In een paper (pdf) schrijven onderzoekers verbonden aan Google dat ze erin zijn geslaagd de huidige JPEG-standaard met zo’n 4 tot 9 procent te verbeteren.
De onderzoekers hebben een neuraal netwerk zes miljoen foto’s gegeven om van te leren. Van deze afbeeldingen werd een stukje van 32 bij 32 pixels uitgeknipt. Het systeem kreeg vervolgens alleen de minst efficiënt gecomprimeerde delen voorgeschoteld.
In het onderzoek is het neurale netwerk Tensorflow gebruikt, dat Google eind 2015 voor iedereen beschikbaar stelde. Een neuraal netwerk leert op dezelfde manier als het menselijk brein, maar dan op een veel grotere schaal.
Door juist van de moeilijke delen te leren, was het voor het zelflerende systeem eenvoudiger om de wel al goed gecomprimeerde delen nog beter te comprimeren.
Bestandsformaat
Met kunstmatige intelligentie zou het mogelijk moeten zijn om bestaande foto’s kleiner te maken qua bestandsformaat zonder dat de kwaliteit van de afbeelding achteruit gaat.
Als het systeem er inderdaad in slaagt afbeeldingen 9 procent kleiner te maken, kan dit op smartphones en andere apparaten voor extra ruimte zorgen. Een flink deel van de opslag op telefoons gaat op aan gemaakte foto’s.
Daarnaast is het voor bedrijven als Google een handige technologie omdat foto’s zo minder ruimte innemen bij cloudopslag. De zoekgigant biedt met zijn dienst Google Foto’s gratis opslagruimte aan alle gebruikers.
Verder onderzoek
Het systeem is echter nog niet perfect. Zo weet de kunstmatige intelligentie niet wanneer een afbeelding er wel of niet goed uit ziet voor het menselijk oog. Het kan dus gebeuren dat de beeldkwaliteit van enkele afbeeldingen wel achteruit gaat. De onderzoekers gaan verder met het systeem in de hoop dit probleem op te lossen.