专栏名称: AI世代
腾讯科技旗下人工智能领域垂直微信公众号。
目录
相关文章推荐
岳阳晚报社  ·  今起执行!事关湖南医保 ·  10 小时前  
岳阳晚报社  ·  今起执行!事关湖南医保 ·  10 小时前  
潇湘晨报  ·  周雨彤新剧一人分饰两角,豆瓣开分7.9 ·  2 天前  
潇湘晨报  ·  赵丽颖收视23连冠!湖南卫视发文 ·  2 天前  
51好读  ›  专栏  ›  AI世代

网络视频卡顿?MIT利用人工智能找到了解决方法

AI世代  · 公众号  ·  · 2017-08-16 16:58

正文

点击关注,抢跑AI世代



【AI世代编者按】缓冲和马赛克是影响流媒体视频服务的最主要问题。这破坏了观众体验,不利于广告主展示广告,也给流媒体服务带来了技术难题。来自麻省理工学院计算科学与人工智能实验室(CSAIL)的神经网络或许可以解决这方面的问题。


在流媒体视频的播放过程中,数据并非一次性传入你的电脑,因为这可能会消耗掉所有的带宽。因此,数据被分成小块,并按顺序来传送。


然而为了确保视频有足够高的质量,YouTube等网站利用了ABR(自适应比特率)算法来判断,什么样的视频分辨率是合适的。ABR技术包括两种方式,一种需要测量网络的数据传输速度有多快,而另一种则是在视频开头保证足够大的缓冲量。


如果基于传输速度的算法失败,那么视频就会出现马赛克。这时系统会降低比特率,确保视频仍能继续播放。但如果你快进得太多,那么就会触发缓冲机制。 这时播放将被暂停,你必须等待新的数据缓冲。


这两种ABR技术本质上是从两个方面去解决同个问题,但都无法完全解决问题。而人工智能可以带来帮助。


在这个领域,我们已经看到了一些研究。来自卡耐基梅隆大学的研究团队近期开发了“模型预测控制”(MPC)技术。


这种技术试图预测网络环境如何随时间变化,随后基于模型进行优化决策。然而这个系统的问题在于,实际性能取决于模型,不适合流量剧烈变化的网络。



CSAIL的人工智能名为Pensive,并不依赖某种模型。这种人工智能利用机器学习技术,以确定何时,以及在什么条件下,在基于速率和基于缓冲的ABR技术之间进行切换。与其他神经网络类似,Pensive利用奖励惩罚制度来评价每次尝试的结果。



随时间推移,系统能调整自身的行为,从而持续获得最高的奖励。有趣的是,由于奖励可以调整,因此整个系统可以按照我们想要的方式来调节。


麻省理工学院教授穆罕默德·阿里扎德(Mohammad Alizadeh)表示:“我们的系统非常灵活,你可以按照自己想要的方式去优化。用户甚至可以指定,系统优先关注缓冲还是关注分辨率,从而获得个性化的流媒体体验。”








请到「今天看啥」查看全文