ബഫറിംഗ് ഇല്ലാതെ ലോകം കാണുന്ന മാന്ത്രികക്കണ്ണുകൾ: അരുൺ നേത്രാവലിയുടെ അവിശ്വസനീയ ഗണിതശാസ്ത്രം

നിങ്ങൾ ഫോണിലോ ലിവിംഗ് റൂമിലെ വലിയ ടിവിയിലോ ഒരു 4K വീഡിയോ കാണുമ്പോൾ, ആ സ്ക്രീനിന്റെ പിന്നാമ്പുറത്ത് എന്താണ് സംഭവിക്കുന്നത് എന്ന് എപ്പോഴെങ്കിലും ചിന്തിച്ചിട്ടുണ്ടോ? യൂട്യൂബിലോ നെറ്റ്ഫ്ലിക്സിലോ ഒരു വിരലമർത്തുമ്പോൾ യാതൊരു തടസ്സവുമില്ലാതെ, ഒട്ടും ബഫറിംഗ് ഇല്ലാതെ അത് ഓടുന്നത് കാണുമ്പോൾ ഇതൊരു വളരെ സാധാരണ കാര്യമായി നമുക്ക് തോന്നാം. എന്നാൽ സത്യം അതല്ല. നമ്മൾ നിസ്സാരമായി കാണുന്ന ഈ കാഴ്ചയ്ക്ക് പിന്നിൽ ഭ്രാന്തമായ ഒരു ഗണിതശാസ്ത്രമുണ്ട്, മാനവചരിത്രത്തിലെ തന്നെ ഏറ്റവും വിപ്ലവകരമായ എഞ്ചിനീയറിംഗ് പോരാട്ടങ്ങളിലൊന്നിന്റെ വിയർപ്പുണ്ട്.

കാര്യം വ്യക്തമാകാൻ നമുക്കൊരു 4K വീഡിയോയുടെ യഥാർത്ഥ കണക്കുകളിലേക്ക് ഒന്ന് ഇറങ്ങി നോക്കാം. സാധാരണ ഒരാൾ കരുതുന്നത് 4K എന്നത് ഒരു ആകർഷകമായ പേര് മാത്രമാണെന്നാണ്. എന്നാൽ അങ്ങനെയല്ല, കൃത്യമായി പറഞ്ഞാൽ 3,840 പിക്സലുകൾ വീതിയും 2,160 പിക്സലുകൾ നീളവുമുള്ള അതിഭീമമായ ഒരു ഡിജിറ്റൽ ക്യാൻവാസ് ആണത്. ഇത് രണ്ടും കൂടി പരസ്പരം ഗുണിച്ചു നോക്കിയാൽ ഒരു നിമിഷം നിങ്ങൾ ഞെട്ടിപ്പോകും, ഒരൊറ്റ ഫ്രെയിമിൽ മാത്രം ഏകദേശം എൺപത്തിരണ്ട് ലക്ഷത്തിലധികം സൂക്ഷ്മമായ കളർ പോയിന്റുകൾ ഉണ്ടെന്ന് കാണാം. വെറുമൊരു നിശ്ചലചിത്രത്തിലാണ് ഈ എൺപത്തിരണ്ട് ലക്ഷം ഡോട്ടുകൾ ഇരിക്കുന്നത്. ഇനി ഇവയ്ക്ക് ഓരോന്നിനും ജീവൻ നൽകണം. നമ്മുടെ ക്യാമറകൾ ഈ പ്രപഞ്ചത്തിലെ സർവ്വ വർണ്ണങ്ങളെയും തിരിച്ചറിയുന്നത് ചുവപ്പ്, പച്ച, നീല എന്നീ മൂന്ന് പ്രാഥമിക നിറങ്ങളിലൂടെയാണെന്ന് നിങ്ങൾക്കറിയാമല്ലോ. കമ്പ്യൂട്ടർ ലോകത്ത് ഇതിനെ നമ്മൾ ആർ ജി ബി എന്ന് വിളിക്കുന്നു. ഇതിൽ ഓരോ നിറത്തിനും കമ്പ്യൂട്ടറിന്റെ ഭാഷയിൽ എട്ട് ബിറ്റ് ഡാറ്റ വേണം. അപ്പോൾ ഒരു ബിന്ദുവിന് മാത്രം ചുവപ്പിന് എട്ട്, പച്ചയ്ക്ക് എട്ട്, നീലയ്ക്ക് എട്ട് എന്നിങ്ങനെ ഇരുപത്തിനാല് ബിറ്റുകൾ ആവശ്യമായി വരുന്നു. അങ്ങനെയെങ്കിൽ ആ ഒറ്റ ഫ്രെയിമിലെ എൺപത്തിരണ്ട് ലക്ഷം പിക്സലുകൾക്ക് കൂടി എത്ര ഡാറ്റ വേണ്ടിവരുമെന്ന് ഒന്നോർത്തു നോക്കൂ. ഇരുപത്തിനാലിനെ എൺപത്തിരണ്ട് ലക്ഷം കൊണ്ട് ഗുണിക്കുമ്പോൾ കിട്ടുന്നത് ഏകദേശം പത്തൊൻപത് കോടി ബിറ്റുകളാണ്. അതായത് ഒരു സെക്കൻഡിന്റെ ചെറിയൊരു അംശത്തിൽ മിന്നിമറയുന്ന ഒരൊറ്റ നിശ്ചല ചിത്രം പൂർണ്ണമായി വരച്ചെടുക്കാൻ മാത്രം ഇത്രയും ഭീമമായ ഡാറ്റ വേണം. അവിടെ യാതൊരു കുറുക്കുവഴികളുമില്ല, ഒരൊറ്റ പിക്സൽ പോലും അയൽക്കാരനുമായി പങ്കുവെക്കാൻ അനുവദിക്കാത്ത അത്രയും വലിയ വിവരശേഖരമാണത്.

