Utilizando machine learning, el sistema de Pensieve calcula el algoritmo óptimo a utilizar para entregar video en la mejor resolución posible mientras que evita rompimientos del buffer sin importar la conexión a que posea el usuario.
Por supuesto que grandes empresas como YouTube y Netflix se esfuerzan permanentemente por mejoras, pero no han llegado a lo que los investigadores del Laboratorio de Informática e Inteligencia Artificial (CSAIL) del MIT dicen. Los sistemas actualmente tienen que hacer un intercambio entre la calidad del video y la frecuencia que tienen (rebuffer) para preparar el siguiente segmento del clip para su visualización. Al utilizar inteligencia artificial para saber qué algoritmo funciona mejor en diversas condiciones, detectando por ejemplo cuando la conectividad es incompleta o está saturada de usuarios entre otros millones de situaciones, Pensieve podría acortar hasta un 30 por ciento el proceso mejorando la experiencia de usuario y el rendimiento de los servidores.
El equipo dice que ha probado su sistema con sólo un mes de contenido de video; exponerlo a más datos, como el catálogo completo de Netflix, podría ayudar a aumentar aún más su rendimiento. La tecnología también podría resultar útil en aplicaciones como streaming de alta resolución de contenido de realidad virtual.
Los investigadores presentarán su ponencia en la próxima Conferencia SIGCOMM en Los Ángeles, y también planean abrir el proyecto posteriormente.
Machine learning podría ayudar a eliminar el buffering de los videos
(Sebastian Gaviglio) Uno de los principales motivos por el que los usuarios abandonan un video es el tiempo de carga o la baja calidad por problemas en la misma. Un grupo de investigadores del MIT creen que han descubierto una solución a estos problemas basados en machine learning.
Tu opinión enriquece este artículo: