MIT CSAIL最新研究：將AI應(yīng)用于流媒體視頻，可獲得更好的播放體驗(yàn)

本文作者：汪思穎

編輯：楊曉凡

2017-08-16 10:32

導(dǎo)語：MIT計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）利用神經(jīng)網(wǎng)絡(luò)算法，最大化地緩解了緩沖的發(fā)生

雷鋒網(wǎng) AI科技評(píng)論按：在網(wǎng)上看視頻時(shí)，緩沖或色塊問題時(shí)有發(fā)生，極其影響觀看體驗(yàn)?，F(xiàn)在，MIT計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）利用神經(jīng)網(wǎng)絡(luò)算法，最大化地緩解了這種現(xiàn)象。將這種算法應(yīng)用到Y(jié)ouTube或Netflix等網(wǎng)站之后，觀眾將會(huì)獲得更好的體驗(yàn)。此外，這項(xiàng)技術(shù)還能應(yīng)用于VR，緩解現(xiàn)有的網(wǎng)絡(luò)帶寬不夠的問題。

Engadget上的一篇文章詳述了CSAIL新的方法，雷鋒網(wǎng) AI科技評(píng)論將其編譯如下。

緩沖和色塊是流媒體視頻播放中常常出現(xiàn)的問題。一旦出現(xiàn)這種情況，會(huì)影響觀看體驗(yàn)，觀眾換臺(tái)之后，又會(huì)影響廣告商的收入。并且，這種情況還給流媒體服務(wù)帶來了技術(shù)上的難點(diǎn)——很難設(shè)計(jì)出解決方案。

MIT 計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室（CSAIL）新發(fā)明的神經(jīng)網(wǎng)絡(luò)AI算法或許恰好能滿足互聯(lián)網(wǎng)所需的流暢流媒體服務(wù)。

MIT CSAIL最新研究：將AI應(yīng)用于流媒體視頻，可獲得更好的播放體驗(yàn)

上面播放的視頻并不是以整段傳輸?shù)诫娔X上的，那會(huì)占用太大的帶寬。事實(shí)上，數(shù)據(jù)被分成小片段，然后按順序傳送。但是為了保證視頻質(zhì)量，像YouTube這樣的網(wǎng)站是利用ABR(碼率自適應(yīng))算法來確定視頻播放的分辨率。ABR算法通常有兩種模式:一種是測(cè)量網(wǎng)絡(luò)傳輸數(shù)據(jù)的速率，另一種是保證視頻開頭有足夠的緩沖區(qū)。

如果基于速率的算法失敗了，系統(tǒng)會(huì)降低比特率以確保視頻繼續(xù)播放，這會(huì)導(dǎo)致色塊問題。

另外，如果試圖將視頻快進(jìn)太多，將會(huì)更加影響播放體驗(yàn)，這是因?yàn)榛诰彌_的系統(tǒng)提前加載新的視頻塊和緩沖區(qū)時(shí)，不得不暫停播放。

這兩種ABR模式本質(zhì)上是解決同一問題的兩面，他們都沒有完全解決問題的能力。接下來就是人工智能的用武之地了。

實(shí)際上已經(jīng)有了一些關(guān)于這個(gè)問題的研究?？突仿〈髮W(xué)的一個(gè)研究小組最近開發(fā)了一種叫做“模型預(yù)測(cè)控制”(MPC)的方案，試圖預(yù)測(cè)網(wǎng)絡(luò)環(huán)境如何隨時(shí)間變化，并基于這個(gè)模型做出優(yōu)化決策。然而，這個(gè)系統(tǒng)的問題在于，它只會(huì)基于模型自身做出優(yōu)化決策，不適合那些突然或急劇發(fā)生流量變化的網(wǎng)絡(luò)。

CSAIL的新方法被稱為“Pensive”，它并不依賴模型，而是用機(jī)器學(xué)習(xí)來計(jì)算何時(shí)（以及何種情況下）在速率ABR和基于緩沖的ABR之間進(jìn)行切換。和其他神經(jīng)網(wǎng)絡(luò)一樣，Pensive使用獎(jiǎng)勵(lì)和懲罰來強(qiáng)化每次試驗(yàn)的結(jié)果。隨著時(shí)間的推移，系統(tǒng)能夠調(diào)整自己的行為，始終獲得最高的獎(jiǎng)勵(lì)。有趣的是，由于可以調(diào)節(jié)獎(jiǎng)勵(lì)，我們可以調(diào)整系統(tǒng)，讓它執(zhí)行我們想要得到的行為。

MIT CSAIL最新研究：將AI應(yīng)用于流媒體視頻，可獲得更好的播放體驗(yàn)

麻省理工學(xué)院教授Mohammad Alizadeh在一份聲明中說:“我們的系統(tǒng)很靈活，無論想要什么樣的效果，都可以優(yōu)化它來實(shí)現(xiàn)。甚至可以想象用戶個(gè)性化自己的流媒體體驗(yàn)，這取決于他們是想要讓緩沖優(yōu)先還是讓分辨率優(yōu)先?！痹搱F(tuán)隊(duì)對(duì)這個(gè)神經(jīng)網(wǎng)絡(luò)只進(jìn)行了總長一個(gè)月的下載視頻內(nèi)容的訓(xùn)練，就已經(jīng)能獲得與MPC系統(tǒng)相同的分辨率，但減少了10%到30%的緩沖問題。

MIT CSAIL最新研究：將AI應(yīng)用于流媒體視頻，可獲得更好的播放體驗(yàn)

我們最終會(huì)看到這一技術(shù)被YouTube和Netflix等公司采用，但麻省理工學(xué)院的團(tuán)隊(duì)希望先將它應(yīng)用于VR。Alizadeh說:“VR需要4k的分辨率，在使用時(shí)，碼率很容易就達(dá)到每秒上千兆，而現(xiàn)在的網(wǎng)絡(luò)根本無法支持。我們很高興看到像Pensieve這樣的系統(tǒng)能夠?yàn)閂R等這樣的應(yīng)用做些什么。這只是我們所做出的第一步?！?/p>

MIT CSAIL最新研究：將AI應(yīng)用于流媒體視頻，可獲得更好的播放體驗(yàn)