구글은 올해 2월, 유튜브 시청 시간이 하루 10억 시간을 돌파했다고 발표했다. 유튜브는 회선 속도가 느린 경우 자동으로 화질을 떨어뜨려 부드러운 재생을 유지하고 있지만, 이러한 낮은 화질로의 시청 시간은 공개되지 않았다.
또한, 다시 버퍼링하는데에도 상당한 시간이 소요되는 것으로 보인다. 이번에 MIT 컴퓨터 과학 인공 지능 연구소(CSAIL : Computer Science and Artificial Intelligence Laboratory)는 보다 편안한 시청 환경을 제공하기 위해 기계 학습을 이용한 혁신적 인 솔루션을 개발했다.
유튜브 같은 스트리밍 서비스는, 동영상 파일을 전체 다운로드하지 않고, 한 묶음의 데이터를 버퍼 메모리에 저장하고 재생을 시작하고 있다. 새로운 데이터 파일을 다운로드 하기 전에 버퍼 메모리가 가득차 있으면, 재생을 중단하고 버퍼링 아이콘이 표시된다.
데이터 파일의 다운로드 시간은, 서버 부하 및 네트워크 트래픽, 회선 속도 등에 의존한다. 회선 속도가 느린 경우에는 동영상의 해상도를 떨어뜨려 동영상의 재생 중단을 방지하고 있다.
지금까지 유튜브나 넷플릭스는 어댑티브 비트 레이트(ABR) 알고리즘을 사용하여 화질을 조정 해왔다. 하지만 동영상의 품질은 버퍼 메모리에 축적 된 데이터 량과 회선 속도 모두에 의존하는 반면, ABR은 어느 한쪽으로 밖에 대응할 수없는 것이 과제였다.
이에 대해, CSAIL이 개발 한 인공 신경망 "Pensieve"는, 네트워크 조건이나 버퍼 메모리의 상황, 지금까지 학습 한 비트 레이트 등에 따라 최적의 비트 레이트를 선택한다. 또한 동영상의 품질을 측정, 알고리즘을 조정하여 성능을 더욱 향상시킬 수 있다고 한다. 이처럼 Pensieve는 회선 속도와 버퍼 상황에 따라 최고의 시청 경험을 제공 할 수 있는 것이다.
- 최적의 비트 레이트를 AI가 결정
CSAIL에 따르면, 다양한 조건에서 Pensieve를 교육 한 결과, 기존에 비해 버퍼링으로 인한 중단이 10%~30% 감소했다고 한다. 시청자의 평가는 화질이 10~25% 향상, 공중 Wi-Fi와 보행 중에 LTE를 사용한 실험에서도 같은 개선을 볼 수 있었다고 한다.
Pensieve의 강점은, 현재의 네트워크 및 버퍼 상황에 즉시 대응할 수 있는 적응력과 콘텐츠 제공자와 시청자가 화질을 중시하는지 버퍼링의 감소를 중시하는지 중에서 하나를 선택할 수 있는 유연성에 있다. 연구팀에 따르면, Pensieve는 더 비약적으로 동영상 스트리밍을 개선 할 가능성을 내포하고 있다고 한다.
현재의 모델은 CSAIL의 시설을 사용하여 작은 데이터 세트에서만 훈련되어 있지 않지만, 서버 팜에서 넷플릭스와 유튜브 규모의 데이터 집합을 사용하여 교육을 하면 성능이 향상 될 가능성이 있다.
CSAIL은 8월 23일에 UCLA에서 개최되는 SIGCOMM에서 Pensieve에 관한 연구 결과를 발표 할 예정이다. 연구 논문은 SIGCOMM의 웹 사이트에 게재되어 있다.