പക്ഷേ നമ്മൾ കാണുന്നത് ചിത്രമല്ലല്ലോ, ചലിക്കുന്ന വീഡിയോ അല്ലേ? ആ ചലനം നമ്മുടെ കണ്ണുകൾക്ക് അനുഭവപ്പെടണമെങ്കിൽ ഒരു സെക്കൻഡിൽ അറുപത് ഫ്രെയിമുകളെങ്കിലും ഒന്നിന് പുറകെ ഒന്നായി സ്ക്രീനിൽ മിന്നിമറയണം. അപ്പോൾ ആ പത്തൊൻപത് കോടി ബിറ്റിനെ വീണ്ടും അറുപത് കൊണ്ട് ഗുണിക്കേണ്ടി വരുന്നു. അവിടെ നമ്മൾ ചെന്നെത്തുന്നത് ആയിരത്തി ഒരുനൂറ്റി തൊണ്ണൂറ്റി നാല് കോടി ബിറ്റുകൾ എന്ന സങ്കൽപ്പിക്കാൻ പോലും പറ്റാത്ത ഒരു സംഖ്യയിലാണ്. ലളിതമായി പറഞ്ഞാൽ, ഒരു സെക്കൻഡ് നേരത്തെ 4K വീഡിയോ കാണാൻ മാത്രം നിങ്ങളുടെ ഡിവൈസിലേക്ക് ഏകദേശം പന്ത്രണ്ട് ജിഗാബിറ്റ്സ് ഡാറ്റ ഒഴുകിയെത്തണം.

ഇവിടെയാണ് യാഥാർത്ഥ്യത്തിന്റെ ഞെട്ടിക്കുന്ന വിരോധാഭാസം നമ്മൾ തിരിച്ചറിയുന്നത്. നിങ്ങളുടെ വീട്ടിലെ ഏറ്റവും മികച്ച വൈഫൈ കണക്ഷനെക്കുറിച്ചോ നിങ്ങളുടെ ഫോണിലെ ഫൈവ് ജി ഇന്റർനെറ്റിനെക്കുറിച്ചോ ഒന്ന് ആലോചിച്ചു നോക്കൂ. വളരെ മികച്ച റേഞ്ചുള്ള ഒരു ദിവസത്തിൽ പോലും നിങ്ങളുടെ ബ്രോഡ്ബാൻഡ് നിങ്ങൾക്ക് നൽകുന്നത് പരമാവധി അമ്പതോ നൂറോ മെഗാബിറ്റുകൾ മാത്രമായിരിക്കും. നിങ്ങളുടെ ഫോണിലേക്ക് വരുന്ന ഡാറ്റ പലപ്പോഴും ഇതിലും വളരെ താഴെയാണ്. പന്ത്രണ്ട് ജിഗാബിറ്റ്സ് ഡാറ്റ ഓരോ സെക്കൻഡിലും കുത്തിയൊലിച്ചു വരേണ്ട ഒരു സ്ഥാനത്ത് നിങ്ങളുടെ ഫോണിന് കിട്ടുന്നത് അതിന്റെ ആയിരത്തിലൊരംശം ഡാറ്റ മാത്രമാണ്. അപ്പോൾ പിന്നെ ഒരു തടസ്സവുമില്ലാതെ ഈ യൂട്യൂബും നെറ്റ്ഫ്ലിക്സും ഇൻസ്റ്റാഗ്രാം റീൽസുമൊക്കെ നിങ്ങളുടെ കൺമുന്നിൽ എത്തുന്നത് എങ്ങനെയാണ്? ആ ആനയുടെ വലിപ്പമുള്ള ഡാറ്റ എങ്ങനെയാണ് ഒരു സൂചിക്കുഴയിലൂടെ കടന്നുപോകുന്നത്?

ഇവിടെയാണ് ശാസ്ത്രലോകത്തിന്റെ മാന്ത്രികവിദ്യ ഒളിഞ്ഞിരിക്കുന്നത്. അവർ ചെയ്തത് വീഡിയോയുടെ വലിപ്പം വെറുതെ അങ്ങ് ബലമായി ഞെക്കിപ്പിഴിഞ്ഞ് ചെറുതാക്കുകയല്ല, മറിച്ച് പ്രകൃതിയെയും ക്യാമറയെയും വളരെ ബുദ്ധിപൂർവ്വം നിരീക്ഷിക്കുകയാണ്. ക്യാമറ ഒപ്പിയെടുക്കുന്ന യാഥാർത്ഥ്യത്തിൽ എന്തൊക്കെയാണ് മനുഷ്യന് ആവശ്യമില്ലാത്തത് എന്ന് അവർ അന്വേഷിച്ചു. ഇതിനെ സാങ്കേതിക ലോകം വിളിക്കുന്നത് റെഡൻഡൻസി അഥവാ ആവശ്യമില്ലാത്ത ആവർത്തനങ്ങൾ എന്നാണ്. ഒരു വീഡിയോയിൽ പ്രധാനമായും രണ്ട് തരത്തിലുള്ള ആവർത്തനങ്ങളാണുള്ളത്. ഒന്നാമത്തേത് സ്പേഷ്യൽ റെഡൻഡൻസി, രണ്ടാമത്തേത് ടെമ്പറൽ റെഡൻഡൻസി.

