Inteligencia Artificial del MIT puede mantener transmisión de video disminuyendo el molesto buffering

Inteligencia Artificial del MIT puede mantener transmisión de video disminuyendo el molesto buffering

Comparta este Artículo en:

El sistema “Pensieve” ajusta automáticamente la calidad de video según las condiciones de la red.

El almacenamiento en búfer y la pixelación son el flagelo del streaming de video.

Se arruina la experiencia para los espectadores, roba a los anunciantes ingresos y causa dolores de cabeza técnicos para los servicios de streaming que tienen que diseñar soluciones.

Pero una nueva red neuronal de inteligencia artificial del MIT CSAIL puede ser justo lo que necesita Internet para ofrecer servicios de streaming fluidos.

El video anterior que está haciendo streaming no llega a su computadora en un fragmento completo.

Eso requeriría demasiado ancho de banda.

En su lugar, los datos se cortan en pedazos más pequeños y se envían secuencialmente.

Pero para garantizar que la calidad de video sea suficiente, los sitios como YouTube aprovechan los algoritmos ABR (Adaptive BitRate) para determinar en qué resolución se reproducirá el video.

ABRs generalmente vienen en dos estilos: los que miden qué tan rápida una red puede transmitir datos y los que trabajan para mantener un buffer suficiente en la cabeza del video.

Si falla el algoritmo basado en la velocidad, el video sufrirá pixelación a medida que el sistema disminuya la velocidad de bits para garantizar que el video continúa reproduciéndose.

Pero si intenta transmitir paquetes muy grandes, provoca estragos en el sistema basado en búfer, que luego tiene que congelar la reproducción mientras carga tanto el nuevo trozo de video como el búfer que tiene delante.

Ambos ABRs se refieren esencialmente a dos lados de la misma cuestión general, pero ninguno de ellos es plenamente capaz de resolverlo. Y ahí es donde entra la Inteligencia Artificial.

Un equipo de investigación de Carnegie Mellon desarrolló recientemente un esquema de “control predictivo modelo” (MPC) que intenta predecir cómo cambiarán las condiciones de la red con el tiempo y tomar decisiones de optimización basadas en ese modelo.

El problema con ese sistema, sin embargo, es que sólo será tan bueno como el propio modelo y no es adecuado para las redes que ven cambios repentinos o drásticos en los flujos de tráfico.

La inteligencia artificial de CSAIL, denominada Pensive, no se basa en un modelo.

En su lugar, se utiliza el aprendizaje de máquina para averiguar cuándo (y bajo qué condiciones) cambiar entre ABRs de tasa y de buffer.

Al igual que otras redes neuronales, Pensive utiliza recompensas y penalizaciones para ponderar los resultados de cada ensayo.

Con el tiempo, el sistema es capaz de ajustar su comportamiento para recibir consistentemente la mayor recompensa.

Curiosamente, ya que las recompensas pueden ajustarse, todo el sistema puede ser ajustado para comportarse como queramos.

“Nuestro sistema es flexible para cualquier cosa que usted quiera optimizar”, dijo el profesor del MIT Mohammad Alizadeh en un comunicado.

“Incluso se podría imaginar a un usuario personalizando su propia experiencia de streaming basándose en si quieren priorizar rebuffering versus resolución.”

El equipo capacitó a esta red neuronal en sólo un mes de contenido de video descargado y fue capaz de obtener la misma resolución de calidad que el sistema MPC, pero con 10 a 30 por ciento menos de almacenamiento en búfer.

Debemos eventualmente ver esta tecnología ser adoptada por YouTube y Netflix, pero primero, el equipo del MIT espera aplicar la Inteligencia Artificial a la realidad virtual.

“Las tasas de bits que necesita para realidad virtual de calidad 4K pueden superar fácilmente cientos de megabits por segundo, que las redes de hoy en día simplemente no pueden soportar”, dijo Alizadeh.

“Estamos muy contentos de ver qué sistemas como Pensieve pueden hacer por cosas como la realidad virtual. Este es realmente el primer paso para ver qué podemos hacer”.

Fuente: Engadget

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *