应用

机器学习的研究正进行的如火如荼，各种新方法层出不穷。尽管这样，还有一个问题摆在面前，研究这些算法对于现实有什么用。特别是当讨论起机器学习在手机和其他设备上的应用时，经常会被问到到：「机器学习有什么杀手级应用？」

机器学习工程师 Pete Warden 思考了很多种答案，包括从语音交互到全新的使用传感器数据的方法等，但他认为实际上短期内最激动人性的一个方向是压缩算法。尽管压缩算法在研究领域基本上是人尽皆知的一个方向，还是有很多人还是会对这个看法感到惊讶。在本篇博文中，Pete Warden 分享了他的关于为什么压缩算法如此有前景的看法。雷锋网 AI 科技评论编译如下。

当我读到一篇名为「神经自适应内容感知的互联网视频分发」（Neural Adaptive Content-aware Internet Video Delivery）的论文的时候，我意识到了这个领域的重要性。这篇文章在总结里说到，通过神经网络，在保证带宽相同的情况下，该方法能够将质量体验指标提高 43%。或者在在保证相同的观看质量下，减少 17% 的带宽使用。实际上还有很多类似研究方向的论文，比如生成式压缩（https://arxiv.org/pdf/1703.01467.pdf）和自适应图像压缩（https://arxiv.org/pdf/1705.05823.pdf  ） ，但为什么没有听说到更多的关于压缩算法的机器学习实际应用呢？

目前还没有足够的计算能力

所有这些基于机器学习的压缩方法都需要相对较大的神经网络，并且所需的计算量与像素数量成正比。这意味着高分辨率图像或者高帧率视频需要更多的计算能力，可能远远超过当前移动电话或类似设备能够提供计算量。目前大多数CPU能够处理每秒几百亿次的算术运算，而在高清视频上运行机器学习压缩算法很容易就需要十倍以上的计算量。