Neural datakomprimering: Kan AI erstatte traditionelle codecs?

Datakomprimering er en af de teknologier, der gør moderne computerbrug praktisk. Fotos, streamede film, videoopkald, musiksamlinger, cloudbackups og softwaredownloads ville kræve langt mere lagerplads og båndbredde uden codecs, der reducerer mængden af data. I årtier har disse codecs hovedsageligt været baseret på omhyggeligt udviklede matematiske regler og signalbehandlingsteknikker. Kunstig intelligens er nu ved at ændre denne tilgang. I stedet for at ingeniører manuelt definerer hvert trin i komprimeringen, kan neurale systemer lære at repræsentere billeder, lyd eller video effektivt ud fra store samlinger af eksempler. I 2026 er neural komprimering rykket langt ud over laboratorieforsøg, især inden for billed- og lydkodning. Men at erstatte velkendte codecs som JPEG, AV1, AV2, VVC, AAC eller Opus er en langt større udfordring end blot at skabe en mindre fil. Kompatibilitet, krav til processorkraft, pålidelighed og langsigtet understøttelse er mindst lige så vigtige.

Sådan ændrer neural komprimering en codecs funktion

En traditionel codec følger normalt en række teknikker, der er udviklet specifikt til en bestemt type information. En billedcodec kan for eksempel opdele et billede i blokke, transformere oplysninger om farver og lysstyrke, fjerne detaljer, som mennesker sandsynligvis ikke vil lægge mærke til, og derefter lagre de resterende værdier effektivt. Videocodecs tilføjer et andet vigtigt princip: I stedet for at gemme hvert billede uafhængigt forudsiger de dele af ét billede ud fra tidligere eller efterfølgende billeder. Lydcodecs bruger lignende metoder baseret på, hvad det menneskelige øre er mere eller mindre tilbøjeligt til at opfatte. Moderne codecs er blevet ekstremt avancerede, men en stor del af deres funktion er stadig baseret på regler, som ingeniører har udviklet og finjusteret.

Neural komprimering ændrer, hvor disse regler kommer fra. Et neuralt netværk trænes på mange eksempler og lærer en kompakt intern repræsentation af det oprindelige materiale. For et billede kan denne repræsentation bevare information om former, teksturer, kanter og farver, samtidig med at mindre vigtige detaljer fjernes. En dekoder bruger derefter den komprimerede repræsentation til at rekonstruere et billede, der skal ligne originalen så meget som muligt. Det samme overordnede princip kan anvendes på tale, musik og video. Ingeniører designer stadig det samlede system og bestemmer, hvordan det skal trænes, men modellen lærer selv mange af de beslutninger, som traditionelle codecs håndterer gennem faste algoritmer.

Det gør neural komprimering særligt interessant, når målet er oplevet kvalitet frem for perfekt numerisk lighed. To billeder kan være forskellige på pixelniveau og samtidig se næsten identiske ud for et menneske. En indlært codec kan trænes til at bruge det begrænsede antal bits på de egenskaber, der betyder mest for vores syn. Det samme princip gælder for lyd, hvor naturlig tale eller genkendelige musikalske detaljer kan være vigtigere end en fuldstændig gengivelse af hver enkelt sample. Dette må dog ikke forveksles med tabsfri komprimering. Når et dokument, et program, en database eller en eksekverbar fil skal genskabes byte for byte, er der ikke plads til en tilnærmet rekonstruktion.

Hvor AI-komprimering allerede viser sit værd

Komprimering af stillbilleder er et af de tydeligste tegn på, at neural kodning er ved at blive en praktisk teknologi. ISO/IEC 6048-1:2025, bedre kendt som JPEG AI, blev offentliggjort i 2025 som den første internationale standard for billedkodning, der bygger på en end-to-end læringsbaseret tilgang. Yderligere JPEG AI-specifikationer for profilering og filformat fulgte i 2026. Det er vigtigt, fordi en vellykket codec kræver mere end en effektiv forskningsmodel. Forskellige programmer skal kunne oprette, udveksle og afkode kompatible filer. JPEG AI definerer en bestemt bitstream og afkodningsproces i stedet for at lade hver udvikler anvende sit eget inkompatible neurale komprimeringssystem.

Forskning viser fortsat, at indlært billedkomprimering kan opnå en effektivitet, der ligger over traditionelle løsninger. I maj 2026 præsenterede Apple-forskere en praktisk indlært billedcodec, der var udviklet med fokus på både oplevet kvalitet og realistisk ydeevne på almindelige enheder. Deres rapporterede subjektive tests viste betydelige besparelser i bitrate sammenlignet med flere avancerede alternativer, herunder AV1, AV2, VVC, JPEG AI og eksperimentel komprimeringsteknologi. Forskerne demonstrerede også kodning og afkodning af billeder på 12 megapixel direkte på en moderne smartphone i stedet for udelukkende at benytte kraftig hardware i datacentre. Det er stadig forskning og ikke et bevis på, at alle billedformater straks bør udskiftes, men det viser, hvor hurtigt forskellen i processorkrav mellem neurale og traditionelle codecs bliver mindre.

Lyd er et andet område med stort potentiale. Neurale lydsystemer som Google SoundStream og Meta EnCodec lærer kompakte repræsentationer af tale, musik og andre lyde. Tidligere neurale talecodecs var især interessante ved ekstremt lave bitrates, hvor traditionelle codecs ofte producerede tydeligt robotagtige eller metalliske artefakter. Nyere systemer er udviklet til et bredere udvalg af lyd og kan bevare overbevisende lydkvalitet med overraskende små datamængder. Neurale lydcodecs er også blevet vigtige inden for generativ AI, fordi deres komprimerede repræsentationer kan fungere som lydtokens, som andre modeller kan behandle. Alligevel er udbredte codecs som Opus vanskelige at erstatte i almindelige opkald, streaming og browserkommunikation, fordi implementeringerne er modne, effektive og understøttes af et meget stort antal enheder.

Hvorfor traditionelle codecs stadig er svære at erstatte

Den største fordel ved etablerede codecs er ikke nødvendigvis deres komprimeringseffektivitet. Det er kompatibiliteten. Et udbredt medieformat kan understøttes af operativsystemer, browsere, grafikprocessorer, fjernsyn, kameraer, redigeringsprogrammer, spillekonsoller og mobile enheder. Dedikeret hardware kan afkode populære videoformater med langt lavere energiforbrug end en almindelig processor, der udfører den samme opgave. Hvis et sådant økosystem skal erstattes, kræver det, at producenter, softwareudviklere og indholdsudbydere understøtter den nye codec omtrent samtidig. En neural codec, der giver en fil, som er 20 eller 30 procent mindre, kan stadig være upraktisk, hvis de fleste brugere ikke kan åbne filen uden særlig software.

Processeringsomkostninger er en anden vigtig begrænsning. Neural komprimering kræver matematiske beregninger, som kan køre effektivt på en moderne neural processor, men langt mindre effektivt på ældre hardware. En avanceret model kan reducere behovet for netværksbåndbredde, men samtidig bruge mere strøm under kodning eller afkodning. Denne afvejning er vigtig i smartphones, kameraer, batteridrevne enheder og store streamingtjenester, der behandler millioner af filer. Modellens størrelse har også betydning, fordi selve dekoderen kan kræve ekstra hukommelse eller lagrede parametre til det neurale netværk. Forbedringer i mobil AI-hardware reducerer gradvist disse problemer, men en sammenligning, der kun ser på den endelige filstørrelse, overser en vigtig del af de reelle omkostninger.

