HN 日本語サマリー

← 一覧へ戻る
プログラミング

圧縮は予測である

Compression Is Prediction (ngrok.com)

608 pointsby nikolay252 コメント

要約

この記事は、データ圧縮の根本的な原理が予測にあることを解説しています。圧縮アルゴリズムは、データの冗長性を特定し、それをより効率的な表現に置き換えることで機能します。このプロセスは、次に何が来るかを予測し、その予測に基づいてデータをエンコードする機械学習の予測モデルと類似しています。この視点は、データ圧縮技術の理解を深めるだけでなく、機械学習モデルの設計にも示唆を与えます。

全文翻訳

圧縮は予測である

最近、圧縮について調べていたところ、驚くべき事実に行き当たりました。それは、圧縮アルゴリズムとLLM(大規模言語モデル)が、根本的には全く同じ問題を解決しようとしているということです。

この記事では、圧縮の基本を順を追って説明し、言語モデリングとの深い関係を理解していきます。おそらく、あなたの考えを覆すことになるでしょう。

圧縮はどのように機能するか

データを小さくする方法はたくさんあります。例えば「ミニフィケーション(minification)」を見てみましょう。これは、コードを機械が解析するために必要な最小限の要素まで削ぎ落とすことで機能します。人間が読める変数名は一文字に短縮され、空白やコメントは削除されます。

「Minify」をクリックして、実際の動作を見てみましょう。

元のソース、156文字:

// Sum every number in the list
function sumNumbers(numbers) {
  let total = 0;
  for (const number of numbers) {
    total += number;
  }
  return total;
}

コメントを削除し、変数名を一文字に短縮し、空白、波括弧、セミコロンを削除することで、62文字(60パーセント削減)にミニファイされました。

結果としてファイルはかなり小さくなりましたが、データ圧縮の分野でミニフィケーションが話題になることはほとんどありません。なぜでしょうか?

ミニフィケーションは非常に単純です。機械に必要な構文以外はすべて破棄します。しかし、「真の」圧縮は、データを凝縮するために冗長性に依存します。

9つのA、4つのB、2つのC、1つのD、3つのA、そして9つのDという文字列を考えてみましょう。ここには多くの冗長性があります。各文字の合計の連続を順に記録することで、この文字列をより短い文字列としてエンコードできます。

元の文字列:Aを9回、Bを4回、Cを2回、Dを1回、Aを3回、Dを9回 — 28文字、224ビット。

各連続をその文字と繰り返しの回数で置き換えると、A9B4C2D1A3D9 — 12文字、96ビット、57パーセント削減。

標準の8ビットASCIIエンコーディングを使用すると、元の文字列は224ビットを必要としますが、圧縮された文字列(「A9B4C2D1A3D9」)はわずか96ビットで済みます。悪くないですね!

上記のテクニックは圧縮方法の1つ(ランレングスエンコーディングと呼ばれます)にすぎませんが、さらに改善できます。gzipやBrotliなどの実際の圧縮アルゴリズムは、データを縮小するためにいくつかの方法に依存しています。見ていきましょう。

圧縮アルゴリズムの構造

最新の圧縮ツールの「器官」は、およそ3つあります:変換(transforms)、モデル(models)、エントロピーコーダー(entropy coders)です。これらの用語は明確で区別されるものとして話していますが、境界線は曖昧になることがあり、単独で使用されることはめったにありません。

  • 変換(Transforms)
  • モデル(Model)
  • エントロピーコーダー(Entropy Coder)

100101110

変換は、データを圧縮しやすくするための前処理ステップです。先ほど見た方法(ランレングスエンコーディング)は変換の例ですが、変換が必ずしもデータを縮小するわけではないことに注意してください。時には、より多くの冗長性を生み出すために使用されることもあり、冗長性が多ければ多いほど、後でより多く圧縮できます。この記事では変換に焦点を当てませんが、どの圧縮ツールにとっても重要な部分です。

モデルは、シンボル(文字、数字、トークン、あるいはバイナリコードなど、冗長性を探すために使用する単位)の頻度に基づいて、データの形状を記述します。今のところ、モデルを各シンボルに確率をマッピングするテーブルと考えることができますが、後で見るように、これらははるかに洗練されたものになります。

