MIT 研發最新 AI 技術，能讓影片「轉圓圈」的等待時間減少

MIT 的電腦科學和人工智慧實驗室根據不同的網路環境來挑選不同的算法，開發出了一個新的 AI，名為 Pensieve，可以帶來更高質量的流媒體體驗，縮短緩衝時間。

DailyMail 的 Sage Lazzaro 最近發佈了一篇名為 Is this the end of 'buffering' woes? MIT's new AI makes video streaming 30% smoother and says it could be even FASTER when used on YouTube and Netflix 的文章，介紹了 MIT 最新研發出的 AI 技術，這項技術或許會大大改變影片觀看體驗和 VR 體驗。

MIT 發現了一種透過縮短緩衝時間和像素的方法，來增加影片資料串流得速度。

「當我們用綜合資料在『新兵訓練營』影片裡測試 Pensieve 時，它可以搞清楚供給自適應碼率（ABR）算法，」博士生 Hongzi Mao 說道。他是相關文章的第一作者，下周將出席洛杉磯的 SIGCOMM 會議。「這種壓力測試也表明它可以在現實世界的新環境中執行良好。」

YouTube 和 Netflix 等網站並不是把完整的影片送到你的電腦上，而是把影片切成了小塊，依靠 ABR 算法來決定每一小塊的解析度。這種做法的確提供了更連貫的觀看體驗，也可以節省寬帶流量，但是也存在一些問題。如果連接太過緩慢，YouTube 可能會暫時降低解析度，保證影片連貫播放。而且因為影片是塊狀的，所以也不能快進。

現在有兩種 ABR：基於速率的 ABR 可以測量一個網路傳輸資料的速度；基於緩衝的 ABR 保證影片開頭的緩衝是足夠的。

這兩種演算法目前各自只能關注一個方面，但是 MIT 的新算法 Pensieve 可以利用機器學習來根據網路情況選擇最佳的系統。

在實驗中，測試的 AI 使用的是 WiFi 和 LTE，實驗團隊發現其可以使影片在同樣解析度下播放，但是要比其他方法快10-30%。此外，用戶評價此 AI 播放的影片提高了10-25%的「體驗品質」。

然而，研究人員只用了下載影片測試了 Pensieve，且相信其在串流媒體巨頭 YouTube 和 Netflix 等網站上使用，性能會更好。

卡耐基梅隆大學電子與電腦工程副教授 Vyaz Sekar 也參與了本次研究，他表示：「之前控制邏輯性的方法是基於人類專家直覺的。本次研究表明這種機器學習方法有希望利用『深度學習』類的技術。」他和卡耐基梅隆大學的其他研究人員一同想要把兩種 ABR 算法結合到一起，當取得重大進展時，他們依然遇到了網速難以模擬的困難。

Hongzi Mao 說：「我們的系統很靈活，你可以選擇自己想要優化的方面。你甚至可以想像一個用戶依照自己的狀況來設定自己的影片加載體驗，不管他想要降低解析度或是其它的方法。」

接下來，這個團隊計劃用 VR 來測試 Pensieve。

研究人員表示：「4K 的 VR 所需的位率每秒可以輕鬆累計幾億兆位，現在網路根本支援不了。有 Pensieve 這樣可以改善 VR 的系統，我們是很激動的。這是我們邁出的第一步。」