183
深度學習算法可以去掉視頻的緩衝輪，觀看速度將變得更加流暢
當你在看視頻的時候，不斷地緩衝提示是不是讓你感到很煩躁？
最近的一項研究表明，近70%的網絡內容是流媒體視頻和音頻，流媒體是否需要緩衝，這一點比以往任何時候都更重要。幸運的是，麻省理工學院的研究人員正在用基於人工智能的流媒體算法開辟新的領域，這些算法可能會導致緩衝輪消失，讓我們大膽地看到了視頻流的未來。
在過去的5年裏，視頻流呈現爆炸式增長。像Netflix、亞馬遜、穀歌這樣的流媒體巨頭都在為原創的和有版權的流媒體內容注入資源，試圖從傳統的電視網絡中贏得觀眾。因此，越來越多的消費者放棄他們的高價有線電視合同，選擇流媒體服務。
由於潛在的大量娛樂產業，這些服務正在投資於解決研究人員所謂的“視頻問題”。流媒體對互聯網帶寬的要求很高，而觀眾對像素化、緩衝、停滯視頻和長時間加載的容忍度也越來越低。
ABR算法
視頻是數據最密集的互聯網功能之一，如果每一個視頻都被加載，那麼加載視頻對每一個互聯網用戶來說都將大大超過可用帶寬。幾年前，流媒體服務采用了一種叫做自適應比特率(ABR)的智能算法。這種算法有選擇地根據網絡條件加載視頻;這就是為什麼YouTube視頻上的加載條永遠不會比你當前的觀看進度要移動地更超前。
ABR算法有兩種主要的類型。基於速率的算法可以測量連接速度，並相應地改變視頻加載質量。基於緩衝的ABR算法可以保留一定比例的未觀看視頻。這些ABR算法基本上都與視頻流的流量保持同步，但僅在YouTube上每天就有超過10億的流媒體流量，而下一代的流媒體算法早就應該出現了。
AI-powered流媒體服務
麻省理工學院計算機科學與人工智能實驗室(CSAIL)的研究人員正在響應全球對更好的流媒體質量的要求，采用了一種新的算法，利用人工智能來提高負載率並減少緩衝。這項名為Pensieve的技術，可能會徹底改變流媒體娛樂市場。
每個人的網絡環境都略有不同，而且在不斷變化。你的網速會受到你周圍所有人的影響，為像ABR這樣的預測算法創造一個混亂的環境。使用機器學習對不斷變化的環境作出反應，Pensieve可以更智能而不是更困難的工作。
Pensieve的工作原理是“獎賞”和“懲罰”。當視頻加載順暢時會給予獎勵，而流媒體中斷時就會受到懲罰，Pensieve可以模擬神經網絡，並學習如何更好地加載視頻。該係統將視頻流的播放率提高了10%到30%，而且觀眾預估綜合質量會比當前的算法高10%到25%。
像ABR這樣的傳統算法依賴於人類的專家知識來發揮作用。麻省理工學院的研究團隊相信Pensieve可以自行完成這項工作。該團隊通過挑戰現實世界的場景，向其人工智能算法管理者發送了一個挑戰，並有意將其暴露在未知的網絡環境中，以測試其適應能力。
Pensieve在每一個場景中都進行了處理，保持了與傳統的流媒體算法一樣的視頻分辨率，但卻沒有那麼多的緩衝。“這種壓力測試表明，它可以在現實世界中適用於新的場景，”麻省理工學院的一名成員Hongzi Mao說道。Pensieve也是第一次嚐試; 隨著深度學習算法的進步，改進隻會隨著時間的推移而增加。
Netflix深入挖掘深度學習
麻省理工的算法是一個遊戲規則的改變者，但在對抗緩衝的戰鬥中，他們並不是唯一的一個。在2017年初，Netflix推出了基於人工智能的算法。這個名為動態優化器（Dynamic Optimizer）的新係統，實時分析視頻幀，並選擇性地壓縮每一個場景，以獲得較慢的連接速度。
這種新式算法非常智能，能夠區分視頻內容的類型。電影的動作場麵會增加比特率，而更簡單的動畫內容的比特率則會被緩和。其結果對所有用戶都是穩定流，特別是那些經常遇到緩慢連接的用戶。
人工智能也為流媒體視頻的受眾帶來了革命性的變化。並不是所有的“權力的遊戲”的觀眾都喜歡看“生活大爆炸”，所以Netflix最新的人工智能算法想找到原因。他們正在為其官網主頁和“建議的標題（suggested titles）”開發算法，利用機器學習來了解你的喜好，這是前所未有的。此外，通過使用深度學習和模擬神經網絡，Netflix的算法可以獲得新的模式，從而縮小每個用戶的偏好範圍。
流媒體的未來
AI-powered算法正在為視頻流的下一代內容打開新的大門。虛擬現實耳機和4K視頻正處於主流娛樂的視野，但目前的流媒體算法根本無法跟上這些技術更高的比特率要求。
通過以人工驅動的流媒體管理，整個網絡的效率將會提高。流媒體正在接管娛樂業，而像麻省理工學院的Pensieve這樣的人工智能算法正在大規模地協助接管。隨著流媒體視頻在互聯網流量中占據越來越大的比重，人工智能也在及時地出現，以幫助視頻流繼續增長。
本文為編譯作品，轉載請注明出處。更多內容關注微信公眾號：atyun_com
最後更新：2017-10-27 17:03:35