先ほどの文字列に基づいた例を見てみましょう。

元の文字列:Aを9回、Bを4回、Cを2回、Dを1回、Aを3回、Dを9回 — 28文字。

シンボルごとのカウント:Aが12回、Dが10回、Bが4回、Cが2回。

文字列内の各シンボルとその確率(最も頻繁なものから順)。

シンボル確率
A0.429
D0.357
B0.143
C0.071

エントロピーコーダーは、ほぼ常にすべての圧縮アルゴリズムの最終ステップであり、最終的な圧縮成果物、つまりファイル形式がラップする構造を持たない生のビットストリームを生成します。

この2つのステップに焦点を当てたいと思います。なぜなら、これが重要だからです。私たちのデータモデルは、データを可能な限り効率的にエンコードするための確率のセットをエントロピーコーダーに渡します。確率を入力すると、圧縮されたビットストリームが出力されます。

モデル

シンボル確率
A0.429
D0.357
B0.143
C0.071

エントロピーコーダー

100101110

さて、正直に言いましょう。これはまだ少し曖昧です。エントロピーコーダーは、これらの確率を一体どうするのでしょうか?それがどのようにして「圧縮」を行うのに役立つのでしょうか?

確率を使ったデータの圧縮

すべてのエントロピーコーダーはユニークな存在であり、確率を使ってデータを圧縮する方法は驚くほど異なります。話を簡単にするために、ここでは1つだけ、算術符号化(arithmetic coding)に焦点を当てます。これは、より良い確率がより良い圧縮につながることを最もよく示しているからです。

それに、とても面白いのです。

算術符号化

データセット全体を単一の数値で表現できると言ったらどうでしょう?クレイジーに聞こえますか?私もそう思いましたが、それがまさに算術符号化が約束することです。

文字列 A B A B A A C を圧縮したいとしましょう。各シンボル(文字)の確率を、文字列の総長である7で割った総数を割ることで求められます。

元の文字列:Aを1回、Bを1回、Aを1回、Bを1回、Aを2回、Cを1回 — 7文字。

シンボルごとのカウント:Aが4回、Bが2回、Cが1回。

文字列内の各シンボルとその確率(最も頻繁なものから順)。

シンボル確率
A0.571
B0.286
C0.143

これらの確率を0から1の範囲で表現できます。

0から1までの範囲を、各シンボルのセクションに分割します。各セクションの幅はそのシンボルの確率と同じで、最も幅の広いものから順に並べます。Aは0から0.571をカバーし、Bは0.571から0.857をカバーし、Cは0.857から1をカバーします。

この設定で、実際の圧縮を行う準備ができました。

文字列の各シンボルについて、「A」から始めて、そのシンボルのセクションに収まるように範囲を縮小します。重要なのは、新しい、より小さな範囲で、同じ確率で範囲を分割し続けることです。

矢印をクリックして各シンボルをエンコードし、範囲が時間とともにどのように縮小するかを見てみましょう:

シンボルがなくなると、非常に小さな範囲に行き着きます:[0.38730, 0.38855)。

混合括弧は意図的です。角括弧 [ ] は端点を含むことを意味し、丸括弧 ( ) は端点を含まないことを意味します。したがって、[0, 1) は「0から1までのすべての数値、0を含み1を含まない」という意味です。

私たちのデータ全体を表す最終的な数値は、この範囲内の任意の数値にすることができます。理想的には、可能な限り少ないビットを必要とする数値です。これは少しの数学で計算できますが、親切なので答えを教えましょう:0.3876953125。比較してみましょう。元の文字列 A B A B A A C は、生の8ビットASCIIコードでは合計56ビットを必要としますが、最終的な数値はわずか10ビットで済みます。

最終的な数値は浮動小数点数ではなく、バイナリ分数です。浮動小数点数もバイナリ分数ですが、固定幅であるため、必要かどうかに関わらず32ビットまたは64ビットを支払うことになります。私たちの場合は10ビットで済みました。

さて、魔法の数字を手に入れましたが、これを使って元のメッセージをデコードするにはどうすればよいでしょうか?しっかりしてください、これは魔法のトリックのように見えるでしょう。

算術符号化のデコード

私たちのデコーダーは、魔法の数値に加えて、圧縮に使用したのと同じ確率を受け取るため、[0, 1) という開始範囲を再構築できます。元のメッセージをデコードするには、魔法の数値がどのセクションに落ちるかを見つけ、そのシンボルを記録します。次に、範囲をそのセクションに収まるように縮小し、プロセス全体を繰り返します。

試してみてください:

面白いでしょう?