ഇത് രണ്ടും മനസ്സിലാക്കാൻ വളരെ എളുപ്പമാണ്. നിങ്ങൾ സുന്ദരമായ ഒരു തെളിഞ്ഞ നീലാകാശത്തിന്റെ വീഡിയോ എടുക്കുകയാണെന്ന് കരുതുക. ആ ഫ്രെയിമിലെ ലക്ഷക്കണക്കിന് പിക്സലുകൾ ഒരേ നീലനിറം തന്നെയായിരിക്കും. അപ്പോൾ ഓരോ പിക്സലിനോടും ഇത് നീലയാണ്, അടുത്തതും നീലയാണ് എന്ന് കോടിക്കണക്കിന് തവണ ആവർത്തിച്ചു പറയുന്നതിന് പകരം, ആദ്യത്തെ പിക്സലിനോട് നീല എന്ന് പറഞ്ഞിട്ട് അടുത്ത നൂറോ ആയിരമോ പിക്സലുകൾ ഇതേ നിറം തന്നെയാണെന്ന് സിസ്റ്റത്തിന് ഒറ്റ സന്ദേശത്തിലൂടെ പറയാൻ കഴിയും. ഒരു ഫ്രെയിമിനുള്ളിൽ തന്നെയുള്ള ഇത്തരം അനാവശ്യ വിവരങ്ങളുടെ ആവർത്തനങ്ങളെയാണ് സ്പേഷ്യൽ റെഡൻഡൻസി എന്ന് വിളിക്കുന്നത്.

എന്നാൽ ഇതിനേക്കാൾ എത്രയോ വലിയൊരു രഹസ്യമുണ്ട്, അതാണ് ടെമ്പറൽ റെഡൻഡൻസി. നമുക്ക് മറ്റൊരു ഉദാഹരണം നോക്കാം. ഒരാൾ ഒരു മുറിയിലെ കസേരയിലിരുന്ന് സംസാരിക്കുന്ന വീഡിയോ നിങ്ങൾ കാണുന്നു. ഓരോ ഫ്രെയിം മാറിമറിയുമ്പോഴും അയാളുടെ പിന്നിലുള്ള ചുമര് അവിടെത്തന്നെയുണ്ട്, ആ ജനലുകൾക്കോ വാതിലുകൾക്കോ മേശയ്ക്കോ യാതൊരു മാറ്റവുമില്ല. ആകെ ചലിക്കുന്നത് അയാളുടെ ചുണ്ടുകളും ഒരുപക്ഷേ സംസാരിക്കുമ്പോൾ ചലിക്കുന്ന കൈകളും മാത്രമാണ്. സമയത്തിന്റെ അടിസ്ഥാനത്തിൽ നോക്കിയാൽ ഒരു ഫ്രെയിമിൽ നിന്ന് തൊട്ടടുത്ത ഫ്രെയിമിലേക്ക് പോകുമ്പോൾ തൊണ്ണൂറ്റി ഒൻപത് ശതമാനം കാര്യങ്ങളും മാറിയിട്ടേയില്ല. ഇതാണ് ടെമ്പറൽ റെഡൻഡൻസി. പക്ഷേ വിരോധാഭാസമെന്നു പറയട്ടെ, ദശാബ്ദങ്ങളോളം ലോകത്തെ കമ്പ്യൂട്ടറുകളും ടെലിവിഷൻ സാങ്കേതികവിദ്യകളും ഓരോ പുതിയ ഫ്രെയിമിനെയും കണ്ടിരുന്നത് പരസ്പരം യാതൊരു ബന്ധവുമില്ലാത്ത പുതിയ അപരിചിതരെപ്പോലെയാണ്. ഓരോ സെക്കൻഡിലും അറുപത് തവണ ആ പഴയ ചുമരും മേശയും ജനലുമെല്ലാം ആദ്യം മുതൽ ഓരോ പിക്സലായി സിസ്റ്റം വീണ്ടും വീണ്ടും കോടിക്കണക്കിന് ബിറ്റുകൾ പാഴാക്കി വരച്ചുകൊണ്ടിരുന്നു.

ഒരു മുറി പെയിന്റ് ചെയ്യുന്ന കാര്യം ഒന്ന് സങ്കൽപ്പിച്ചു നോക്കൂ. ഇന്നലെ നിങ്ങൾ വളരെ കഷ്ടപ്പെട്ട് ഒരു മുറിയുടെ ചുമര് മുഴുവൻ പെയിന്റടിച്ചു. ഇന്ന് രാവിലെ നോക്കുമ്പോൾ ആ ചുമരിന്റെ ഒരു മൂലയിൽ ഒരു നാണയത്തിന്റെ വലിപ്പത്തിൽ ചെറിയൊരു പാട് വീണിരിക്കുന്നു. ഒരു സാധാരണ മനുഷ്യൻ എന്ത് ചെയ്യും? ആ പാട് വീണ ഭാഗത്ത് മാത്രം കുറച്ചു പെയിന്റ് തൊട്ടുതേക്കും. അതല്ലേ ഏറ്റവും യുക്തിസഹമായ കാര്യം? ആ ചെറിയൊരു പാടിന് വേണ്ടി ആരെങ്കിലും വീട് മുഴുവൻ വീണ്ടും പെയിന്റടിക്കുമോ? എന്നാൽ അന്നത്തെ സാങ്കേതികവിദ്യ ചെയ്തുകൊണ്ടിരുന്നത് ചുമര് മുഴുവൻ മാന്തിപ്പൊളിച്ച് വീണ്ടും പെയിന്റടിക്കുന്ന പണിയായിരുന്നു. ഒരു ചെറിയ അനക്കത്തിന് വേണ്ടി ഫ്രെയിമുകൾ മുഴുവനായും അവർ വീണ്ടും വീണ്ടും പൂജ്യത്തിൽ നിന്ന് വരച്ചു. ഭീമമായ ഡാറ്റാ നഷ്ടമായിരുന്നു അത്.

