Μηχανική Μάθηση εναντίον του video buffering

Ερευνητές του MIT χρησιμοποίησαν Μηχανική Μάθηση για να κατασκευάσουν ένα σύστημα, το οποίο μειώνει δραστικά -όπως ισχυρίζονται- το video buffering. Χρησιμοποιώντας μηχανική μάθηση, το σύστημα Pensieve, όπως αποκαλείται, υπολογίζει τον βέλτιστο αλγόριθμο που θα χρησιμοποιήσει ώστε ο θεατής να έχει ένα βίντεο με την καλύτερη δυνατή ανάλυση, αποφεύγοντας ταυτόχρονα τα διαλείμματα που προκαλεί το buffering, ανεξάρτητα από τη σύνδεση. Αυτό είναι κάτι που και το YouTube και το Netflix προσπαθούν ήδη να κάνουν.
Σύμφωνα όμως με τους ερευνητές του Εργαστηρίου Υπολογιστών και Τεχνητής Νοημοσύνης του MIT (Computer Science and Artificial Intelligence Laboratory – CSAIL) τα υπάρχοντα συστήματα, κάνουν στην ουσία μια ανταλλαγή μεταξύ της ποιότητας του βίντεο και του πόσο συχνά πρέπει να κάνει rebuffer προκειμένου να προετοιμάσουν το επόμενο τμήμα του βίντεο για προβολή. Το σύστημα Pensieve, χρησιμοποιώντας μηχανική μάθηση, μαθαίνει ποιος αλγόριθμος λειτουργεί καλύτερα σε διάφορες συνθήκες, για παράδειγμα όταν κάποιος μπαίνει σε μια σήραγγα ή όταν υπάρχει μεγάλη χρήση του δικτύου. Με αυτόν τον τρόπο υπόσχεται μείωση του buffering κατά 30%. Η ομάδα δηλώνει ότι το σύστημά της δοκιμάστηκε με περιεχόμενο διάρκειας ενός μήνα και ότι φυσικά η έκθεση σε περισσότερα δεδομένα, θα μπορούσε να συμβάλει στην περαιτέρω ενίσχυση της απόδοσής του.