2023年5月17日 聯合報 科技．人文聯合講座

伸縮自如的資料變身術

趙坤茂

在數位生活裡，資料壓縮處處扮演著幕後功臣，默默分擔資料儲存與傳輸的重責大任。舉凡網路收發的文件檔案、LINE交流的照片影片、親朋好友的視訊對話、數位電視的高畫質節目等，其間都經歷了資料壓縮和解壓縮的程序，讓我們能更即時收發資訊。

資料壓縮透過編碼技術，將原始檔案轉變為容量更小的壓縮檔案，除可節省儲存空間外，也能縮短傳輸時間。它分成兩種類型，一類為保真（lossless）壓縮，另一類為失真（lossy）壓縮。保真壓縮完整保留資料內容，解壓縮時可無損回復原始資料，例如文字檔案必須做到一字不差，壓縮務必保真。失真壓縮僅保留重點內容，解壓縮時未必能完整回復原始資料，例如圖像影音的資料量龐大，再加上眼耳的敏感度有限，通常容許局部失真以大幅降低檔案容量。

以居家事務打比方，壓縮枕就如同保真壓縮，真空時枕頭體積扁平，待解開密封袋接觸空氣後，枕頭可完全恢復原狀；而即溶奶粉則如同失真壓縮，加水沖泡成牛奶後，雖然營養成分與鮮奶大致相符，但並不完全等同鮮奶。

資料壓縮的一種策略是讓出現頻率較高的字符，使用較短編碼。例如摩斯電碼分別以一點和一劃，表示英文出現頻率最高的字母Ｅ和Ｔ。又如霍夫曼編碼可根據文件裡各個字符的出現頻率，以巧妙的二元樹分派編碼，使得每個字符的平均位元數最少。

另一種策略是將連續出現的同一符號，以精簡方式表示。例如資料內容為11…1，共有一萬個1，若每個1都用一個位元表示，則需要一萬個位元來儲存；但若以「重複一萬次1」表示，是不是更精簡呢？此策略亦可應用在圖像中一片片顏色相近的區塊，或者在圖像失真轉換後一堆數值為0的矩陣。

還有一種策略是將重複出現的字串以短代碼表示，在壓縮時依序讀取字符，並建立該文件的代碼字典，一旦出現重複字串，就可用代碼表示那一串字符。該方法的妙處在於代碼字典不必另外儲存或傳送，而可在解壓縮時同步回推生成，並依序回復原始文件內容。回顧七○年代，Abraham Lempel和Jacob Ziv所創的LZ壓縮方法奠定該策略的基礎，可惜兩位先驅已分別於今年二月和三月逝世。

近年來，由於人工智慧技術在圖像影音的辨識功力大增，使得資料壓縮強度也隨之進化。例如去年十月，臉書推出的數位音訊編碼方法EnCodec，能更精準掌握音訊中人們難以察覺的變化，其壓縮效果比當今流行的MP3強上十倍；又如今年蘋果收購的WaveOne，專攻內容感知的視訊壓縮，可用來提升影音串流效率。

他日當你我翱翔於數位多重宇宙時，資料壓縮必將是咱們加速前進的得力推手。

【2023/5/17 聯合報】