尽管流媒体视频服务已经相当普及，但终端用户还是不可避免地会遇到各种意外的缓冲问题。即便你的带宽已经远远满足需求，当前仍没有切实的解决方案。好消息是，来自麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）的一支研究团队，已经打造了一套可以解决该问题的神经网络人工智能技术方案。该系统被称作“冥想盆”（Pensieve），其借助神经网络来训练自己应对各种网络状况，以选择出最佳的数据传输比特率算法。

举例来说，全球最大的视频网站 YouTube，就借助自适应比特率算法（ABR）还决定当前播放视频的品质。它可以衡量当前网络可以传输多少数据，或者在视频开头缓冲一定时间再开始播放。

随着时间的推移，该 AI 会衡量其性能，并调节算法至最优结果。与卡内基梅隆大学根据网络变化进行预测优化的“模型预测控制”（Model Predictive Control，简称 MPC）方法相比，麻省理工的 Pensieve 技术可将缓冲进一步减少 10~30% 。

Reducing video rebuffering with Pensieve

麻省理工教授、带领该项目的三名研究员之一的 Mohammad Alizadeh 表示：“我们的系统可灵活优化，基于缓冲或清晰度的不同侧重，每个用户都将拥有个性化的流媒体体验”。

最后，尽管这项 AI 技术主要可运用于 Netflix 和 YouTube 等视频网站，但它也有望拓展到更多领域。感兴趣的网友可以阅读全文，标题为《Neural Adaptive Video Streaming with Pensieve》。

[编译自：Neowin]