Traditionelle codecs har desuden fordel af årtiers test. Deres adfærd er velkendt ved usædvanlige billeder, beskadigede filer, svage netværksforbindelser og forskellige hardwareimplementeringer. For arkiver, tv-selskaber og professionelle produktionssystemer kan en forudsigelig afkodning mange år eller endda årtier senere være vigtigere end at spare nogle ekstra megabyte i dag. Neurale codecs har derfor brug for tydeligt specificerede modeller, stabil dekoderadfærd og pålidelig versionsstyring. JPEG AI er blandt andet vigtig, fordi standardiseringen adresserer nogle af disse udfordringer. Individuelle forskningscodecs kan levere fremragende resultater, men en model i et forskningsarkiv er ikke automatisk egnet til langtidsopbevaring eller bred distribution.

Forskellen mellem mindre filer og bedre komprimering

Påstande om, at én codec er bedre end en anden, kræver omhyggelig fortolkning. Den mindste fil er ikke nødvendigvis det bedste resultat. Komprimeringstests sammenligner normalt bitrate med kvaliteten af det rekonstruerede materiale, men kvalitet kan måles på flere måder. En matematisk måling kan favorisere et billede, der numerisk ligger tæt på originalen, selv om et andet billede ser bedre ud for menneskelige observatører. Neurale systemer kan trænes specifikt til oplevet kvalitet og kan derfor klare sig særligt godt i lytte- eller visningstests. Traditionelle codecs kan også optimeres til lignende mål. En retfærdig sammenligning bør tage højde for det samme kildemateriale, tilsvarende driftsforhold, kodningstid, afkodningstid og subjektiv kvalitet frem for kun at basere sig på én opsigtsvækkende procentsats.

Der er også en vigtig grænse mellem at bevare information og at skabe en overbevisende tilnærmelse. Nogle eksperimentelle generative komprimeringsmetoder kan rekonstruere sandsynlige detaljer, som ikke eksplicit blev overført. Ved meget lave bitrates kan dette give et mere naturligt udseende ansigt, landskab eller tekstur end en traditionel codec med tydelige blokke og sløring. Det kan være nyttigt til visse underholdnings- og kommunikationsformål, men det kan være uacceptabelt, når hver synlig detalje har bevismæssig betydning. Overvågningsoptagelser, videnskabelige billeder, medicinsk materiale og tekniske inspektionsdata kan kræve, at bestemte egenskaber bevares, frem for blot at resultatet ser realistisk ud. En visuelt overbevisende rekonstruktion er ikke automatisk en troværdig gengivelse.

Argumentet for at erstatte traditionelle metoder med AI bliver endnu svagere ved generelle tabsfri data. Komprimeringsværktøjer, der bruges til kildekode, softwarepakker, dokumenter, databaser og sikkerhedskopier, skal efter dekomprimering gengive præcis den samme sekvens af bytes. Maskinlæring kan analysere mønstre i sådanne data og bidrage med nyttige idéer til komprimeringsforskning, men etablerede metoder er hurtige, forudsigelige og relativt billige at køre. De fungerer desuden uden behov for en stor trænet model, der er tilpasset en bestemt type indhold. Til almindelig lagring på pc’er og filarkivering er neural komprimering derfor mere tilbøjelig til at supplere etablerede tabsfri teknikker end pludseligt at gøre velkendte arkiverings- og komprimeringsalgoritmer overflødige.

Sådan ser komprimeringsområdet ud i 2026

Neural komprimering udvikler sig samtidig med traditionelle codecs, så AI konkurrerer med teknologier, der også løbende forbedres. ITU godkendte en opdateret fjerde udgave af H.266 Versatile Video Coding i januar 2026. AOMedia færdiggjorde også version 1.0 af AV2-specifikationen i maj 2026. AV2 følger efter AV1 og sigter mod højere komprimeringseffektivitet samt nyere anvendelsesområder, herunder avanceret skærmindhold og immersive medier. Disse udviklinger viser, at traditionel codec-udvikling ikke er nået til en blindgyde. Ingeniører finder fortsat bedre metoder til forudsigelse, transformation, kodning og implementering uden at erstatte hele codec’en med et neuralt netværk.