これで、エントロピーコーダーが確率のセットを使用してデータを圧縮する方法を見てきました。算術符号化は(私だけがそう思っているわけではないですよね?)クールですが、多くの重労働はモデルによって行われます。覚えておいてください:圧縮は冗長性を愛します。これを踏まえると、シンボルの繰り返しが多ければどうなると思いますか?

確率が圧縮にどう影響するか

文字Aが支配的で、確率が0.833の新しい文字列を見てみましょう。

元の文字列:Aを10回、Bを1回、Cを1回 — 12文字。

シンボルごとのカウント:Aが10回、Bが1回、Cが1回。

文字列内の各シンボルとその確率(最も頻繁なものから順)。

シンボル確率
A0.833
B0.083
C0.083

この偏った確率分布は大きな違いを生むことがわかりました。算術符号化を適用した場合、古い文字列と比較してみましょう。

A B A B A A CA A A A A A A A A A B C
長さ7シンボル12シンボル
生ASCII56ビット96ビット
圧縮出力サイズ約10ビット約10ビット
シンボルあたりの平均ビット数1.38ビット0.82ビット
最終的な数値0.38769531250.1474609375

最初の文字列はシンボルあたり平均1.38ビットに圧縮できましたが、より長い文字列はシンボルあたり平均0.82ビットに圧縮できました。データがより偏っている(つまり、一部のシンボルの確率が高いほど)、圧縮率は向上します。

このシンボルあたりの平均ビット数は非常に重要な数値です。これはエントロピーと呼ばれ、圧縮の基盤です。

「待てよ、エントロピーは物理学の概念ではないか?」とあなたは尋ねるかもしれません。そうです!しかし、ここで話しているのはシャノンエントロピーであり、これはデータ圧縮(情報理論の分野)に関連しています。クールなのは、その数学的公式が熱力学におけるギブスのエントロピーの公式とほぼ同じであることです。すごいでしょう?

エントロピー

次の文章を考えてみましょう。

「昨日、街を歩いていると動物を見た。それは**

**だった。」

空欄を埋めるのに、いくつの推測が必要だと思いますか?もしbirdのような一般的な動物だったら、最初の試みで当てられるかもしれません。しかし、答えがbearだったらどうでしょう?おそらくかなりの推測が必要になるでしょう。

これらの可能な答えと、それらを分数で表した確率を以下に示します。

1/2

1/4

1/8

1/16

1/16

bird

squirrel

cat

fox

bear

確率を知っていれば、動物ごとに平均して、正しく推測するのに必要な推測の回数を実際に計算できます。

各動物が前の動物の半分の確率であることに注意してください。foxとbear(これらは確率なので、合計は1になる必要があります)は例外です。最も確率の高い動物から順に推測した場合、毎回50/50の確率で正解できます。そのため、イエス/ノーの決定木を使用して、与えられた動物を(平均して)推測するのに必要な推測の回数を決定できます。最も確率の高い動物から始めて、下にたどっていきます。

動物に関するイエス/ノーの決定木。それがbirdか?はいならbird、1回の推測。いいえなら、それがsquirrelか?はいならsquirrel、2回の推測。いいえなら、それがcatか?はいならcat、3回の推測。いいえなら、それがfoxか?はいならfox、4回の推測。いいえならbear、4回の推測。

圧縮に戻りましょう。確率の高いシンボルは圧縮を助け、決定木でも同じパターンが見られます:確率の高い動物ほど推測回数が少なくて済みます。動物をシンボルとして扱い、イエスとノーを1と0に置き換えると、推測の回数は各シンボルを表すのに必要なビット数とまったく同じになります。各動物に到達するためにかかる1と0を記録すると、より一般的な動物は短い「コードワード」(一意のビットシーケンス)を持ち、まれな動物は長いコードワードを持つことがわかります。

動物に関するイエス/ノーの木。各「はい」の枝は1でラベル付けされ、各「いいえ」の枝は0でラベル付けされているため、動物のコードワードはそれに到達する枝のラベルです。それがbirdか?はいならbird、コードワード1。いいえなら、それがsquirrelか?はいならsquirrel、コードワード01。いいえなら、それがcatか?はいならcat、コードワード001。いいえなら、それがfoxか?はいならfox、コードワード0001。いいえならbear、コードワード0000。