ഈ മണ്ടത്തരം കണ്ടെത്തുക എന്നത് ഒരുപക്ഷേ ബുദ്ധിമുട്ടുള്ള കാര്യമല്ലായിരുന്നു, എന്നാൽ അതൊരു കൃത്യമായ ഗണിതശാസ്ത്ര സമവാക്യമാക്കി മാറ്റുക എന്നതായിരുന്നു അസാധ്യമായ വെല്ലുവിളി. മുമ്പ് കടന്നുപോയ ഫ്രെയിമുമായി താരതമ്യം ചെയ്യുമ്പോൾ പുതിയ ഫ്രെയിമിൽ എന്താണ് മാറിയത് എന്ന് ഒരു മെഷീനെക്കൊണ്ട് സെക്കൻഡിൽ അറുപത് തവണ ഒരൊറ്റ തടസ്സവുമില്ലാതെ കൃത്യമായി കണ്ടുപിടിപ്പിക്കുക എന്നത് ഒരു അമാനുഷിക ബുദ്ധി തന്നെ ആവശ്യപ്പെടുന്ന കാര്യമായിരുന്നു. സിഗ്നൽ ഏതാണ്, ചവറായ നോയിസ് ഏതാണ് എന്ന് വിരൽത്തുമ്പിൽ അറിയാവുന്ന ഒരാൾക്കേ അത് സാധിക്കുമായിരുന്നുള്ളൂ. ബഹിരാകാശത്ത് സഞ്ചരിക്കുന്ന ഒരു പേടകത്തിന് താൻ നിൽക്കുന്ന സ്ഥാനം ഒരു മില്ലിമീറ്റർ തെറ്റിയാൽ പോലും ദൗത്യം തകരുമെന്ന് തിരിച്ചറിഞ്ഞ ഒരു പ്രതിഭയ്ക്ക് മാത്രമേ അത് സാധ്യമാകുമായിരുന്നുള്ളൂ.

അരുൺ നേത്രാവലി എന്നായിരുന്നു അദ്ദേഹത്തിന്റെ പേര്.

ബ്രിട്ടീഷ് ഭരണത്തിന്റെ അവസാന നാളുകളിൽ, ഇന്നത്തെ കർണാടകയിലെ അങ്കോല എന്ന ചെറിയ തീരദേശ ഗ്രാമത്തിലാണ് അദ്ദേഹം ജനിക്കുന്നത്. മുംബൈ ഐ ഐ ടി യിൽ നിന്ന് ഇലക്ട്രിക്കൽ എഞ്ചിനീയറിംഗിൽ സ്വർണ്ണപ്പതക്കത്തോടെ പഠനം പൂർത്തിയാക്കിയ അദ്ദേഹം, അക്കാലത്തെ കഴിവുറ്റ പലരെയും പോലെ ഉന്നതപഠനത്തിനായി ഇന്ത്യ വിട്ടു. അത് നാടിനോടുള്ള വെറുപ്പുകൊണ്ടായിരുന്നില്ല, മറിച്ച് താൻ സ്വപ്നം കണ്ട അത്യന്താധുനിക ഗവേഷണ സൗകര്യങ്ങൾ അന്ന് ഇവിടെ ഇല്ലായിരുന്നു എന്നതുകൊണ്ടാണ്. അദ്ദേഹം ചെന്നെത്തിയത് അമേരിക്കയിലെ റൈസ് യൂണിവേഴ്സിറ്റിയിലാണ്. ഇരുപതുകളുടെ മധ്യത്തിൽ തന്നെ മാസ്റ്റേഴ്സും പി എച്ച് ഡിയും പൂർത്തിയാക്കിയ നേത്രാവലി എത്തിയത് അക്കാലത്തെ ലോകത്തിന്റെ ശാസ്ത്ര തലസ്ഥാനമായ ഹൂസ്റ്റണിലായിരുന്നു.