Samtidig tager de organisationer, der arbejder med fremtidige videostandarder, tydeligvis AI alvorligt. På sit møde i juli 2026 udsendte Joint Video Experts Team en opfordring til teknologier til en ny generation af videokomprimering efter VVC. Processen tillader udtrykkeligt både traditionelle signalbehandlingsmetoder og neurale netværk eller andre AI-baserede teknologier at konkurrere. Den formelle evaluering af indsendte løsninger er planlagt til at begynde i 2027, mens den foreløbige målsætning er at færdiggøre den første næste generations standard omkring slutningen af 2029. Der findes derfor ingen etableret fuldt neural efterfølger til nutidens største videocodecs i 2026, men neurale teknikker bliver vurderet som mulige dele af de standarder, der kommer bagefter.

En hybrid tilgang kan vise sig at være mere realistisk end en klar opdeling mellem AI-codecs og traditionelle codecs. Neurale netværk kan forbedre udvalgte opgaver, mens en etableret codec-struktur fortsat håndterer bitstream, timing, kompatibilitet og grundlæggende afkodning. Maskinlæring kan hjælpe med forudsigelse, filtrering, billedgendannelse, bitratekontrol eller indholdsanalyse uden at gøre alle dele af codec’en neurale. Moderne processorer får i stigende grad dedikeret hardware til maskinlæringsopgaver, hvilket gør sådanne kombinationer mere praktiske. Denne gradvise tilgang giver udviklere mulighed for at opnå nogle af AI’s fordele inden for effektivitet og kvalitet, samtidig med at en større del af interoperabiliteten og den forudsigelige funktion fra eksisterende formater bevares.

Kan AI erstatte traditionelle codecs?

Inden for enkelte anvendelsesområder er svaret allerede ved at blive ja. Læringsbaseret billedkodning er nået frem til international standardisering gennem JPEG AI, og neurale lydcodecs har vist imponerende resultater for tale ved lave bitrates og for almindelig lyd. Specialiserede tjenester, der selv kontrollerer både kodning og afkodning, kan tage et neuralt system i brug uden at vente på universel understøttelse på alle enheder. Det bredere svar er dog anderledes. Videostreaming, webmedier, broadcasting, lokal lagring og tabsfri databehandling har alle forskellige krav. Der findes i øjeblikket ikke én neural metode, der er en overbevisende erstatning for alle traditionelle codecs på tværs af disse områder.

Den mest sandsynlige udvikling er, at selve definitionen af en codec vil ændre sig. Fremtidige codecs kan indeholde traditionelle komponenter, neurale komponenter og modeller, der er trænet til bestemte rekonstruktionsopgaver, mens brugeren blot ser en understøttet fil eller mediestrøm. I andre tilfælde kan en fuldt indlært codec bruge en standardiseret dekoder, så filer fortsat kan udveksles mellem forskellige programmer. Grænsen mellem komprimering og AI-behandling kan derfor blive stadig sværere at se. For brugerne er det ikke afgørende, om der findes et neuralt netværk inde i dekoderen, men om resultatet giver acceptabel kvalitet, hastighed, batteriforbrug, lagerbesparelse og pålidelig afspilning.

I 2026 bør neural komprimering derfor betragtes som en reel ny gren af codec-udviklingen frem for blot en moderne betegnelse for en erstatningsteknologi. Den har allerede ført til en international billedstandard, praktiske lydsystemer og forskningsresultater, der udfordrer nogle af de bedste traditionelle metoder. Samtidig viser AV2, VVC og etablerede tabsfri komprimeringsmetoder, hvorfor traditionelle teknikker fortsat vil være relevante i mange år. Ved valg af codec bør man tage højde for kompatibilitet, bitrate, billed- eller lydkvalitet, processeringsomkostninger, forsinkelse, licensering, langsigtet understøttelse og behovet for nøjagtig rekonstruktion. AI kan erstatte traditionelle codecs, hvor fordelene opvejer disse kompromiser, men den overordnede fremtid for komprimering vil langt mere sandsynligt være præget af sameksistens og kombination end af en fuldstændig overtagelse.