這兩天 AI 圈子又炸鍋了！

一個(gè)叫 DeepSeek-OCR 的新玩意兒，被好多人喊做“ AI 的 JPEG 時(shí)刻”。聽著就挺酷炫，但到底啥意思？跟咱有啥關(guān)系？

今天就來用大白話聊聊。如果你不想看文字，就看下面這個(gè)視頻版，效果更好。

我們這就開始了～

你有沒有想過——AI 有可能學(xué)不會的一項(xiàng)技能，居然是：掃一眼就能讀完一本書。

聽著是不是有點(diǎn)像科幻小說那味？

但今天咱聊的，不是玄幻，而是真實(shí)存在的新技術(shù)——光學(xué)壓縮（Optical Compression）。

它的目標(biāo)就是讓 AI “一眼看完”，真的像人一樣看圖識世界。

AI 最大的老毛病：太能“卷”了

AI 界一直有個(gè)頭疼的大難題：超長文本太難處理。

比如 GPT-4，強(qiáng)是強(qiáng)，但你要是給它扔一本幾百頁的小說，它就要開始“燒腦”了。

而且這可不是“多一倍字，多一倍計(jì)算”這么簡單——是平方級增長。

簡單說，字越多，AI 就越累，錢包也越疼。

這點(diǎn)我特別懂，畢竟我讀完一本大部頭的書，前面都忘光了。

AI 也差不多，它讀著讀著就把前面的關(guān)鍵細(xì)節(jié)給丟了。

突破點(diǎn)：別讀字了，看圖！

解決辦法居然特別“人性化”——?jiǎng)e再一個(gè)字一個(gè)字讀了，直接拍照！

是的，這就是光學(xué)壓縮的靈感：把整頁、甚至整本書拍成一張圖，讓 AI 直接去“看圖識文”。

▲ 傳統(tǒng)的文本處理和光學(xué)壓縮的文本處理

這張圖片就不只是圖片，而是一個(gè)信息密度爆炸的壓縮包。

咱們平時(shí)不都說“一圖勝千言”嘛？一張圖片能頂好多文字。AI也是這個(gè)理兒。

一張掃描的文檔圖片，它包含的信息量，比你把這些文字一個(gè)字一個(gè)字打進(jìn)去，要“輕”得多，也更“緊湊”。

AI 只需處理少得多的視覺符號，就能理解整本書的內(nèi)容。

效率提升那叫一個(gè)離譜，真·降維打擊。

真·技術(shù)派登場：DeepSeek OCR

光有想法不夠，得有人真做出來。

于是 DeepSeek 團(tuán)隊(duì)推出了個(gè)新模型——DeepSeek OCR。

它的任務(wù)就一個(gè)：驗(yàn)證光學(xué)壓縮到底靠不靠譜。

它的原理也簡單：

第一步：用 Deep Encoder 壓縮，把一整頁文字變成一張濃縮圖；

第二步：再用解碼器“解壓”，把文字原封不動(dòng)還原回來。

▲ DeepSeek-OCR 包好壓縮和解壓兩部分

整個(gè)模型的三個(gè)死目標(biāo)：

1?? 要能看超高清文字圖；

2?? 要超級省資源；

3?? 用盡可能少的視覺符號表達(dá)盡可能多的信息。

每一條都精準(zhǔn)命中“算力貴、效率低”的痛點(diǎn)。

效果有多炸？看數(shù)據(jù)

有個(gè)數(shù)據(jù)我看到都驚了：壓縮 10 倍，還能保持 97% 準(zhǔn)確率。

這基本就是無損壓縮。

更狠的是，壓到 20 倍，準(zhǔn)確率還有 60%。

這效率，簡直是“拿命在壓”。

▲ DeepSeek-OCR 壓縮比和精度

同場對比時(shí)，其他模型處理同樣文檔要幾千個(gè) token，而 DeepSeek OCR 只要一百來個(gè)。

▲ DeepSeek-OCR 用最少的 token 實(shí)現(xiàn)了頂尖的性能

這就叫——花最少的錢，辦最大的事。

我突然想到：AI 也該學(xué)會“遺忘”

講真，這技術(shù)讓我想到一個(gè)挺哲學(xué)的問題。

我們的大腦，其實(shí)也是種“光學(xué)壓縮”系統(tǒng)。

新記憶清晰得像高清照片，舊記憶慢慢糊成低清圖。

你十年前的午飯吃了啥？肯定不記得，也沒必要記。

也許 AI 也該這樣——

記住重要的，模糊掉次要的。

不是過目不忘才聰明，學(xué)會遺忘，可能才更像人。

所以我想把這個(gè)問題留給你：

對 AI 來說，“遺忘”到底是 bug，還是一種高級功能？

【參考】： https://github.com/deepseek-ai/DeepSeek-OCR

本文由「AI 范兒」出品

感謝你看到這里，如果覺得不錯(cuò)，那就請幫忙點(diǎn)個(gè)贊、愛心、轉(zhuǎn)發(fā)三連吧，這對我們非常有幫助。如果想第一時(shí)間收到推送，也可以給我們加個(gè)星標(biāo)?