深度学习算法可以去掉视频的缓冲轮，观看速度将变得更加流畅

当你在看视频的时候，不断地缓冲提示是不是让你感到很烦躁？麻省理工学院的研究人员正在用基于人工智能的流媒体算法开辟新的领域，这些算法可能会导致缓冲轮消失，让我们大胆地看到了视频流的未来。

最近的一项研究表明，近70%的网络内容是流媒体视频和音频，流媒体是否需要缓冲，这一点比以往任何时候都更重要。幸运的是，麻省理工学院的研究人员正在用基于人工智能的流媒体算法开辟新的领域，这些算法可能会导致缓冲轮消失，让我们大胆地看到了视频流的未来。

在过去的5年里，视频流呈现爆炸式增长。像Netflix、亚马逊、谷歌这样的流媒体巨头都在为原创的和有版权的流媒体内容注入资源，试图从传统的电视网络中赢得观众。因此，越来越多的消费者放弃他们的高价有线电视合同，选择流媒体服务。

由于潜在的大量娱乐产业，这些服务正在投资于解决研究人员所谓的“视频问题”。流媒体对互联网带宽的要求很高，而观众对像素化、缓冲、停滞视频和长时间加载的容忍度也越来越低。

ABR算法 视频是数据最密集的互联网功能之一，如果每一个视频都被加载，那么加载视频对每一个互联网用户来说都将大大超过可用带宽。几年前，流媒体服务采用了一种叫做自适应比特率(ABR)的智能算法。这种算法有选择地根据网络条件加载视频;这就是为什么YouTube视频上的加载条永远不会比你当前的观看进度要移动地更超前。

ABR算法有两种主要的类型。基于速率的算法可以测量连接速度，并相应地改变视频加载质量。基于缓冲的ABR算法可以保留一定比例的未观看视频。这些ABR算法基本上都与视频流的流量保持同步，但仅在YouTube上每天就有超过10亿的流媒体流量，而下一代的流媒体算法早就应该出现了。

AI-powered流媒体服务 麻省理工学院计算机科学与人工智能实验室(CSAIL)的研究人员正在响应全球对更好的流媒体质量的要求，采用了一种新的算法，利用人工智能来提高负载率并减少缓冲。这项名为Pensieve的技术，可能会彻底改变流媒体娱乐市场。

每个人的网络环境都略有不同，而且在不断变化。你的网速会受到你周围所有人的影响，为像ABR这样的预测算法创造一个混乱的环境。使用机器学习对不断变化的环境作出反应，Pensieve可以更智能而不是更困难的工作。

Pensieve的工作原理是“奖赏”和“惩罚”。当视频加载顺畅时会给予奖励，而流媒体中断时就会受到惩罚，Pensieve可以模拟神经网络，并学习如何更好地加载视频。该系统将视频流的播放率提高了10%到30%，而且观众预估综合质量会比当前的算法高10%到25%。

像ABR这样的传统算法依赖于人类的专家知识来发挥作用。麻省理工学院的研究团队相信Pensieve可以自行完成这项工作。该团队通过挑战现实世界的场景，向其人工智能算法管理者发送了一个挑战，并有意将其暴露在未知的网络环境中，以测试其适应能力。

Pensieve在每一个场景中都进行了处理，保持了与传统的流媒体算法一样的视频分辨率，但却没有那么多的缓冲。“这种压力测试表明，它可以在现实世界中适用于新的场景，”麻省理工学院的一名成员Hongzi Mao说道。Pensieve也是第一次尝试; 随着深度学习算法的进步，改进只会随着时间的推移而增加。

Netflix深入挖掘深度学习 麻省理工的算法是一个游戏规则的改变者，但在对抗缓冲的战斗中，他们并不是唯一的一个。在2017年初，Netflix推出了基于人工智能的算法。这个名为动态优化器（Dynamic Optimizer）的新系统，实时分析视频帧，并选择性地压缩每一个场景，以获得较慢的连接速度。

这种新式算法非常智能，能够区分视频内容的类型。电影的动作场面会增加比特率，而更简单的动画内容的比特率则会被缓和。其结果对所有用户都是稳定流，特别是那些经常遇到缓慢连接的用户。

人工智能也为流媒体视频的受众带来了革命性的变化。并不是所有的“权力的游戏”的观众都喜欢看“生活大爆炸”，所以Netflix最新的人工智能算法想找到原因。他们正在为其官网主页和“建议的标题（suggested titles）”开发算法，利用机器学习来了解你的喜好，这是前所未有的。此外，通过使用深度学习和模拟神经网络，Netflix的算法可以获得新的模式，从而缩小每个用户的偏好范围。

流媒体的未来 AI-powered算法正在为视频流的下一代内容打开新的大门。虚拟现实耳机和4K视频正处于主流娱乐的视野，但目前的流媒体算法根本无法跟上这些技术更高的比特率要求。

通过以人工驱动的流媒体管理，整个网络的效率将会提高。流媒体正在接管娱乐业，而像麻省理工学院的Pensieve这样的人工智能算法正在大规模地协助接管。随着流媒体视频在互联网流量中占据越来越大的比重，人工智能也在及时地出现，以帮助视频流继续增长。