大熱劇《矽谷》啟發谷歌：用神經網路壓縮文件

雖然這不是劇中的發散式壓縮演算法解決方案(middle-out compression)，但是也僅次於這個了。

谷歌的研究者們正在研究一種用人工智慧神經網路將圖片文件壓縮得更小卻不會犧牲質量的方法。對用戶而言，更小的文件意味著手機、平板和電腦可以有更多空間，但是對谷歌這樣提供無限照片儲存的公司而言，更小的文件意味著減少伺服器負載、能量功耗以及改善傳輸速度。他們的靈感來源自HBO的大熱劇《矽谷》，劇中虛構的創業公司Pied Piper使用了神經網路優化文件壓縮。(Dropbox實際已經使用了他們的發散式壓縮演算法在自己的圖片壓縮中。)

根據發表在ArXiv上的技術論文，谷歌正在訓練神經網路通過觀察互聯網上隨機圖片的標準壓縮方式來節約數據。論文顯示，神經網路可以在標準測試中戰勝標準的JPEG壓縮。但是這並不意味著該技術已經可以為谷歌產品所用。

在訓練中，這一網路將六百萬張隨機選取的已壓縮照片拆散為32*32像素的碎片，然後從中選出100張壓縮率最低的碎片，並在此基礎上進行學習。這裡的「效率」是由那些被壓縮成PNG後能最大程度保持其尺寸的碎片衡量的(因為PNG可以抵抗壓縮)。研究者們提出理論，認為在經過更難的訓練之後，該網路在處理簡單碎片時可以做得更好。神經網路自己能預測圖片在壓縮之後的樣子，並生成這個圖片。這一研究最大特點便是，神經網路能決定用最佳方式對一張照片的不同碎片進行變數壓縮，以及決定這些碎片要如何組裝，而不是將這張照片視作一個整體。

谷歌今年早些時候已經公布了同一主題的研究，但是之前的研究從未證明這一方法可以用在小於64×64像素的圖片上。當前的研究則不受文件尺寸限制。

雖然人們很容易認為最佳壓縮方式就是將文件壓縮到最小，但是人的主觀感知也是非常重要的因素。如果終端用戶看不清圖片，壓縮就是失敗的。谷歌團隊指出，鑒於主觀感知這塊沒有標準度量或者測試(不像《矽谷》里的魏斯曼得分)，他們很難衡量該網路的效果。

目前它還沒有達到Pied Piper的壓縮水平，他們在理論上可以把文件壓縮到可以大小忽略不計，但是谷歌的研究證明劇中的理念並非天方夜譚。

[許叔 via quartz]

※谷歌論文提出貝葉斯循環神經網路：優於傳統RNN（附開源項目）
※《哈利·波特》出版二十周年，教大家用神經網路寫咒語！
※「讓神經網路能夠「通感」」MIT 和谷歌研究連接文字、聲音和視頻
※用神經網路創建音游譜面
※美國《科學》雜誌記者眼中的神經網路
※重磅｜谷歌發布TPU研究論文，專註神經網路專用處理器
※神經網路技術在網路視頻處理的應用探討
※「蓋亞」用人工神經網路發現超高速恆星！
※谷歌大腦研發出通用永久記憶模塊，神經網路首次實現終身學習
※用神經網路來描述量子系統
※微軟論文概述神經信息檢索技術：如何將神經網路用於信息檢索？
※馬里蘭大學論文：訓練深度神經網路中的一致性難題
※淺談《基於神經網路的電影票房預測建模》
※求虐！《閃電戰3》將成首款採用神經網路AI的遊戲
※循環神經網路RNN（二）深度學習之父的神經網路第八課（中文字幕
※萬字「全文」詳解谷歌神經網路機器翻譯NMT
※對等神經網路
※循環神經網路RNN（一）深度學習之父的神經網路第七課（中文字幕
※神經網路模型壓縮技術