Ilmuwan komputer membuat 'laboratorium' untuk meningkatkan video streaming
Tele

Ilmuwan komputer membuat ‘laboratorium’ untuk meningkatkan video streaming


Kredit: CC0

Di masa-masa jarak sosial ini, karena jutaan biara di rumah untuk menonton TV secara berlebihan melalui internet, peneliti Stanford telah meluncurkan algoritme yang menunjukkan peningkatan signifikan dalam teknologi video streaming.

Algoritme baru ini, yang disebut Fugu, dikembangkan dengan bantuan pemirsa sukarelawan yang menonton aliran video, disajikan oleh ilmuwan komputer yang menggunakan pembelajaran mesin untuk mengamati aliran data ini secara real time, mencari cara untuk mengurangi gangguan dan gangguan.

Dalam makalah ilmiah, para peneliti menjelaskan bagaimana mereka membuat algoritme yang mendorong data sebanyak yang dapat diterima oleh koneksi internet pemirsa tanpa menurunkan kualitas.

“Dalam streaming, menghindari kios sangat bergantung pada algoritme ini,” kata Francis Yan, kandidat doktor dalam ilmu komputer dan penulis pertama makalah, yang menerima Penghargaan Komunitas USENIX NSDI 2020.

Banyak sistem yang berlaku untuk video streaming didasarkan pada sesuatu yang disebut Algoritma Berbasis Buffer, yang dikenal sebagai BBA, yang dikembangkan tujuh tahun lalu oleh mahasiswa pascasarjana Stanford, Te-Yuan Huang, bersama dengan profesor Nick McKeown dan Ramesh Johari.

BBA hanya menanyakan perangkat pemirsa berapa banyak video yang ada di buffernya. Misalnya, jika penyimpanannya kurang dari 5 detik, algoritme mengirimkan rekaman berkualitas lebih rendah untuk mencegah gangguan. Jika buffer memiliki lebih dari 15 detik yang disimpan, algoritme mengirimkan video dengan kualitas setinggi mungkin. Jika angkanya berada di antara keduanya, algoritme menyesuaikan kualitasnya.

Meskipun BBA dan algoritme serupa tersebar luas di industri, para peneliti telah berulang kali mencoba selama bertahun-tahun untuk mengembangkan algoritme yang lebih canggih menggunakan pembelajaran mesin — suatu bentuk kecerdasan buatan di mana komputer belajar sendiri untuk mengoptimalkan beberapa proses.

Namun dalam variasi modern dari pepatah komputer sampah-dalam-sampah-keluar lama, algoritma pembelajaran mesin ini umumnya membutuhkan data simulasi untuk dipelajari, daripada hal nyata yang dikirimkan melalui internet yang sebenarnya. Disitulah letak masalah.

“Internet ternyata menjadi tempat yang jauh lebih berantakan daripada yang dapat dimodelkan oleh simulasi kami,” kata Keith Winstein, asisten profesor ilmu komputer yang mengawasi proyek dan menasihati Yan bersama dengan profesor madya ilmu komputer dan teknik listrik Philip Levis. “Apa yang Francis temukan adalah bahwa mungkin ada jurang pemisah antara membuat salah satu algoritme ini bekerja dalam simulasi versus membuatnya bekerja di internet yang sebenarnya.”

Untuk menciptakan mikrokosmos realistis dari dunia menonton TV, tim Winstein memasang antena di atas Gedung Packard Stanford untuk menarik sinyal siaran bebas udara yang kemudian dikompres dan dialirkan ke sukarelawan yang mendaftar untuk berpartisipasi dalam proyek penelitian , yang dikenal sebagai Puffer. Mulai akhir 2018, para relawan melakukan streaming dan menonton program TV melalui Puffer dan para ilmuwan komputer secara bersamaan memantau aliran data menggunakan algoritma pembelajaran mesin mereka sendiri, Fugu, dan empat pesaing terkemuka lainnya, termasuk BBA, yang dilatih untuk menyesuaikan kinerja mereka berdasarkan kondisi kualitas sebenarnya yang dialami pemirsa.

Pada awal streaming mereka, setiap penonton secara acak diberi salah satu dari lima algoritme streaming dan tim Stanford merekam data streaming seperti kualitas video rata-rata, jumlah kios, dan lamanya waktu penonton menonton.

Hasil ini tidak sesuai dengan beberapa penelitian sebelumnya yang didasarkan pada simulasi atau tes yang lebih kecil. Ketika algoritme pembelajaran mesin yang seharusnya canggih diuji terhadap BBA di dunia nyata, standar yang lebih sederhana tetap berlaku. Namun, pada akhir uji coba, Fugu telah mengungguli algoritme lainnya — termasuk BBA — dalam hal waktu interupsi paling sedikit, resolusi gambar tertinggi, dan kualitas video yang konsisten. Terlebih lagi, peningkatan tersebut tampaknya memiliki kekuatan untuk membuat pemirsa tetap menonton. Pemirsa yang menonton aliran video Fugu rata-rata bertahan 5-9% lebih lama daripada algoritme lain yang diuji.

“Kami telah menemukan beberapa cara mengejutkan yang membedakan dunia nyata dari simulasi, dan bagaimana machine learning terkadang dapat memberikan hasil yang menyesatkan. Hal itu mengasyikkan karena menunjukkan banyak tantangan menarik untuk diselesaikan,” kata Winstein.


Kerangka video streaming memungkinkan pengguna untuk mengunduh konten secara kolaboratif


Disediakan oleh Universitas Stanford

Kutipan: Ilmuwan komputer membuat ‘laboratorium’ untuk meningkatkan video streaming (2020, 22 April) diambil 28 November 2020 dari https://techxplore.com/news/2020-04-scientists-laboratory-streaming-video.html

Dokumen ini memiliki hak cipta. Selain dari transaksi yang adil untuk tujuan studi atau penelitian pribadi, tidak ada bagian yang boleh direproduksi tanpa izin tertulis. Konten disediakan untuk tujuan informasi saja.


Halaman Ini Di Persembahkan Oleh : Pengeluaran SDY