Sembra la trama della serie Silicon Valley, ma è realtà. Un team di ricercatori di Google ha usato le reti neurali - che mimano come lavora il cervello umano - per comprimere immagini in modo più efficiente rispetto ai metodi tradizionali. L'obiettivo è far sì che occupino meno spazio su disco senza comprometterne la qualità.
Il lavoro degli ingegneri è stato pubblicato su Arvix, in un documento intitolato "Full Resolution Image Compression with Recurrent Neural Networks". Per raggiungere il loro scopo i ricercatori hanno "allenato" il sistema di intelligenza artificiale - basato su TensorFlow, una libreria software open source - in modo che imparasse come funziona la compressione.
Per farlo gli sono state date in pasto 6 milioni di immagini selezionate casualmente da Internet. Il sistema le ha suddivise in frammenti da 32 x 32 pixel (in passato permetteva solo 64 x 64 pixel) e poi ha selezionato le 100 parti con la compressione meno efficace.
L'idea di fondo è che allenare il sistema a comprimere le parti più "difficili" dell'immagine gli permetterà di essere più efficiente con i segmenti più "facili". L'intelligenza artificiale ha poi predetto come sarebbe apparsa l'immagine dopo la compressione e ha generato il risultato finale.
L'intelligenza artificiale di Google ha dimostrato di poter fare meglio rispetto alle tecniche standard di compressione JPEG nella riduzione delle dimensioni delle immagini, decidere il miglior metodo per comprimere le singole parti e stabilire come tali segmenti stanno bene insieme.
Risultato raggiunto? Sì, ma purtroppo solo in parte: durante la compressione l'intelligenza artificiale può generare immagini che non sono buone secondo l'occhio umano. Inoltre manca un sistema standardizzato per definire il grado di efficienza. Di conseguenza l'IA non è ancora pronta per essere usata nei servizi di Google, ma il team ha compiuto notevoli progressi e in futuro questo progetto potrebbe sfociare in qualcosa di concreto.