¿Se te para el Netflix o el YouTube? La inteligencia artificial trae la solución

^(Flickr)

A todos nos ha pasado: sufrir una brusca y anticlimática pausa (rebuffer) o ver cómo la calidad de imagen se empobrece al infinito (pixelización) justo en el momento más importante de un video o programa cuando los vemos por algún servicio de streaming como YouTube o Netlfix. Pero la inteligencia artificial (IA) está aquí para hacerse cargo: científicos del Massachusetts Institute of Technology (MIT) han desarrollado Pensieve, un sistema de IA basado en aprendizaje de máquinas que optimiza los recursos disponibles para otorgar una experiencia de streaming en la mejor calidad posible, sin baches y sin importar el proveedor de contenidos (esto es, el servicio que se emplee).  

Los videos en streaming van reproduciéndose gracias a algoritmos especiales que los dividen en pedazos que se van descargando a medida que avanza la reproducción, siempre dejando algo de video descargado por adelantado. Si el internet es lento, servicios como YouTube reducirán la resolución del vídeo para aligerar la descarga y evitar que esta se detenga (los temidos baches). Así, verás lo último de Selena Gómez como si se tratara de un viejo cassette de VHS, populares ya cuando la cantante ni siquiera nacía; y si intentas saltarte a la parte del final, el problema empeorará: vendrá el bache, pues este trozo de video primero deberá cargar.

Estos algoritmos son de tasa de bits adaptativa (ABR) y también ahorran ancho de banda, pues este tipo de reproducción consume recursos en la medida en que el usuario avanza en la reproducción del video (ya que no todos ven los videos hasta el final en estas plataformas).

A menudo la ABR implica sacrificar calidad de video por rebuffering, para evitar las molestas pausas, pero ello, según estudios, hace que los usuarios abandonen “las sesiones de video si la calidad es demasiado baja, lo que provoca grandes pérdidas en los ingresos publicitarios para los proveedores de contenido", dice Mohammad Alizadeh, profesor del MIT.

De ahí que Alizadeh y su equipo en el Laboratorio de Informática y Inteligencia Artificial (CSAIL) del MIT han desarrollado Pensieve, que elige diferentes algoritmos dependiendo de las condiciones de la red y con ello ofrece una experiencia de streaming de mayor calidad con menos rebuffering que los sistemas existentes. Para ser exactos, 10 a 30% menos de pausas y una calidad entre 10 y 25% superior, según los usuarios que participaron en el experimento.

Además, Pensieve se puede personalizar en función a las necesidades del proveedor de contenido. Por ejemplo, si un usuario en un subterráneo está a punto de entrar en una zona sin señal, YouTube podría reducir la velocidad de bits para que pueda cargar lo suficiente del vídeo que no tendrá que rebuffer durante la pérdida de red.

El documento al respecto será presentado en la conferencia SIGCOMM de la próxima semana en Los Ángeles. El equipo también abrirá el código del proyecto para su replicación.

El prooblema

Existen dos tipos de algoritmos ABR: los basados ​​en la velocidad miden la rapidez con que tu conexión descarga los datos, y los basados ​​en el buffering, que aseguran que siempre haya almacenado un trozo de video descargado para ser visto más adelante, en la medida en que avanza una reproducción. Ambos están limitados por no emplear información sobre la tasa y el almacenamiento en búfer. Como resultado, estos algoritmos a menudo toman decisiones de bitrate pobres y requieren un ajuste manual cuidadoso por expertos humanos para adaptarse a las diferentes condiciones de la red.

Incluso combinando los dos algoritmos, un equipo de la Universidad Carnegie Mellon creó el "modelo de control predictivo" (MPC), para optimizar las decisiones del sistema de streaming mediante la predicción de cómo las condiciones iban evolucionando en el tiempo, aunque aún su vulnerabilidad era la labor de modelar la velocidad de la red.

La solución

Pensieve no necesita de alguna suposición sobre la velocidad de la red, sino que pone a prueba un algoritmo ABR como una red neuronal, repetidamente en situaciones determinadas por variadas condiciones de almacenamiento en búfer y velocidad de red.

El sistema ajusta sus algoritmos a partir de un sistema de recompensas y penalidades, siempre que ofrezca una experiencia sin buffer y de alta resolución.

"Aprende cómo las diferentes estrategias impactan el desempeño y, al mirar el desempeño real del pasado, puede mejorar sus políticas de toma de decisiones de una manera mucho más robusta", dice Hongzi Mao, autor principal en el nuevo documento.

Proveedores de contenido como YouTube podrían incluso personalizar el sistema de recompensas de Pensieve en base a las métricas que desean priorizar para sus usuarios (por ejemplo, sus estudios demuestran que los espectadores toleran más el rebuffering al inicio de un video, por lo que el algoritmo podría ser ajustado para dar una penalidad cada vez más grave al sistema en la medida en que avanza la reproducción).

En escenarios como el del uso de Wifi en una cafetería o el de una red 4G LTE mientras se camina por la calle, Pensieve ofreció una la misma resolución de video que MPC, pero con una reducción del 10 al 30% de rebuffering.

Mao dice que los experimentos del equipo indican que Pensieve funcionará bien incluso en situaciones que no ha visto antes. En un entorno de 'boot camp' con datos sintéticos, el sistema dio con algoritmos ABR que eran suficientemente robustos para redes reales. Como próximo proyecto, el equipo probará Pensieve con contenido de realidad virtual, en calidad 4K que pueden superar fácilmente la tasa de descarga de cientos de megabits por segundo.

Hans Huerto

Si te gustó esta noticia, entérate de más a través de nuestros canales de Facebook y Twitter.