Многие системы потокового видео основаны на буферных технологиях. Системы до начала загрузки анализируют возможности буфера у компьютера. Если в нем может храниться менее 5 секунд ролика, то система автоматически отправляет видео низкого качества, если более 15 секунд — самого высшего. Это сделано для снижения влияния небольших задержек трафика на просмотр видео.
В последние годы инженеры пытаются создать более сложные алгоритмы с использованием систем машинного обучения и искусственного интеллекта.
Новый алгоритм разработан инженером Фрэнсисом Яном из Стэнфорда с помощью зрителей-добровольцев, которые сутками смотрели потоковое видео. В это же время специальные нейросети анализировали это потоковое видео в режиме реального времени для поисков возможных задержек и глюков.
Для исследования ученые установили антенну на здании Packard в Стэнфорде, чтобы получать бесплатные эфирные радиовещательные сигналы, которые они затем сжимали и передавали добровольцам. Эксперимент шел более года, все это время добровольцы смотрели потоковое видео через Puffer, а ученые одновременно следили за потоком данных, используя собственный алгоритм машинного обучения Fugu. Кроме того, в эксперименте ученые применяли и существующие системы буферной передачи потокового видео.
В итоге Fugu удалось улучшить качество потокового ролика, при этом не забивая буферную зону компьютера и не увеличивая его размеры, отмечают разработчики. В среднем видеоролики, которые передавались на компьютер при помощи Fugu, имели на 9% задержек и глюков меньше, чем при использовании других систем передачи видео.