അവിടെ അമേരിക്കയുടെ അഭിമാനമായ നാസയിൽ അദ്ദേഹം രണ്ട് വർഷം ജോലി ചെയ്തു. ടെലിവിഷനോ വിനോദോപാധികളോ ഉണ്ടാക്കാനല്ല അദ്ദേഹം അവിടെ ഇരുന്നത്. പിൽക്കാലത്ത് ലോകം അത്ഭുതത്തോടെ നോക്കിക്കണ്ട സ്പേസ് ഷട്ടിൽ പ്രോഗ്രാമിന്റെ ഗൈഡൻസ്, കൺട്രോൾ, ഫിൽറ്ററിങ് മാത്തമാറ്റിക്സ് എന്നിവയിലായിരുന്നു അദ്ദേഹത്തിന്റെ ഗവേഷണം. ഒരു ചെറിയ തെറ്റിന് പോലും വലിയ ജീവനുകളുടെ വില കൊടുക്കേണ്ടി വരുന്ന, പരാജയങ്ങൾക്ക് യാതൊരു സ്ഥാനവുമില്ലാത്ത ഒരു ലോകമായിരുന്നു അത്. ബഹിരാകാശ വാഹനത്തിന്റെ സെൻസറുകളിൽ നിന്ന് വരുന്ന കോടിക്കണക്കിന് നോയിസുകളിൽ നിന്നും യഥാർത്ഥ സിഗ്നൽ മാത്രം എങ്ങനെ വേർതിരിച്ചെടുക്കാം എന്ന തീവ്രമായ ഗണിതമാണ് അദ്ദേഹം അവിടെ സ്വായത്തമാക്കിയത്.

ആ അനുഭവസമ്പത്തുമായി 1972-ൽ അദ്ദേഹം ലോകപ്രശസ്തമായ ബെൽ ലാബ്സിൽ ചേർന്നു. ലോകത്തെ മുഴുവൻ അടിമുടി മാറ്റിയ ട്രാൻസിസ്റ്റർ പിറന്ന, ഇൻഫർമേഷൻ തിയറിയുടെ പിതാവായ ക്ലോഡ് ഷാനൻ തന്റെ ഇതിഹാസ തുല്യമായ പരീക്ഷണങ്ങൾ നടത്തിയ അതേ ബെൽ ലാബ്സ്. ഒരു സന്ദേശത്തിന്റെ അർത്ഥം ഒട്ടും ചോർന്നുപോകാതെ അതിൽ നിന്ന് അനാവശ്യമായ വിവരങ്ങളെ എങ്ങനെ പരമാവധി ഒഴിവാക്കാം എന്നതായിരുന്നു ഷാനന്റെ അന്വേഷണം. ഈ ബെൽ ലാബ്സിലേക്കാണ് നേത്രാവലി ആ വലിയ ലക്ഷ്യവുമായി എത്തിയത്: അനാവശ്യമായ ഒരു ബിറ്റ് ഡാറ്റ പോലും ഉപയോഗിക്കാതെ ഏറ്റവും ശുദ്ധമായ ദൃശ്യങ്ങളെ എങ്ങനെ കൈമാറാം?

ആ കാലഘട്ടത്തിൽ ബെൽ ലാബ്സിന്റെ സാമ്രാജ്യം മുഴുവൻ നിലനിന്നിരുന്നത് ചെമ്പുകമ്പികളിലൂടെയുള്ള ലാൻഡ്‌ലൈൻ ടെലിഫോണുകളിലായിരുന്നു. മനുഷ്യന്റെ സംസാരം മാത്രം കടത്തിവിടാൻ ശേഷിയുള്ള വളരെ ചെറിയ ബാൻഡ്‌വിഡ്ത്ത് മാത്രമുള്ള കേബിളുകൾ. അങ്ങോട്ട് ഒരു വീഡിയോ അയക്കുക എന്നത് സ്വപ്നം കാണാൻ പോലും കഴിയില്ലായിരുന്നു. ഇതിനുമുമ്പ് രണ്ട് ഫ്രെയിമുകൾ തമ്മിലുള്ള വ്യത്യാസം മാത്രം അയക്കാൻ പലരും ശ്രമിച്ചിരുന്നു. എന്നാൽ ക്യാമറ ചെറുതായി ഒന്ന് ഷേക്ക് ആയാൽ പോലും ആ പഴയ വിദ്യകൾ പൂർണ്ണമായി പരാജയപ്പെട്ടുപോയിരുന്നു.

ഇവിടെയാണ് നേത്രാവലിയും അദ്ദേഹത്തിന്റെ സഹപ്രവർത്തകനായ ജെ ഡി റോബിൻസും ചേർന്ന് 1979-ൽ ലോകത്തെ ഞെട്ടിച്ച ആ ഗവേഷണ പ്രബന്ധം അവതരിപ്പിക്കുന്നത്. മോഷൻ കോമ്പൻസേറ്റഡ് പ്രെഡിക്ഷൻ എന്നായിരുന്നു ആ വിപ്ലവത്തിന്റെ പേര്. അവർ ഈ സങ്കീർണ്ണമായ പ്രശ്നത്തെ വളരെ കൃത്യമായ നാല് ഘട്ടങ്ങളിലൂടെ പരിഹരിച്ചു.

