O buffering é um detalhe técnico que aprendemos a tolerar, mas que no fundo odiamos com fervor. Não importa quão rápida seja a conexão, o software ou o dispositivo, o streaming de vídeo sempre encontra uma maneira de “engasgar” e arruinar a experiência. Os principais serviços aplicam mecanismos de bitrate adaptativo para compensar, porém, no MIT eles têm uma visão mais ampla. O nome do projeto é Pensieve, e seu objetivo é implementar algoritmos ótimos de bitrate dinâmico com a ajuda de uma rede neural.
O streaming no YouTube é uma verdadeira loteria para mim. Na maioria dos casos, ele escolhe 480p quando a conexão não tem problemas para receber um stream de 720p ou 1080p, mas já chegou a oferecer qualidade de 240p sem razão alguma. Infelizmente, as coisas não melhoram muito ao explorar o buffering, e todos concordamos com isso. O desempenho é irregular demais, e quanto às pausas, bem... digamos que desenvolvem nossa paciência. O ponto é que exigimos mais do streaming. Melhor qualidade, maior fluidez e uma inteligência superior ao implementar ajustes dinâmicos. Sendo honestos, acho que ficaríamos satisfeitos com um buffering muito mais eficiente e coerente. Nesse ponto, encontramos o MIT e seu recente projeto Pensieve.
Tecnicamente, o Pensieve é outro sistema de bitrate adaptativo para streaming de vídeo, mas a diferença é que ele baseia suas decisões no “aprendizado de máquinas”. De acordo com o estudo, o Pensieve treina um modelo de rede neural que escolhe os bitrates dos futuros “pedaços” de um vídeo, tomando como referência observações registradas por meio dos reprodutores e o desempenho obtido com seleções anteriores. A precisão do Pensieve depende da quantidade de material a que é exposto. Os pesquisadores prepararam seu sistema com o equivalente a um mês de vídeo e já conseguiram uma redução no buffering que oscila entre 10 e 30 por cento.
Os pesquisadores apresentarão seu trabalho completo na a conferência SIGCOMM no próximo dia 21 de agosto, e tudo indica que farão do Pensieve um software open source. Isso deve expandir notavelmente sua flexibilidade, habilitando a possibilidade de introduzir otimizações adicionais.
