MEDIA·LAB
مختبر الوسائطصورة · صوت · فيديو
من الجذور

٣ مسارات ٣٢ عقدة ليش قبل كيف · بناء من الصفر

كل وسائطك الرقمية
تحلّ المشكلة نفسها

الصورة، الصوت، الفيديو — تبدو عوالم منفصلة. لكنها تحت الغطاء تستعمل الأدوات نفسها: تحويلٌ لمجال التردد، استغلالٌ لعيوب حواسّك، وترميزٌ يقترب من حدٍّ رياضيّ واحد اكتشفه رجلٌ سنة 1948. هنا تبنيها كلّها من اللبنة الأولى — حتى تشتقّ أيّ صيغة، وتبني فلاتر متقدّمة، وتدرّب نماذج، وتفهم لماذا تبدو التقنية كما هي.


الفكرة الواحدة التي تربط كل شيء
وسيط = نموذج × مرمّز × حاوية
نموذج يتنبّأ فيخفض الفوضى · مرمّز يحوّلها لأقلّ بِتّات · حاوية تحزمها — فوق سقفٍ واحد اسمه الإنتروبي

أتقن هذه المعادلة في وسيطٍ واحد، وستراها تتكرّر في الاثنين الآخرين. الفرق بين JPEG و MP3 و AV1 ليس في الجوهر — بل في أيّ حاسّة يخدعون وأيّ بُعد يستغلّون.

اختر مسارك

كل مسار مكتفٍ ذاتياً، يبدأ من الصفر ويصعد حتى النماذج العصبية. مترابطة — لكن يمكن البدء بأيّها. المبتدئ: ابدأ بالصور (الأبسط حدساً).

المسار الأول
الصور
PNG · JPEG · GIF · WebP · AVIF · JPEG XL
لماذا تبدو صيغ الصور كما هي؟ من نظرية المعلومات وترميز Huffman إلى DCT و JPEG، حتى الصيغ المقتطعة من الفيديو. الأبسط حدساً — ابدأ هنا.
١٠ عقدتبني: Huffman · DCT · محلّل PNG
ادخل المسار →
المسار الثاني
الصوت
DSP · فلاتر · MP3/FLAC · نماذج عصبية
من الموجة والعيّنة إلى فورييه والطيف، ثم بناء الفلاتر المتقدّمة، فالضغط الإدراكي (MP3)، حتى تمثيلات التعلّم والترميز العصبيّ.
١١ عقدةتبني: FFT · EQ · mel · vocoder
ادخل المسار →
المسار الثالث
الفيديو
حركة · كوديك · فلاتر · تعلّم آلي
الفيديو = صورة + زمن. تعويض الحركة، الكوديك الهجين (H.264→AV1)، التحكّم بالمعدّل، التدفّق البصري، فالفلاتر المتقدّمة والكوديك العصبيّ.
١١ عقدةتبني: motion · RD · optical flow
ادخل المسار →

أيّ هدفٍ يقودك؟

المسارات مترابطة، لكن إن كان لك هدفٌ محدّد، هذه أقصر الطرق إليه:

// أريد تدريب نماذج
أساس: نظرية المعلومات (لماذا الضغط = نموذج)
// أريد فهم الضغط من جذوره
ثمّ: DCT و JPEG

قصص ومفارقات تشدّك للداخل

التقنية مليئة بحكايات أغرب من الخيال — كلٌّ منها بابٌ لفكرة عميقة.

الضريبة التي قتلت GIF

لسنوات استعمل الجميع GIF مجّاناً، حتى طالبت Unisys فجأةً برسوم على براءة خوارزميته (LZW). اندلعت "ضريبة GIF"، فردّ المجتمع بتصميم PNG حرّاً عمداً. القانون صمّم الصيغة، لا الرياضيات. (مسار الصور، العقدة ٣)

أغنيةٌ صارت "أمّ الـMP3"

عايَر Brandenburg خوارزمية MP3 على "Tom's Diner" لـSuzanne Vega — صوتٌ بشريّ عارٍ يكشف أي عيب. أعادها مئات المرّات حتى لم يسمع فرقاً. الكوديك مُعايَر على إدراكٍ بشريّ حقيقيّ. (مسار الصوت، العقدة ٦)

لماذا 44,100 لا 40,000؟

نايكوست يقول ٤٠kHz تكفي لسمعٍ حتى ٢٠kHz. فمن أين الزيادة الغريبة؟ هامشٌ للفلاتر الواقعية + إرثُ تسجيل الصوت رقمياً على أشرطة فيديو في الثمانينات. التاريخ مدفونٌ في رقم. (مسار الصوت، العقدة ٠)

أحدث صيغة صور هي… فيديو

AVIF ليست "صيغة صور" صُمّمت من الصفر — هي إطار واحد مقتطع من ضاغط فيديو AV1. حين أدرك الناس أن إطار الفيديو الواحد صورةٌ مضغوطة ممتازة، انقلب تاريخ الصيغ. (الصور ٦ ↔ الفيديو ٤)

رجلٌ وضع سقفاً للكون

أثبت كلود شانون أن لكل بيانات حدّاً أدنى لا يمكن لأي ضغط — مهما عبقر — أن يتجاوزه: الإنتروبي. كل خوارزمية في هذا المختبر تلعب داخل قفصه. (الأساس المشترك للوسائط الثلاث)

حربُ البراءات تتكرّر

HEVC المثقل برسوم الترخيص دفع تحالفاً (Google, Netflix, Amazon…) لصنع AV1 الحرّ. نفس قصّة GIF→PNG قبل ٢٤ سنة — بطريقةٍ مختلفة. الأنماط تعيد نفسها. (الفيديو ٤ ↔ الصور ٦)

الأدوات نفسها، ثلاث مرّات

لماذا "مختبرٌ واحد" لا ثلاثة مواقع؟ لأن إتقان أداةٍ في وسيط يهديك إيّاها في الباقي. هذا الترابط هو روح المختبر:

MAP أداة واحدة · ثلاثة تجسيدات
الأداة المشتركةصورةصوتفيديو تحويل لمجال التردداستغلال عيب الحاسّة التنبّؤ من السياقترميز يقارب الإنتروبي نموذج عصبيّ مُتعلَّم DCTFFT/MDCTDCT للباقي العينالأذنالعين+الزمن Paeth/intraLPCتعويض الحركة ANSRiceCABAC صيغ مُتعلَّمةEnCodecكوديك عصبيّ
كل صفّ أداةٌ واحدة بثلاثة أوجه. تعلّمها مرّة في عمودٍ، تشتقّها في العمودين الآخرين. هذا لماذا المسارات الثلاثة مختبرٌ واحد.
كيف تستعمل المختبر

كل عقدة تتبع: نبذة → لغز مستفزّ → درس و"ليش" → تمرين بناء من الصفر → خلاصة → بذرة غموض. حين ترى صندوق اللغز، توقّف وكافِح قبل قراءة الحل. لا توقيت ولا جداول — التقدّم بالإتقان: لا تنتقل حتى تستطيع أن تشتقّ ما في العقدة بنفسك، لا أن تتذكّره فقط.