MIT用AI改善串流播放效能，線上追劇不再卡卡的

麻省理工學院（MIT）的電腦科學暨人工智慧實驗室（Computer Science and Artificial Intelligence Laboratory，CSAIL）準備在下周舉行的SIGCOMM計算機通訊網路會議上展示一項新的AI系統，此一基於機器學習的「儲思盆」（Pensieve）系統將能用來改善串流影片的效能，減少影片像素化或停擺的機率，以創造更好的觀賞經驗。

全球最大影片分享平台YouTube是利用自適性比特率（adaptive bitrate，ABR）的各種演算法來創造更連貫的觀賞經驗，這些演算法會把影片切成小塊以方便下載，當網路緩慢時，YouTube就會調降影片的解析度，於是便會出現像素化，假設使用者快轉，重新緩衝的結果則會讓影片定格。

CSAIL指出，儘管ABR運算法通常是有效的，但使用者的期望卻是無邊的，總是希望能觀賞到高畫質且順暢的串流影片。

MIT教授Mohammad Alizadeh表示，許多研究顯示使用者會在畫質太差時放棄觀賞該影片，而這將造成出版商廣告收入的流失。因此，他與CSAIL團隊共同打造了Pensieve系統，該系統可根據網路狀態來選擇不同的演算法，而帶來更高品質的串流經驗。

Pensieve系統的作法是把每一個ABR演算法當成一個神經網路，並在不同頻寬或緩衝的環境中反覆進行測試，以獎勵與處罰機制來調整演算法，例如當帶來高解析度與不需緩衝的串流經驗時便得到獎勵，藉此學習可影響效能的各種策略，並判斷最佳策略。Pensieve系統也支援客製化設定，例如可想像使用者的個性來決定是品質或順暢優先。

實驗發現，透過Pensieve系統串流影片時，重新緩衝的機率比其他作法少了20~30%，同時其體驗品質（QoE）則高出了25%。

由於Pensieve系統的訓練是基於單月的影片串流數量，Alizadeh認為假使擁有Netflix或YouTube等級的影片串流規模，它的效能將更為驚人。該團隊的下一步則是把Pensieve系統應用在虛擬實境（VR）影片上。

MIT介紹影片：