姓名：杨凯航 学号：17101223381
【嵌牛导读】麻省理工研究员开发了一种独特的人工智能系统，通过机器学习的方式，让系统选择一条最优的加载路线，使视频播放更流畅。【嵌牛鼻子】神经网络、缓存、ABR【嵌牛提问】神经网络如何选择最优算法？而这些算法又是如何对服务，连接方式，媒体类型进行调节？【嵌牛正文】
回想下当你拿着手机刷着YouTube，或是在使用流媒体播放视频，或者正和队友组队打boss，突然屏幕上就冒出了缓存符号，你一定会非常恼火吧。此时，也只有长长的进度条更能安慰你受伤的心了。
当然，也不是只有你一个人在观看最喜欢的节目或游戏的关键时刻陷入缓存的尴尬中，你还有很多难兄难弟。网络上每天有超过5亿小时的视频流量，这意味着将有大量的流媒体使用者遇到缓存问题。
不过，现在痛恨缓存者可以欢欣鼓舞了。麻省理工的研究员已经提出了一种可以逐步缩短加载时间的解决方案。他们开发了一种独特的人工智能系统，这一系统可以优化视频流，使播放更流畅。
想搞清楚这个系统是如何工作的，首先你必须搞清楚缓存是什么意思，为什么会发生缓存。
一、让人恼火的缓存背后
网络上产生的流量或数据被称为数据包，也称作块。我们所提到的视频，流媒体或加载数据都以各个分散的块的形式组合。这些块按照整体文件所规定的时间进度排序出现，然后被串联在一起。这就是为什么通常你在开始观看视频时一切都好好的，但很快就会遇到问题。当你点击开始时，内容回被倒回到初始块，在你一边观看的同时，数据一边在被下载。
在此过程中，如果您掉网或网速过慢，这些块就会停止流动，从而导致整个文件或视频的播放失败。
这个原理是持续地加载这些块，也就是说在观看的同时把这些块连接在一起。但这个过程一旦被打断，你就会遇到可怕的缓存符号了。
无线信号较弱、网络连接不佳、网络负荷严重都会加剧这种情况。例如，在用户较多的公共网络上观看视频就会遇到大量的缓冲问题，播放效果极差。
YouTube、Vimeo等社交媒体平台的服务都依赖于自适应比特率的算法，即ABR。它的首要任务是测量连接速度、总带宽可用性和解析内容，以确保提供持续的流服务。
当然，高分辨率就会占用更多的流，因此有时可以通过降低播放质量或分辨率来抵消缓冲的影响。这也是为什么Netflix有时会比平时模糊那么多的原因，因为这一程序降低了内容的分辨率来保持连接的通畅。
人工智能如何解决这个问题呢?
二、麻省理工学院的解决方案
麻省理工大学计算机科学和人工智能实验室(CSAIL)的团队设计出一个智能系统来进行算法交换。神经网络可以通过分析数据，决定需要用哪种算法何时进行连接。
该团队还通过奖惩机制训练这一人工智能系统。他们用一个月的时间，播放视频流，让系统跟踪处理，播放效果不好就要受到惩罚，播放流畅就有奖励。
最终人工智能系统为各种特定情境匹配出合适的算法，并能根据情况的变化，随时切换算法路径。
更厉害的是，这一人工智能系统可以根据要求调整服务、连接方式或媒体类型。
比如，Netflix这样的内容提供商肯定对播放质量的要求高于呈现形式。当然也会有人更注重呈现方式而不在意播放是否通畅。该系统将通过自动化和定期监测来获取用户选择方式，并据此作出有针对性地调整。
麻省理工学院的教授Mohammad Alizadeh表示，这一系统具有极强的个性化服务，它允许用户自己设置流播放方式。
这一技术对也可以运用到其他领域，想象一下在虚拟现实技术上传输高分辨率和高强度的游戏体验，那感觉简直妙不可言。
不得不说，和缓存符号说再见简直太爽了。我们相信，终会有一天我们会和缓存符号永别！
