实习记者黄肇祥／综合报导
看影片总是被「缓冲」搞得兴致全无吗？观众会因此离开，创作者失去点阅率，广告商曝光减少，为让串流影片更流畅的播放，麻省理工学院的研究团队希望藉由人工智能（AI）改善串流体验。
看影片被迫中断进入缓冲，时常让人动气。
观看串流影音时，系统并不会将整部影片直接下载到手机、电脑，而是拆成一小部分分别传送，但传输速度有时候并无法跟上观众的收看进度，也因此许多时候网页会选择稍微降低影片画质，优先让影像呈现，接着等待网路稳定再恢复观看画质，YouTube 就是採用这种做法，衡量网路速度，并保持足够的缓冲区让观看不中断。
相同的研究不只 Google，卡内基美隆大学也曾开发出一款「预测控制模型」（MPC），该系统会依据网路速度的改变途径，进而分析推理出合适的缓冲战略，然而类似常见的系统，基本的机构建立于一套运算法，依据网路状况的起伏来调整，然而手机网路时常受限于外在环境，若只依靠运算法来行事，并无法对应不同网速的变化。
麻省理工学院的 CSAIL 团队希望摆脱模型与演算法，让 AI 自行选择合适的演算方法。他们研发一款名为「Pensive」的 AI 来处理这方面的问题，他们引入神经网路系统，透过不断学习、改善，寻找最佳影像观看体验的缓冲模式。
同一支影片、相同的网路速度，但若有不同的运算方式，将能提升观看品质。
从 CSAIL 团队释出的影片中可以发现，对比 MPC 模型，Pensive 在网路持续下滑到最低点之前，率先将影片画质降低至 360p，相同的时段 MPC 仍处于 720p 的高画质，导致网路持续低速后，MPC 再转换运行 240p 已经来不及，被迫中断播放进入缓冲，CSAIL 也与其他模式进行测试，最后发现 Pensive 的再缓冲减少 10-30%，体验品质获得 10-25% 的明显提升。
Pensive 会针对不同的情况，进行画质的调整。
CSAIL 的带队教授 Mohammad Alizadeh 在一份声明当中说道，这套系统还能够针对用户进行客製化，「我们的系统各方面都是灵活的，你可以想像一个使用者也能个性化他的串流体验，基于他想要的优先顺序去调整缓冲。」Alizadeh 教授也表示团队将陆续应用在 VR 系统上，他坦言若网路要传输 VR 影像，目前的环境是有难度的，透过 Pensive 或许是很好的第一步。
或许未来我们有机会看到 YouTube、Netflix 採用这项技术，透过 AI 辅助现有的串流平台，让使用者有更好的影视体验，相信也有利于推广 VR 影像的应用。
