7-Zip圧縮速度が核心コードに触れず97%向上：「アマチュア」とAIによる極限最適化の実験

AIインキュベーターのYusheng Scienceは、プログラミング経験のない従業員を用いて7-Zipの最適化を完了しました。そのアイデアは、すべてのファイルに一律の戦略を適用するのではなく、ファイルタイプに基づいてエンコーディング戦略を動的に選択する「コンテンツ認識ルーター」を使用して圧縮効率を向上させるというものでした。この最適化には、多層的な検出メカニズム（ファイルヘッダー認識、サンプル圧縮テスト、圧縮メディアの疑いがある場合の多点サンプリング）、10段階のルーティング戦略、および安全対策（サンプル比較、許容閾値、グループ分離）が含まれています。結果として、macOSでのマルチファイルアーカイブの圧縮速度が97.0%向上し、散文テキストで93.4%、Windowsでは通常80%以上向上し、ログファイルはサイズが40.4%削減され、整合性検証は100%成功しました。ただし、テキストおよびログファイルの解凍時間が2〜3倍増加し、5GBを超える非常に大きな非圧縮ファイルでは、誤判定により圧縮が遅くなる可能性があります。この最適化は非侵襲的です。つまり、コアアルゴリズムのコードは変更されておらず、ディスパッチレイヤーのみが変更されており、出力は標準の.7z形式のままで、公式の7-Zipで解凍できます。最適化されたバージョンはGitHub（https://github.com/sunmmer01/Optimization）でオープンソース化されています。Yusheng Scienceは、この実践が、AIがエンジニアの代替ではなく人間の洞察を増幅する新しいコラボレーションモデルを示すものであると述べています。