570      機器人

人工智能還能這樣玩？幫你優化網絡，讓看視頻、玩遊戲告別延遲

編者按：無論你正在觀看 YouTube 視頻，流媒體或玩遊戲，與緩衝相關的同步信號都可能會嚴重影響用戶體驗。MIT 研究用機器學習減少影片緩衝時間，他們應用了人工智能的機器學習技術製作 Pensieve 係統，分析用戶所在的網絡環境，例如正進入網絡連接不佳的隧道或位於人口密集的地方等，即時調節下一段影片的載入畫質，減少重新緩衝的時間，同時保障最高畫質影片。

沒有什麼能比看視頻時遇到加載中更讓人出戲了，如果你是曾在你最喜愛的電視節目或遊戲中某個重要時刻受緩衝困擾的受害者，放心，你並不是一個人。每天有超過500萬小時的視頻通過流式傳輸，意味著流式服務的用戶很有可能遇到大量的緩衝。

緩衝厭惡者應該會很欣喜地聽到到MIT研究者已經提出了一種解決緩慢加載時間的一勞永逸的方法，MIT研究者們開發出了一套獨特的人工智能係統，能夠優化視頻的流式傳輸並提高可靠性。

要理解這個解決方案，首先你必須明白緩衝是什麼，為什麼會發生緩衝。

技術背後的煩惱

互聯網流量或數據以數據包為單位傳輸，也稱為數據塊。當涉及到視頻，流播或加載時，就是數據分成各個碎片。

數據碎片按整個文件的順序連接在一起，這就是為什麼你看視頻的時候開始很流暢，但中途可能會遇到問題。在此過程中，如果你的網路連接斷開或減少，這些塊可能會停止流入，導致整個文件或視頻的性能下降。

這個想法是不斷下載這些內容，並在你觀看時將素材拚接在一起。 但是當這個過程被中斷時，你就會遇到緩衝和加載時的旋轉圈。這取決於無線信號的強度、互聯網連接或附近的流量而變化。 例如，在擁擠的公共網絡上觀看視頻可能會導致明顯的緩衝和性能問題。

YouTube，Vimeo 甚至社交媒體平台都依賴稱為自適應比特率（ABIT）的算法。這種算法測量連接速度，總帶寬可用性和內容的分辨率，以提供恒定的流量或數據流。

高分辨率顯然需要更多的資源，所以有時你可以通過降低質量來消除緩衝，這也是為什麼 Netflix 有時看起來比較模煳。 該服務或應用已經調低內容的分辨率以匹配更高連接的需求。

那麼 AI 如何解決這個問題？

MIT 的解決方案

麻省理工學院計算機科學與人工智能實驗室的團隊依靠自動化智能係統在適當的算法之間進行切換。 神經網絡可以分析數據，並決定連接何時需要哪一種特定的算法。該團隊通過獎勵和懲罰為基礎的係統訓練人工智能係統。在一個月的時間裏，他們播放視頻流，讓係統運作。失敗就懲罰，成功就獎賞。這最終允許 AI 係統計算哪些算法對於各種場景最有效，何時在它們之間進行交換。

更有前景的是可以根據服務，連接或媒體類型的要求調整係統。Netflix 這類內容提供商可以選擇質量超過性能，反之亦然。 係統將考慮這一輸入，並通過自動化和定期監控來做出相應的選擇。麻省理工學院教授 Mohammad Alizadeh 在做這個項目，他表示該係統可以完全定製。 該解決方案允許用戶選擇高分辨率或快速緩衝，從而個性化“自己的流式傳輸體驗”。

對其他媒體流媒體的影響也令人興奮。 想象一下，例如，能夠通過 VR 提供高分辨率和強烈的遊戲體驗。但是消除緩衝的想法本身就很吸引人。

（36氪編譯組出品，未經允許嚴禁轉載。編輯：郝鵬程）

最後更新：2017-11-07 15:12:36

  上一篇： 霍金：人工智能可能是人類文明史上最糟糕的事件

  下一篇： 張斌專欄：裁判員們，請注意！人工智能真的要來一比高下了