移動互聯(lián)網(wǎng)時代，人類生產(chǎn)的新數(shù)據(jù)正以指數(shù)級別增長，數(shù)據(jù)中心越來越大，并消耗著地球上難以想象的巨大能耗，但人類依然可能面臨著“數(shù)據(jù)無處存放”的境地。

因此，讓文件變小一點，這絕對是個值得投資的點子。

神劇《硅谷》劇組就選中了這個點子。在劇中，幾個主角的得以創(chuàng)業(yè)成功的核心算法——“魔笛”即是選中了“壓縮”這一多數(shù)人都能理解但對技術(shù)要求頗高的領(lǐng)域：允許用戶在線將圖片壓縮至一半的大小，并依然保持其清晰度。

“魔笛算法”也一度引發(fā)了不少跟風(fēng)打造屬于自己的“魔笛手”，此外，包括谷歌等人工智能巨頭公司近年來也在這個領(lǐng)域頻頻發(fā)力。

2016年，谷歌相關(guān)團隊推出了一款叫RAISR（Rapid and Accurate Image Super-ResoluTIon）的圖像壓縮技術(shù)。希望以人工智能技術(shù)作為壓縮路徑，將圖片大小壓縮到源文件的1/4， 但基本不會改變圖片的清晰度。

盡管引來如此高的關(guān)注，但很多人還是不認可它會在未來的發(fā)展中取得壓倒性的優(yōu)勢。谷歌的RAISR算法也被不好業(yè)內(nèi)認識吐槽說“壓縮一張圖片耗時久”、“壓縮后圖片清晰度沒有那么高”等等。

谷歌機器學(xué)習(xí)工程師、Jetpac創(chuàng)始人Pete Warden近期發(fā)布了一篇文章，認為在短期內(nèi)壓縮算法可能會成為機器學(xué)習(xí)應(yīng)用最可能出現(xiàn)的殺手級應(yīng)用的領(lǐng)域，他從“壓縮”這一技術(shù)的起源開始，希望告訴大家問什么壓縮技術(shù)的前景是如此的廣闊。

大數(shù)據(jù)文摘對這篇文章進行了編譯。

OSDI上的一篇文章“神經(jīng)自適應(yīng)型內(nèi)容感知互聯(lián)網(wǎng)視頻傳輸”激發(fā)了我對這一領(lǐng)域的興趣。

這篇文章告訴我們：通過神經(jīng)網(wǎng)絡(luò)，在帶寬相同的條件下，用戶體驗將能提高43%，或者在帶寬縮減17%的條件下可以保持體驗的質(zhì)量基本不變。還有其他同類的論文將類似方法運用在了生成壓縮或自適應(yīng)圖像壓縮等方面。他們都展示出了驚人的成果。那么，為何我們不把機器學(xué)習(xí)更廣泛地應(yīng)用在文件壓縮方面呢？

我們尚未擁有性能配套的計算設(shè)備

上文所提到的所有方法都需要相對較大的神經(jīng)網(wǎng)絡(luò)，并且所需的計算量與像素數(shù)量成正比。這意味著大型圖片文件或每秒幀數(shù)較高的視頻文件可能需要比當前廣泛使用的移動設(shè)備更強的計算能力。

現(xiàn)行的大多數(shù)CPU每秒僅能處理百億級的運算，而在高清視頻上用機器學(xué)習(xí)進行壓縮很輕易便能達到十倍于此的計算量。

當然，好消息是目前我們已經(jīng)有了一些硬件解決方案，比如Edge TPU等，可以讓我們看到未來達到更多計算量的可能性。我期待這種壓縮方法能夠運用到各種類型文件的壓縮轉(zhuǎn)換上，從視頻到圖像，到音頻，乃至更多充滿想象力的方式。

自然語言是終極壓縮目標

近來機器學(xué)習(xí)在自然語言處理中取得了大量有趣的成果。這是另一個讓我覺得機器學(xué)習(xí)是較為優(yōu)越的壓縮轉(zhuǎn)換途徑的原因。

如果你稍稍觀察，便會發(fā)現(xiàn)字幕其實是將聲音壓縮為圖像的一種形式。我一直想做一個項目，試圖創(chuàng)造出一種相機，每秒生成一幀字幕，并將所有字幕逐一按行輸出至一個日志文件中。由此便可簡單記錄下基于相機的拍攝內(nèi)容隨時間的推移而發(fā)生的故事，這可以被定義為一個敘事類的傳感器。

我將這一技術(shù)歸類到壓縮方法中的原因是你可以通過生成性的神經(jīng)網(wǎng)絡(luò)將字幕還原為圖像。盡管重新生成的圖像不會跟原圖像完全一致，但也能夠從原圖像繼承一些信息。如果你希望結(jié)果與原圖像盡可能接近，你也可以從風(fēng)格化方面考慮，例如為每個場景生成簡圖。這些技術(shù)的共同特征在于他們提取出了輸入文件中對于我們?nèi)祟愔匾牟糠?，并省略了余下的部分?/p>

不僅僅是圖像

語言世界也有類似的趨勢。語音識別正在迅速改進，合成語音的能力也在迅速提高。識別可以看作是將音頻壓縮為自然語言文本的過程，而合成則恰好相反。你可以想象將對話高度壓縮為自然語言文字而非音頻。誠然，我們不需要達到那種要求，但似乎通過擴展我們對于表達的認知類型，我們可以實現(xiàn)在低帶寬情況下的更好的結(jié)果。

我甚至還發(fā)現(xiàn)一些有趣的將機器學(xué)習(xí)應(yīng)用在文本本身上的可能性。Andrej Karpathy的CHAR-RNN（遞歸神經(jīng)網(wǎng)絡(luò)）展示了神經(jīng)網(wǎng)絡(luò)對某些模板進行模仿的優(yōu)越性，而對于壓縮技術(shù)來說，預(yù)測也是相同的道理?？紤]到普通的HTML頁面有不少冗余，這一情況下GZIP壓縮方法似乎有很大機率能被機器學(xué)習(xí)改進，盡管我認為這沒有機器學(xué)習(xí)對文本的處理那么容易。

對于壓縮的研究已立項撥款

在我創(chuàng)業(yè)期間，營銷失敗的經(jīng)歷讓我學(xué)到了一件事：如果已經(jīng)有一筆預(yù)算要購買你所推銷的產(chǎn)品，該產(chǎn)品的銷售會容易得多。預(yù)算的存在意味著公司在是否應(yīng)該花錢購買解決方案上已經(jīng)贏得了艱難的斗爭，現(xiàn)在唯一的問題是購買哪種解決方案。

這也是我認為機器學(xué)習(xí)可以在這個領(lǐng)域取得巨大突破的原因之一，因為制造商已經(jīng)擁有專門用于視頻和音頻壓縮的工程師、資金和芯片。如果我們能夠證明將機器學(xué)習(xí)添加到現(xiàn)有解決方案中能夠以一些可度量的方式（例如質(zhì)量、速度或功耗）改進它們，那么它們將被快速采用。

帶寬將會花費用戶和運營商的大量的成本，質(zhì)量和電池壽命將會成為產(chǎn)品的賣點，因此采用機器學(xué)習(xí)改進壓縮的優(yōu)勢將比其他運用更為顯而易見。

許多激動人心的研究表明這種方式將會非常高效，而且我樂觀地認為還有許多應(yīng)用尚未被發(fā)掘。我希望機器學(xué)習(xí)在壓縮中的應(yīng)用將發(fā)展成為一門核心技術(shù)。