新技术助力！人工智能实时数据压缩迎突破

信息和通信技术，如物联网和云计算，是现代社会的基石所在。这些服务的效率在很大程度上依赖于处理和传输数字数据（包括图像和传感器数据）的速度。比如，能够从监控摄像头图像中识别个人的系统必须精简整个流程，从图像传输和人工智能（AI）识别到向用户提供结果。

由于数据传输往往比 AI 计算耗费更多的时间，因此迫切需要一种能够在保持原始数据完整性的同时，最大限度地减少数据量和通信时间的数据压缩方法。新技术可以加速 AI 计算的数据传输，并减少通过广域网（如 5G/6G 无线通信和互联网）传输的数据量，从而实现全球范围内显著的能源节约。

传统的数据压缩技术将数据以有限的块进行压缩和存储。正因如此，它们需要大容量的内存和处理器，这会增大压缩器的尺寸，并且把实时压缩限制在有限的数据流范围内。

筑波大学的研究人员通过开发一种技术应对了这些挑战，该技术能自动检测频繁出现的数据模式，并在通过压缩器一次后将其压缩至最少一位。这项技术确保了完全的实时数据恢复。该研究在《IEEE 接入》杂志上得以发表。

与此前仅能将一个数据单元压缩成一位的技术不同，新方法同时将多个数据单元压缩为一位，从而使压缩效率相较于传统方法提高了 10%至 30%。

此外，这种创新技术能够于硬件中开发出高速、紧凑的数据压缩模块，无需额外的处理器、内存或其他设备。如果集成到半导体芯片和人工智能系统中，该技术可以通过提高速度、减少数据量和在通信路径中节省电力来极大地改变数据传输，推动我们向社会 5.0 的愿景迈进。

更多信息： Shinichi Yamagiwa 等人，通用的基于自适应流的熵编码，《IEEE 接入》（2024 年）。 DOI: 10.1109/ACCESS.2024.3429389