پژوهشگران MIT یادگیری ماشینی را در حل معضل ویدئو بافرینگ به خدمت گرفته‌اند

پژوهشگران MIT یادگیری ماشینی را در حل معضل ویدئو بافرینگ به خدمت گرفته‌اند

آیا تا‌به‌حال برای شما هم اتفاق افتاده که در یوتیوب مشغول دیدن ویدئویی باشید اما هر چند ثانیه یک‌بار پخش ویدئو متوقف شده و مجبور شده باشید برای دیدن ادامهٔ ویدئو بارها‌و‌بارها منتظر بمانید و یا این‌که کیفیت ویدئو ناگهان کاهش یافته و به‌صورت پیکسل‌پیکسل درآمده باشد؟ این مشکلات به‌خاطر ویدئو بافرینگ است؛ Buffering اصطلاحی است که به دانلود حجم مشخصی از دیتا پیش از شروع و یا ادامهٔ‌ پخش یک ویدئو یا موسیقی اطلاق می‌شود.

اکنون گروهی از پژوهشگران MIT ادعا نموده‌اند که راه‌حلی برای این مشکل پیدا کرده‌اند؛ این پژوهشگران موفق شدند تا بااستفاده از یادگیری ماشینی، بهترین الگوریتم برای انتقال ویدئوها با بالاترین کیفیت و به دور از هرگونه توقف مربوط به بافرینگ را بیابند. با این الگوریتم دیگر مهم نیست که کجا هستید و یا این‌که از چه اینترنتی و با چه‌ سرعتی استفاده می‌کنید!

هرچند یوتیوب و نت‌فلیکس نیز برای یافتن چنین الگوریتمی همواره در تلاش بوده‌اند، اما پژوهشگران مرکز علوم کامپیوتر و آزمایشگاه هوش مصنوعی MIT معتقدند که درحال‌حاضر سیستم‌ها مجبورند تا میان کیفیت ویدئو و فاصلهٔ زمانی تکرار بافرینگ تعادلی برقرار نمایند تا بتوانند بخش‌به‌بخش یک ویدئو را برای پخش آماده کنند.

این راه‌حل جدید که Pensieve System نام دارد با‌استفاده از هوش مصنوعی یاد می‌گیرد که در شرایط مختلف -مثلاً هنگامی که وارد یک تونل می‌شوید و کانکشن شما دچار اختلال می‌شود و یا در نتورک‌های شلوغی که هزاران کاربر به‌طور هم‌زمان از آن استفاده می‌کنند- استفاده از کدام الگوریتم مناسب‌تر است؛ گفته می‌شود که سیستم Pensieve قادر است تکرار بافرینگ را تا ۳۰ درصد کاهش دهد.

این سیستم به‌مدت یک ماه مورد آزمایش قرار گرفته و در آینده قرار گرفتن آن درمعرض ویدئوهای بیشتر موجب بهبود عملکرد آن خواهد شد. همچنین این تکنولوژی جدید می‌تواند در اپلیکیشن‌های نمایش محتواهای با کیفیت واقعیت مجازی نیز مورد استفاده قرار گیرد.

نتایج این پژوهش قرار است در کنفرانس آیندهٔ SIGCOMM که در لس‌آنجلس برگزار می‌شود ارائه شده و پس از آن به‌صورت یک پروژهٔ اپن‌سورس درآید.

منبع