemin çözdüğü şeyi doğru adlandırmak gerekiyor: model kendi çıktısı üzerinde daha kararlı hale geliyor. Kararlılık, gerçek sahneyle uyum demek değil. İki adımlı yayılımla üretilen bir görüntü, sapmadan uzun süre ilerlerken yine de yanlış bir doku davranışını taşıyabilir.[1]
Hangi kanıt bir sonraki adımı hak eder?
Bir sonraki ölçüm daha yüksek bir kare hızı değil. Yazının kendi verdiği düzenek buna izin veriyor: da Vinci Research Kit üzerindeki masa üstü dikiş görevi hem benzetimde hem gerçek donanımda çalıştırılabilir. Bu öğrenci benzetimde eğitilmiş bir denetim ilkesi, aynı görevde gerçek donanımda çalıştırılıp öğretmen benzetiminde ya da gerçek ameliyat kayıtlarıyla eğitilmiş bir ilkeyle karşılaştırılırsa — başarı oranı, dikiş süresi veya doku hasarı gibi önceden belirlenmiş bir ölçütle — hız dışında bir şey öğrenilmiş olur. Böyle bir karşılaştırma 2026 sonuna kadar yayımlanmazsa, elimizdeki tek sonuç bir kartın kaç kare ürettiğidir.[1]