ഒന്നാമതായി മോഷൻ എസ്റ്റിമേഷൻ. ഒരു മുഴുവൻ ഫ്രെയിമിനെ വെറുതെ നോക്കുന്നതിന് പകരം, അവർ ഓരോ ഫ്രെയിമിനെയും ചെറിയ ചെറിയ ചതുരക്കട്ടകളായി, അതായത് പതിനാറ് പിക്സൽ വീതിയും പതിനാറ് പിക്സൽ നീളവുമുള്ള ബ്ലോക്കുകളായി വിഭജിച്ചു. എന്നിട്ട് പുതിയ ഫ്രെയിം വരുമ്പോൾ ഈ ചതുരക്കട്ട എങ്ങോട്ടാണ് നീങ്ങിയത് എന്ന് സിസ്റ്റം പഴയ ഫ്രെയിമിൽ തിരയും. ഒരു വസ്തു മൂന്ന് പിക്സൽ വലത്തോട്ടാണോ ഒരു പിക്സൽ താഴോട്ടാണോ മാറിയത് എന്ന് അത്ഭുതകരമായ ഗണിതം ഉപയോഗിച്ച് അവർ കണ്ടെത്തി. ഇതിന് അവർ നൽകിയ പേരാണ് മോഷൻ വെക്ടർ. ആ മുഴുവൻ ബ്ലോക്കിലെ പതിനായിരക്കണക്കിന് നിറങ്ങൾ അയക്കുന്നതിന് പകരം, അത് എക്സ് ആക്സിസിലും വൈ ആക്സിസിലും എത്ര മാറി എന്ന് പറയുന്ന വളരെ ചെറിയൊരു അക്കക്കൂട്ടം, അതായത് മോഷൻ വെക്ടർ മാത്രം അയച്ചാൽ മതിയാകും.

രണ്ടാമതായി പ്രെഡിക്ഷൻ. ഈ മോഷൻ വെക്ടർ കിട്ടിക്കഴിഞ്ഞാൽ നിങ്ങളുടെ ഫോണിലെ ഡീകോഡറിന് കാര്യം മനസ്സിലാകും. പഴയ ഫ്രെയിമിലെ അതേ ഭാഗം തന്നെയാണ് ഇവിടെയും ഉള്ളത്, അത് അല്പം സ്ഥാനം മാറിയെന്നേ ഉള്ളൂ എന്ന് സിസ്റ്റം മുൻകൂട്ടി പ്രവചിച്ചെടുക്കുന്നു.

എന്നാൽ മൂന്നാമതായി ഒരു വലിയ വെല്ലുവിളിയുണ്ട്, അതാണ് റെസിഡ്യുവൽ. മെഷീൻ എത്ര കൃത്യമായി പ്രവചിച്ചാലും അത് നൂറു ശതമാനം ശരിയാകണമെന്നില്ലല്ലോ. പുതിയ വെളിച്ചം വരാം, നിഴലുകൾ മാറാം, തിരിയുമ്പോൾ പുതിയ പ്രതലങ്ങൾ തെളിയാം. അതിനാൽ സിസ്റ്റം താൻ പ്രവചിച്ച ഫ്രെയിമും ക്യാമറ പകർത്തിയ പുതിയ യഥാർത്ഥ ഫ്രെയിമും തമ്മിൽ ഒത്തുനോക്കും. എന്നിട്ട് അവ തമ്മിലുള്ള വ്യത്യാസം മാത്രം എടുത്തുവെക്കും. ഇതിനെയാണ് റെസിഡ്യുവൽ അഥവാ പ്രവചനാതീതമായ എറർ എന്ന് വിളിക്കുന്നത്. ഈ ചെറിയ എറർ മാത്രം ഡാറ്റയായി അയച്ചാൽ മതി.

പക്ഷേ ശാസ്ത്രം അവിടെയും നിന്നില്ല. ഈ റെസിഡ്യുവലിനെ വീണ്ടും ചുരുക്കാൻ അവർ കണ്ടെത്തിയ ഗണിത വിദ്യയാണ് ഡിസ്ക്രീറ്റ് കൊസൈൻ ട്രാൻസ്ഫോം അഥവാ ഫ്രീക്വൻസി ട്രാൻസ്ഫോർമേഷൻ. സ്ക്രീനിലെ വിവരങ്ങളെ പിക്സലുകളായി കാണുന്നതിന് പകരം അതിനെ തരംഗങ്ങളാക്കി മാറ്റുകയാണ് ഇതിലൂടെ ചെയ്തത്. കടലിലെ ഓരോ ജലകണികയും എങ്ങനെ ചലിക്കുന്നു എന്ന് രേഖപ്പെടുത്തുന്നതിനേക്കാൾ എളുപ്പമാണല്ലോ വലിയ തിരമാലകളുടെ താളം പറയുക. അതുപോലെ ചിത്രത്തിലെ വിവരങ്ങളെ ഈ ഗണിതം വലിയ വേവ് പാറ്റേണുകളാക്കി മാറ്റി.

ഇനി ഏറ്റവും രസകരമായ നാലാമത്തെ ഘട്ടമാണ് ക്വാണ്ടൈസേഷൻ. 1977-ൽ നേത്രാവലിയും സംഘവും നടത്തിയ സ്പേഷ്യൽ മാസ്കിങ് എന്ന പഠനമാണ് ഇതിന് വിത്തുപാകിയത്. മനുഷ്യന്റെ കണ്ണ് എന്നത് എല്ലാ കാര്യങ്ങളും കൃത്യമായി ഒപ്പിയെടുക്കുന്ന ഒരു യന്ത്രമല്ലെന്ന് അദ്ദേഹം തിരിച്ചറിഞ്ഞു. ദശലക്ഷക്കണക്കിന് വർഷത്തെ അതിജീവന പോരാട്ടത്തിലൂടെ പരിണമിച്ച നമ്മുടെ കണ്ണുകൾ വേട്ടക്കാരെയും ഇരകളെയും അതിരുകളെയും മുഖങ്ങളെയും ചലനങ്ങളെയും മാത്രമാണ് അതിവേഗം തിരയുന്നത്. എന്നാൽ നിഴലുകൾക്കുള്ളിലെ നേർത്ത മാറ്റങ്ങളോ കാറ്റിലാടുന്ന പുല്ലുകളിലോ മണൽത്തരികളിലോ ഉള്ള മാറ്റങ്ങളോ നമ്മുടെ തലച്ചോറ് കാര്യമാക്കാറില്ല. അത് അതിനെ വെറുമൊരു ബാക്ക്ഗ്രൗണ്ട് ആയി തള്ളിക്കളയും.