このようにシンボルにコードワードを割り当てるのは、実際にはハフマン符号化と呼ばれる別のタイプのエントロピーコーダーであり、gzipやBrotliのような人気のあるツールで使用されています。算術符号化のようにデータを単一の数値にエンコードする代わりに、ハフマン法は各シンボルを表すコードワードを作成します。

しかし、問題があります。確率がちょうど半分にきれいに分割されていない場合はどうなるでしょうか?catの確率が0.3973だった場合、catであるかcatでないかの確率は50/50ではなくなります。ツリーのすべてのパスは整数の「推測」回数になるため、丸めざるを得ず、丸めは不要なビットに支払いを意味します。与えられたシンボルを表すのに必要な絶対最小ビット数をどのように知ることができるでしょうか?

少しの数学で計算できることがわかりました。

ビット数

=

確率の負の対数(底2)

動物の確率を代入すると、決定木からのビット数と同じ数値を推測回数として得られます。

シンボル確率の負の対数(底2)ビット数
bird0.5 の負の対数(底2)1
squirrel0.25 の負の対数(底2)2
cat0.125 の負の対数(底2)3
fox0.0625 の負の対数(底2)4
bear0.0625 の負の対数(底2)4

すべてのシンボルの確率の負の対数(底2)の平均値を取得すると、エントロピーがわかります。

エントロピーについて理解すべき最も重要なことは、それが下限であるということです。これは、与えられたデータセットで達成できるシンボルあたりの最小ビット数です。それ以上小さくすることはできません。

注:この下限は、データを失いたくない場合にのみ適用されますが、JPEGやMP3のような圧縮アルゴリズムは、見過ごされるような詳細を捨てることで、より小さくすることができます。これは可逆圧縮と呼ばれます。ここで議論されているすべては、データが失われない可逆圧縮に関するものですが、どちらもデータを縮小するためにモデルと確率に依存しています。

しかし、待ってください。データを圧縮できる量に本当に限界があるなら、なぜすべてに使用される単一のメガゴッドコンプレッサーが存在しないのでしょうか?それは、エントロピーが特定の確率のセットに固有だからです。確率分布をより偏ったものにできれば、さらに圧縮できます。

しかし、どうすればそれができるのでしょうか?

文脈が重要

これまでは、シンボルの頻度のみを気にする非常に単純なタイプのモデルを扱ってきました。カウント / 総シンボル数 = その確率。

しかし、文脈はシンボルの確率に大きく影響します。たとえば、英語全体では、文字Uの確率は約0.028です。しかし、Qの後に続くと、これは約0.999に急上昇します。

すごい!

さらに、確率が高いほど、より少ないビットで圧縮されます。これは算術符号化のセクションで以前に見ましたが、数学で証明できます。

  • U: 0.028 の負の対数(底2) ≈ 5.158 ビット
  • U (Qの後に続く場合): 0.999 の負の対数(底2) ≈ 0.001 ビット

シンボルの確率を決定するために単一の文脈を使用することは、オーダー1(order-1)モデルと呼ばれます。「(ある文脈)が与えられたとき、(シンボル)の確率は?」という質問に答えます。オーダー1では、前のシンボルを文脈として考慮しますが、これをオーダー2(order-2)、オーダー3(order-3)、オーダー4(order-4)などに拡張でき、これらは前のN個のシンボルを見ます。

しかし、これをエントロピーコーダーにどのように渡すのでしょうか?以前のモデルはシンボルごとの確率のテーブルでしたが、文脈があると、各先行シンボルごとに1つのテーブルのセット全体が突然現れます。では、どうすればよいでしょうか?

オーダー1モデルを使用して、文字列「TO BE OR NOT TO BE」に算術符号化を適用した場合に何が起こるか見てみましょう。エンコードする各シンボルとともに、新しい範囲には異なる確率セットが含まれることに注意してください。

試してみてください:

では、オーダーNモデルの使用は圧縮にどの程度影響するのでしょうか?

