Buforowanie to techniczny szczegół, którego nauczyliśmy się tolerować, ale którego w głębi duszy nienawidzimy. Niezależnie od tego, jak szybkie jest połączenie, oprogramowanie czy urządzenie, streaming wideo zawsze znajduje sposób, by się zaciąć i zepsuć wrażenia. Główne serwisy stosują mechanizmy adaptacyjnego bitratu, ale w MIT mają szerszą wizję. Projekt nazywa się Pensieve i ma wdrożyć optymalne algorytmy dynamicznego bitratu z pomocą sieci neuronowej.
Dlaczego streaming bywa tak irytujący?
Streaming na YouTube to dla mnie prawdziwa loteria. W większości przypadków wybiera 480p, gdy połączenie bez problemu poradzi sobie ze strumieniem 720p lub 1080p, ale zdarzało się, że oferowało 240p bez żadnego powodu. Niestety, nie jest dużo lepiej, jeśli chodzi o buforowanie, i wszyscy się z tym zgadzamy. Wydajność jest zbyt nieregularna, a jeśli chodzi o pauzy... cóż, powiedzmy, że rozwijają naszą cierpliwość. Chodzi o to, że oczekujemy więcej od streamingu: lepszej jakości, większej płynności i inteligencji przy wprowadzaniu dynamicznych dostosowań. Będąc szczerym, myślę, że zadowoliłoby nas dużo bardziej wydajne i spójne buforowanie. W tym miejscu pojawia się MIT ze swoim najnowszym projektem Pensieve.
Czym jest Pensieve?
Technicznie rzecz biorąc, Pensieve to kolejny system adaptacyjnego bitratu do streamingu wideo, ale różnica polega na tym, że swoje decyzje opiera na „uczeniu maszynowym”. Zgodnie z badaniem, Pensieve trenuje model sieci neuronowej, który wybiera bitrate przyszłych „kawałków” wideo, odnosząc się do obserwacji zarejestrowanych przez odtwarzacze i wydajności uzyskanej przy wcześniejszych wyborach. Precyzja Pensieve zależy od ilości materiału, któremu został poddany.
Naukowcy przygotowali swój system z ekwiwalentem miesiąca wideo i już osiągnęli redukcję buforowania o 10 do 30 procent.
Prezentacja na konferencji SIGCOMM
Naukowcy przedstawią swoją pełną pracę na konferencji SIGCOMM 21 sierpnia, a wszystko wskazuje na to, że udostępnią Pensieve jako oprogramowanie open source. To powinno znacznie zwiększyć jego elastyczność, umożliwiając wprowadzanie dodatkowych optymalizacji.