മനുഷ്യന്റെ കണ്ണ് ശ്രദ്ധിക്കാത്ത വിവരങ്ങൾ അയക്കാൻ എന്തിനാണ് വിലപ്പെട്ട ഇന്റർനെറ്റ് പാഴാക്കുന്നത്? അവിടെയാണ് ക്വാണ്ടൈസേഷൻ വരുന്നത്. കണ്ണ് കാണാത്ത സൂക്ഷ്മ വിവരങ്ങളെ സിസ്റ്റം കണക്കിൽ നമ്മൾ റൗണ്ട് ഓഫ് ചെയ്യുന്നത് പോലെ വെട്ടി ചെറുതാക്കും. ഇതിനെ നമ്മൾ ലോസി കംപ്രഷൻ എന്ന് വിളിക്കുന്നു. ഇതൊരു വിട്ടുവീഴ്ചയാണ്. മനുഷ്യന്റെ ഈ പരിമിതിയെ ചരിത്രത്തിലെ ഏറ്റവും വലിയ സാങ്കേതിക നേട്ടമാക്കി മാറ്റുകയായിരുന്നു നേത്രാവലി. ഇതിനുശേഷം വരുന്ന എൻട്രോപ്പി കോഡിങ് വഴി, കമ്പ്യൂട്ടർ കോഡുകൾ കൂടുതൽ വരുന്ന വിവരങ്ങൾക്ക് ചെറിയ കോഡുകളും അപൂർവ്വമായി വരുന്നവയ്ക്ക് വലിയ കോഡുകളും നൽകി ഒരു വിവരവും ചോർന്നുപോകാതെ ഭദ്രമായി പാക്ക് ചെയ്യുന്നു.

ഈ പ്രക്രിയ സുഗമമായി നടക്കാൻ എല്ലാ വീഡിയോ ഫ്രെയിമുകളെയും അവർ മൂന്നായി തരംതിരിച്ചു: ഐ ഫ്രെയിം, പി ഫ്രെയിം, ബി ഫ്രെയിം. ഐ ഫ്രെയിം എന്നാൽ ഇൻട്രാ ഫ്രെയിം, യാതൊരു സഹായവുമില്ലാതെ തനിയെ നിൽക്കുന്ന ഒരു പൂർണ്ണ ചിത്രം. പി ഫ്രെയിം എന്നാൽ മുന്നിലുള്ളതിനെ മാത്രം നോക്കി പ്രവചിക്കുന്ന പ്രെഡിക്റ്റീവ് ഫ്രെയിം. ബി ഫ്രെയിം എന്നാൽ മുന്നിലെയും പിന്നിലെയും ഫ്രെയിമുകളിൽ നിന്ന് വിവരങ്ങൾ എടുക്കുന്ന ബൈഡയറക്ഷണൽ ഫ്രെയിം, ഇതിനാണ് ഏറ്റവും കുറഞ്ഞ ഡാറ്റ വേണ്ടത്. ഇവയെ ഒരു പ്രത്യേക ക്രമത്തിൽ അടുക്കിവെക്കുന്നതിനെ ഗ്രൂപ്പ് ഓഫ് പിക്ചേഴ്സ് എന്ന് വിളിക്കുന്നു. നിങ്ങൾ യൂട്യൂബിൽ പത്ത് സെക്കൻഡ് മുന്നോട്ട് സ്കിപ്പ് ചെയ്യുമ്പോൾ വീഡിയോ പെട്ടെന്ന് അവിടെനിന്ന് പ്ലേ ആകുന്നത് ആ സ്ഥാനത്ത് ഒരു ഐ ഫ്രെയിം ഉള്ളതുകൊണ്ടാണ്.

നമ്മൾ സാധാരണ കേൾക്കുന്ന MP4 എന്നത് വെറുമൊരു പെട്ടി മാത്രമാണ്, അതിനുള്ളിൽ ഓഡിയോയും വീഡിയോയും സൂക്ഷിക്കുന്ന ഒരു കണ്ടെയ്നർ. എന്നാൽ അതിനുള്ളിലെ ദൃശ്യങ്ങളെ മാന്ത്രികമായി ചുരുക്കി വെക്കുന്നത് എച്ച് ടു സിക്സ്റ്റി ഫോർ, എച്ച് ഇ വി സി, എ വി വൺ തുടങ്ങിയ കോഡെക്കുകളാണ്. ബെൽ ലാബ്സിലെ ഈ ഗവേഷണങ്ങൾ പിൽക്കാലത്ത് MPEG1, MPEG2, MPEG3 എന്നീ സ്റ്റാൻഡേർഡുകളായി മാറി. അമേരിക്ക തങ്ങളുടെ ടിവി സംപ്രേക്ഷണം അനലോഗിൽ നിന്ന് ഡിജിറ്റലിലേക്ക് മാറ്റിയപ്പോൾ, നേത്രാവലിയുടെ ഈ സാങ്കേതികവിദ്യയാണ് അവരുടെ ഡിജിറ്റൽ ഹൈ ഡെഫനിഷൻ ടിവിയുടെ നെടുംതൂണായത്. സ്ക്രീനിൽ മിന്നിമറയുന്ന താരങ്ങൾക്ക് മാത്രം ലഭിക്കാറുള്ള ലോകപ്രശസ്തമായ എമ്മി അവാർഡ് 1994-ൽ ഈ ഗണിതശാസ്ത്രത്തിന് ലഭിച്ചു.