見てみましょう。

(文脈なし)オーダー1
長さ18シンボル18シンボル
生ASCII144ビット144ビット
圧縮出力サイズ約47ビット約21ビット
シンボルあたりの平均ビット数2.59ビット1.16ビット
最終的な数値0.0499914009290.058705

すごい!オーダー1モデルを使用すると、圧縮出力が半分以上に削減されました!明らかに、文脈を追加すると、より強力な確率が得られます。言い換えれば、次にどのシンボルが来るかを予測するのに役立ちます。

他に何が予測に非常に優れているか知っていますか?

言語モデリングと圧縮

LLMと圧縮の間には重複があると言うのは、過小評価でしょう。実際、2023年には、Google DeepMindが論文を発表し、言語モデリングと圧縮は同じものの2つの見方であると主張しました。

これは奇妙な主張に思えるかもしれません。結局のところ、LLMを使用するときは、AIチャットボットにプロンプトを入力して応答を得ることを考えるでしょう。それがどうして圧縮なのでしょうか?

まあ、そうではありませんが、ついてきてください。

LLMは「高度なオートコンプリート」と説明されることがあるかもしれませんが、これは本質的に真実です。LLMにプロンプトを送信すると、それがモデルが次の可能な単語の確率のセットを返すために使用する文脈になります。次に、そのオプションの1つを選択し、文脈に追加します。これを繰り返します。それがLLMがテキストを生成する方法です。

試してみてください:

ステップ1:モデルは次のトークンの確率分布を予測しました。

PROMPT

TheraininSpain

予測された単語

  • falls 0.65
  • stays 0.15
  • comes 0.10
  • pours 0.06
  • goes 0.04

ついでに、用語を整理しましょう。LLMでは、返されるのは厳密には「単語」ではなく、単語または単語の一部を表す数値であるトークンです。トークンは、LLMが文脈を解析し、応答を生成するために使用する語彙です。

ここで考えてみましょう。エントロピーコーダーは最終的な生のビットストリームを生成するものですが、それ自体には、より良い結果を得るために調整できるものはありません。それらは固定されており、決定的で、可逆です。より良い圧縮が必要な場合は、モデルを調整して、シンボルあたりの確率を高くする必要があります。言い換えれば、より良い予測子が必要です。そして、予測に関しては、LLMは基本的に最高レベルです。

モデル(LLM)

シンボル(トークン)確率
falls0.65
stays0.15
comes0.10
pours0.06
goes0.04

エントロピーコーダー

100101110

圧縮にLLMを使用することは、テキスト生成に使用する方法と似ていますが、次の単語を選択しない点が異なります。なぜでしょうか?新しいテキストを生成しようとしているわけではないからです。次の単語はすでにわかっています!仕組みは次のとおりです。前のトークン(つまり、文脈)に基づいて、モデルは「次に続くと思われるトークンとその確率」と言います。次に、実際の次のシンボルを確認します。モデルが割り当てた確率は、ビット単位のコストを決定します。モデルがうまくトレーニングされていれば、モデルが最も高い確率を付けたトークンが実際の次のシンボルになります。

デモをステップ実行する際に、各トークンがエンコードされるたびに、合計ビット数(一番上)が確率に基づいてどのように増加するかを観察してください。ここでも、各トークンを表すのに必要なビット数は、確率の負の対数(底2)によって決定されます。

0.00 ビット

トークン1/9:モデルは次のトークンの確率分布を予測しました。

PROMPT

TheraininSpainfallsmainlyontheplain

予測された単語

  • The 0.45
  • A 0.25
  • In 0.15
  • It 0.10
  • This 0.05

ここで、モデルがうまくトレーニングされていない場合、代償を支払います。たとえば、文脈が「The rain in」の場合、トレーニング不足のモデルは「Bermuda」に0.82の確率を与えるかもしれませんが、実際の次の単語は「Spain」であり、それに0.02の確率を割り当てました。覚えておいてください、確率が低いほど多くのビットが必要になるため、モデルは間違った推測をしたことでペナルティを受けます。

Bermuda(モデルの自信のある推測)
確率0.82 の負の対数(底2)= 0.29 ビット

Spain(実際の次の単語)
確率0.02 の負の対数(底2)= 5.64 ビット

算術符号化でもこれらの違いを見ることができます。覚えておいてください:各シンボルをエンコードする際に、より小さく、より小さな範囲が残ります。確率の小さいシンボル(モデルが悪い推測をしたときなど)をエンコードすると、範囲はさらに小さくなります。最終的な数値はこの範囲に収まる必要があり、範囲が小さいほど、より多くの精度が必要になります。より多くの精度 = より多くの桁 = より多くのビット。

