A Google egyik kutatócsoportja a jelenleg alkalmazottaknál, például a JPEG szabványnál, egy sokkal hatékonyabb tömörítési eljárást fejlesztett ki, amelynek során neurális hálózatok bevonásával történik a képek tömörítése. A csapat egy a mesterséges intelligencia alapján működő rendszert hozott létre, ami a saját, nyílt forrású TensorFlow gépi tanulási rendszerüket használja. A kutatók összesen hat millió, online fellelhető, a szokásos módszerekkel tömörített fényképet használtak fel a rendszer betanítása során.
Minden egyes fényképet kisebb, 32 x 32 pixeles részegységekre bontottak a vizsgálatok során. A rendszer végül a 100 legkevésbé hatékony tömörítésű darabot elemezte, ugyanis az volt az alapvető elképzelése a fejlesztőknek, hogy ha a legösszetettebb képterületek tömörítésének hiányosságaiból tanul a rendszer, akkor a kevésbé komplex részek tömörítése sokkal könnyebb lesz.
A kezdeti betanítás után a MI rendszer képes arra, hogy „megjósolja”, hogyan fog kinézni a kép a tömörítés után, így képes létrehozni azt. Ami ennek az eljárásnak az előnye a többivel szemben, hogy a hálózat önállóan el tudja dönteni, hogy egy adott fénykép különböző részeihez melyik tömörítési módszer a legjobb. Persze, az egész elképzelést még fejleszteni kell, mivel a végső, tömörített kép egyes esetekben nem túl tetszetős az emberi szemnek, és a rendszer még nem képes ennek az önálló felismerésére. (Forrás: dpreview.com, qz.com)