എന്നാൽ ഈ കംപ്രഷൻ എല്ലാപ്പോഴും കൃത്യമായിരിക്കണമെന്നില്ല. നിങ്ങൾ ഒരു ഫുട്ബോൾ മത്സരമോ അവാർഡ് ദാന ചടങ്ങോ കാണുമ്പോൾ ഗ്രൗണ്ടിലേക്ക് ലക്ഷക്കണക്കിന് ചെറിയ വർണ്ണക്കടലാസുകൾ അഥവാ കോൺഫെറ്റി പറന്നുവീഴുന്നത് കണ്ടിട്ടുണ്ടോ? ആ നിമിഷം വീഡിയോ പെട്ടെന്ന് കട്ടപിടിക്കുകയോ ബ്ലർ ആവുകയോ ചെയ്യുന്നത് നിങ്ങൾ ശ്രദ്ധിച്ചിട്ടുണ്ടാകും. എന്തുകൊണ്ടാണത്? ലക്ഷക്കണക്കിന് കടലാസുകൾ പല ദിശയിലേക്ക് പാറിപ്പറക്കുമ്പോൾ ആ മോഷൻ വെക്ടറുകൾക്ക് എങ്ങോട്ട് നീങ്ങണമെന്ന് പ്രവചിക്കാൻ കഴിയില്ല. സിസ്റ്റം പൂർണ്ണമായും കുഴങ്ങിപ്പോകും, റെസിഡ്യുവൽ ഡാറ്റ താങ്ങാനാവാത്ത വിധം ഉയരും, ഇന്റർനെറ്റിന് അത് കൈകാര്യം ചെയ്യാൻ കഴിയാതെ വരുമ്പോൾ സിസ്റ്റം തന്നെ ഡീറ്റെയിലുകൾ വെട്ടിച്ചുരുക്കും. അതാണ് ആ ബ്ലോക്കിങ്. ഇരുട്ടുള്ള രംഗങ്ങളിൽ കളറുകൾ വട്ടത്തിൽ വികൃതമായി കാണുന്ന ബാൻഡിങ്ങും ഇതിന്റെ പരിമിതിയാണ്.

ഇന്ന് ഇന്റർനെറ്റിലെ എൺപത് ശതമാനത്തിലധികം ട്രാഫിക്കും വീഡിയോകളാണ്. ഈ അസാധാരണ സംഭാവനകൾക്ക് അമേരിക്കൻ പ്രസിഡന്റ് ജോർജ്ജ് ഡബ്ലിയു ബുഷിൽ നിന്ന് ടെക്നോളജിക്കുള്ള നാഷണൽ മെഡലും, ഇന്ത്യൻ സർക്കാരിന്റെ പത്മഭൂഷണും, മാർക്കോണി പ്രൈസും നേടി ഒടുവിൽ 2021-ൽ തന്റെ എഴുപത്തിയാറാം വയസ്സിൽ അദ്ദേഹം വിടവാങ്ങി.

അരുൺ നേത്രാവലിയുടെ ജീവിതവും ഈ ഗംഭീരമായ എഞ്ചിനീയറിംഗും നമുക്ക് നൽകുന്ന ഒരു വലിയ പാഠമുണ്ട്. ക്യാമറ ഒപ്പിയെടുക്കുന്ന പ്രകൃതിയുടെ യാഥാർത്ഥ്യവും മനുഷ്യന്റെ കണ്ണ് തിരിച്ചറിയുന്ന യാഥാർത്ഥ്യവും തമ്മിൽ വലിയൊരു അന്തരമുണ്ട്. അടുത്ത തവണ നിങ്ങളുടെ ഫോൺ സ്ക്രീനിൽ തെളിയുന്ന മനോഹരമായ ഒരു 4K ദൃശ്യത്തിലേക്ക് നോക്കുമ്പോൾ ഓർക്കുക, നിങ്ങൾ കാണുന്നത് പ്രകൃതിയുടെ സമ്പൂർണ്ണ യാഥാർത്ഥ്യമല്ല, മറിച്ച് മനുഷ്യന്റെ പരിമിതികളെ മനസ്സിലാക്കി ഒരു അസാധാരണ പ്രതിഭ നമുക്കായി മാത്രം പുനർനിർമ്മിച്ചു തന്ന അത്ഭുതകരമായ ഒരു മായക്കാഴ്ച മാത്രമാണ്. എല്ലാ വിവരങ്ങളും വാരിവലിച്ചു ചേർക്കുന്നതിലല്ല, മറിച്ച് ആവശ്യമില്ലാത്തവയെ വിവേകത്തോടെ ഉപേക്ഷിക്കുന്നതിലാണ് ഈ ലോകത്തിന്റെ പുരോഗതി കുടികൊള്ളുന്നത് എന്ന് ഈ കഥ നമ്മെ ഓർമ്മിപ്പിക്കുന്നു.