2つのモック算術符号化図。良いモデルは高い確率のスライスをエンコードし続けるため、範囲は3つのレベルで広く保たれます。悪いモデルは低い確率のスライスをエンコードし続けるため、範囲は細い線に収縮します。

良いモデル

最終的な範囲は数値0.61328125にエンコードされます

(9ビット)

悪いモデル

最終的な範囲は数値0.8193759582936763763427734375にエンコードされます

(28ビット)

コンピュータは「部分的な」ビットを扱えないため、実際の合計は切り上げられます。

とはいえ、今日の基準では古いと見なされるような古いLLMでさえ、印象的な圧縮率を達成できます。有名なチャールズ・ディケンズの引用を圧縮する際に、オーダー1モデルがGPT-2と算術符号化を比較した場合の例を次に示します。

「It was the best of times, it was the worst of times, it was the age of wisdom, it was the age of foolishness, it was the epoch of belief, it was the epoch of incredulity, it was the season of Light, it was the season of Darkness.」

  • オーダー1: 434ビット · 元の24%
  • GPT-2: 176ビット · 元の10%

LLMが圧縮にそれほど優れているなら、なぜ everywhere で使用しないのでしょうか?

実社会での圧縮

残念ながら、モデルが圧縮にどれだけ優れているかだけでは、全体像はわかりません。圧縮ツールの目標は、データを可能な限り小さくすることだけではありません。それは、特定の資源制約を与えられた上で、データを可能な限り小さくすることです。

HTTPレスポンスを見てみましょう。ブラウザがウェブページをリクエストすると、Accept-Encoding: gzip, br のようなヘッダーを送信し、サーバーにデコードできる圧縮形式(gzip、Brotliなど)を伝えます。サーバーは、レスポンスを圧縮してから送信するためにいずれかを選択します。

サーバーがgzipを使用してレスポンスを圧縮していると仮定しましょう。ブラウザがこのレスポンスを受信すると、小さな組み込みモデルを使用してgzip圧縮されたビットストリームをHTML、CSS、JavaScriptにデコードします。オーバーヘッドはわずかです。代わりにこのジョブにLLMを使用した場合、ブラウザとサーバーの両方にLLMのコピーが必要になり、これは数ギガバイトになる可能性があります。これは優れた圧縮のための高い代償であり、まだ実行すらしていません。圧縮(および解凍)には大量のリソースが必要となり、ページ読み込み速度は使用不能なレベルまで低下します。すべてのスタイルシート、すべてのスクリプト、すべてのJSONペイロードでLLMを実行して圧縮および解凍することを想像してください。いやだ。

HTTPレスポンスを圧縮するような些細なタスクには、LLMは滑稽すぎるほどオーバースペックです。モデルのサイズを考慮すると、数KBを節約するためにギガバイトを出荷することになります。LLMを dwarfs するデータセットを圧縮しようとしている場合でも、天文学的な量の計算が必要なため、依然として非現実的です。

2つの側面、同じコイン

データをそのエントロピーまで圧縮することは、現時点では解決済みの問題です。1970年代後半に開発された算術符号化は、数ビットの範囲で限界に達しており、最近のエントロピーコーダーは比率ではなく速度とメモリで競合しています。

未解決の問題は、エントロピーをどれだけ小さくできるかということです。より良いモデル、つまりより良い予測子は、この数値を下げるのに役立ちます。LLMはこれに優れています(オーバーヘッドコストは別として)、しかし本当に興味深いのは、それらがまさにそのシンボルあたりのビット数を最小化するようにトレーニングされていることです。LLMではこれはクロスエントロピーと呼ばれますが、それは同じ根本的な公式です。したがって、圧縮ではエントロピーが物事をどれだけ小さく縮小できるかを測定するのに対し、言語モデリングでは、モデルを予測に優れさせるために削減する数値です。これについて詳しく知りたい場合は、Chris Olahによるこの記事をご覧ください。

結局のところ、LLMと圧縮アルゴリズムはどちらも予測子です。それらは同じ根本的な数学の2つの表現です。圧縮は予測であり、LLMは圧縮機です。