新技術助力！人工智能實時數據壓縮迎突破

信息和通信技術，如物聯網和雲計算，是現代社會的基石所在。這些服務的效率在很大程度上依賴於處理和傳輸數字數據（包括圖像和傳感器數據）的速度。比如，能夠從監控攝像頭圖像中識別個人的系統必須精簡整個流程，從圖像傳輸和人工智能（AI）識別到向用戶提供結果。

由於數據傳輸往往比 AI 計算耗費更多的時間，因此迫切需要一種能夠在保持原始數據完整性的同時，最大限度地減少數據量和通信時間的數據壓縮方法。新技術可以加速 AI 計算的數據傳輸，並減少通過廣域網（如 5G/6G 無線通信和互聯網）傳輸的數據量，從而實現全球範圍內顯著的能源節約。

傳統的數據壓縮技術將數據以有限的塊進行壓縮和存儲。正因如此，它們需要大容量的內存和處理器，這會增大壓縮器的尺寸，並且把實時壓縮限制在有限的數據流範圍內。

筑波大學的研究人員通過開發一種技術應對了這些挑戰，該技術能自動檢測頻繁出現的數據模式，並在通過壓縮器一次後將其壓縮至最少一位。這項技術確保了完全的實時數據恢復。該研究在《IEEE 接入》雜誌上得以發表。

與此前僅能將一個數據單元壓縮成一位的技術不同，新方法同時將多個數據單元壓縮爲一位，從而使壓縮效率相較於傳統方法提高了 10%至 30%。

此外，這種創新技術能夠於硬件中開發出高速、緊湊的數據壓縮模塊，無需額外的處理器、內存或其他設備。如果集成到半導體芯片和人工智能系統中，該技術可以通過提高速度、減少數據量和在通信路徑中節省電力來極大地改變數據傳輸，推動我們向社會 5.0 的願景邁進。

更多信息： Shinichi Yamagiwa 等人，通用的基於自適應流的熵編碼，《IEEE 接入》（2024 年）。 DOI: 10.1109/ACCESS.2024.3429389