當我們用綜合數據在‘新兵訓練營’里測試Pensieve時，它可以搞清楚供給自適應碼率（ABR）算法，博士生HongziMao說道。他是相關文章的第一作者，庫卡機器人驅動器維修，下周將出席洛杉磯的SIGCOMM會議。這種壓力測試也表明它可以在現實世界的新環境中運行良好。
YouTube和Netflix等網站并不是把完整的視頻送到你的電腦上，而是把視頻切成了小塊，依靠ABR算法來決定每一小塊的分辨率。這種做法的確提供了更連貫的觀看體驗，也可以節省寬帶流量，但是也存在一些問題。如果連接太過緩慢，YouTube可能會暫時降低分辨率，KUKA機器人維修，保證視頻連貫播放。而且因為視頻是塊狀的，所以也不能快進。
現在有兩種ABR：基于速率的ABR可以測量一個網絡傳輸數據的速度；基于緩沖的ABR保證視頻開頭的緩沖是足夠的。
這兩種算法目前各自只能關注一個方面，但是MIT的新算法Pensieve可以利用機器學習來根據網絡情況選擇最佳的系統。
在實驗中，測試的AI使用的是wifi和LTE，實驗團隊發現其可以使視頻在同樣分辨率下播放，但是要比其他方法快10-30%。此外，用戶評價此AI播放的視頻提高了10-25%的體驗質量。
然而，研究人員只用一個月的下載視頻測試了Pensieve，且相信其在流量巨頭YouTube和Netflix等網站上使用，性能會更好。
卡耐基梅隆大學電子與計算機工程副教授VyazSekar也參與了本次研究，他表示：之前控制邏輯性的方法是基于人類專家直覺的。本次研究表明這種機器學習方法有希望利用‘深度學習’類的技術。他和卡耐基梅隆大學的其他研究人員一同想要把兩種ABR算法結合到一起，庫卡機器人驅動器維修，當取得重大進展時，他們依然遇到了網速難以模擬的困難。
除了這些進展以外，MIT的新AI也非常靈活，可以讓你選擇如何播放。比如，如果你知道你馬上就會沒有信號，你可以關掉位率，犧牲分辨率保證視頻的加載。
HongziMao說：我們的系統很靈活，你可以選擇自己想要優化的方面。你甚至可以想象一個用戶個性化設置自己的視頻加載體驗，不管想要消除再緩沖還是分辨率。
接下來，這個團隊計劃用VR來測試Pensieve。
研究人員表示：4K的VR所需的位率每秒可以輕松累計幾億兆位，現在網絡根本支持不了。有Pensieve這樣可以改善VR的系統，我們是很激動的。這是我們邁出的第一步。