Ompression in

5 

Compression in SI and in ICTs 

 

Compression  is  by  no  means  a  technique  that  pertains  only  SI  but  is  widely 

employed  in  many  other  fields.  In  ICTs,  for  example,  there  are  many  different 

encoding  schemes  that  can  represent  information  with  fewer  bits  than  required 

otherwise. 

 

The  need  for  compression  in  the  ICT  sector  arose  following  the  exponential 

development of the World Wide Web, when large amounts of information had to be 

exchanged along great distances. The issue that arose was that the existing networks 

were  not  able  to  cater  for  such  data,  especially  for  multimedia  content  which  was 

particularly heavy. To offset this problem compression techniques were developed 

in order to  allow large amounts of information to be transmitted through a limited 

bandwidth.  As  years  passed  these  compression  algorithms  became  increasingly 

advanced  to  the  point  that  nowadays  MP3  audio  files,  for  example,  present  such 

sophisticated algorithms that they cannot be distinguished from their uncompressed 

‘originals’, even by professional musicians. 

 

What happened in the ICT field is particularly interesting also in relation to SI since 

it involves a concept that is shared by both fields: that of ‘constraints’,  a  principle 

that deeply characterises SI and that was evoked at the beginning of this study when 

referring  to  the  externally  paced  delivery  rate  of  speakers.  In  ICT’s  the  main 

constraint  is  represented  by  bandwidth  much  as  in  SI  it  is  represented  by 

interpreter’s short-term memory and processing ability. 

 

---

 

17

This calls into play one of the main criticisms that perhaps can be moved against a 

theory of compression in SI: such compression requires a great deal of effort on the 

part of the interpreter. While in ICT’s the processing power of personal computers 

has increased so much in the past years making it extremely convenient to compress 

a  message,  transmit  it  over  a  limited  channel  and  employ  extensive  processing 

power on the other end to decompress it, in  the case of SI the processing power has 

remained unchanged being a resource that is limited by our minds. 

 

In other words, although compression in SI may decrease the burden on short-term 

memory by reducing the size of a message, it involves an extra processing effort to 

compress  it,    which  may  well  not  pay  off.  The  compressed  message,  furthermore, 

would  increase  the  processing  burden  on  listeners  who  would  have  to  decode  it. 

Any compression mechanism, in fact, always involves at least two components: ‘an 

encoding  algorithm  that  takes  a  message  and  generates  a  ‘compressed’ 

representation  (hopefully  with  fewer  bits),  and  a  decoding  algorithm  that 

reconstructs the original message or some approximation of it from the compressed 

representation’ (Blelloch 2001: 3).