Los investigadores suizos que desafían los límites del streaming. © EPFL / Alain Herzog
Debido al creciente número de usuarios, de videos disponibles en Internet y al inmenso volumen de dispositivos conectados a la red, el modelo actual de streaming (difusión de vídeos on line) no es viable.
En efecto, todos estos vídeos deben ser almacenados, en diversos formatos, para que puedan ser visionados por cualquier usuario en condiciones mínimamente aceptables. Los espacios de almacenamiento en los servidores, ya inmensos, aumentan cada día, así como el consumo de energía asociado a estas instalaciones.
Ahora, un grupo de investigadores de la Escuela Politécnica Federal de Lausana, en Suiza, ha ideado un sistema que consigue reducir estas necesidades de espacio y energía sin alterar la calidad de visionado de los videos, según se informa en un comunicado.
En internet, un mismo vídeo es visionado miles o millones de veces, si bien en contextos diferentes que dependen del dispositivo utilizado, de la conexión a Internet del usuario y del entorno informático en que se produce.
Sin embargo, el servicio personalizado no existe, ya que nadie puede recibir las imágenes de un vídeo en un formato y calidad que se corresponda exactamente con su situación. Según una de las investigadoras, Marina Zapater Sancho, lo que realmente ocurre es que las plataformas de streaming, como YouTube o Netflix, utilizan sólo dos sistemas para facilitar el visionado de sus vídeos. Y los dos sistemas son ineficaces, añade.
Un sistema consiste en almacenar una única copia del vídeo en la mayor calidad posible. El segundo sistema consiste en almacenar una decena de copias de un mismo vídeo en diferentes formatos. Estos son los sistemas actuales que permiten el streaming.
Dos sistemas
En el primer caso, el visionado implica lentitud y cortes para el usuario. En el segundo caso, los espacios de almacenamiento necesarios para almacenar tantos vídeos demandan un consumo de energía que crece con el aumento del número de vídeos disponibles.
En su estudio, los investigadores demuestran no sólo que es posible una mejor ubicación de los recursos, sino también un ahorro de energía de casi el 20%. Además, garantizan una mejora de la experiencia del usuario del 37%. El impacto de esta economía en consumo y en memoria de almacenamiento es inmensa, ya que el streaming video representa el 80% del tráfico global de Internet, y no deja de crecer.
Para llegar a esta resultado, los investigadores se apoyan en el aprendizaje automático o machine learning, que se basa en la capacidad de los ordenadores de aprender a través de la experiencia.
Expusieron a los ordenadores a numerosos escenarios, por ejemplo 1.000 usuarios pinchando en un mismo vídeo con aparatos diferentes. A través del aprendizaje automático, los ordenadores recordaron las situaciones positivas, y las reprodujeron sucesivamente.
Gracias a este entrenamiento, la aplicación que codifica los videos para que puedan ser visionados aprende a usar mejor los recursos para conseguir una combinación de objetivos: la compresión, la calidad, el rendimiento y el consumo.
En efecto, todos estos vídeos deben ser almacenados, en diversos formatos, para que puedan ser visionados por cualquier usuario en condiciones mínimamente aceptables. Los espacios de almacenamiento en los servidores, ya inmensos, aumentan cada día, así como el consumo de energía asociado a estas instalaciones.
Ahora, un grupo de investigadores de la Escuela Politécnica Federal de Lausana, en Suiza, ha ideado un sistema que consigue reducir estas necesidades de espacio y energía sin alterar la calidad de visionado de los videos, según se informa en un comunicado.
En internet, un mismo vídeo es visionado miles o millones de veces, si bien en contextos diferentes que dependen del dispositivo utilizado, de la conexión a Internet del usuario y del entorno informático en que se produce.
Sin embargo, el servicio personalizado no existe, ya que nadie puede recibir las imágenes de un vídeo en un formato y calidad que se corresponda exactamente con su situación. Según una de las investigadoras, Marina Zapater Sancho, lo que realmente ocurre es que las plataformas de streaming, como YouTube o Netflix, utilizan sólo dos sistemas para facilitar el visionado de sus vídeos. Y los dos sistemas son ineficaces, añade.
Un sistema consiste en almacenar una única copia del vídeo en la mayor calidad posible. El segundo sistema consiste en almacenar una decena de copias de un mismo vídeo en diferentes formatos. Estos son los sistemas actuales que permiten el streaming.
Dos sistemas
En el primer caso, el visionado implica lentitud y cortes para el usuario. En el segundo caso, los espacios de almacenamiento necesarios para almacenar tantos vídeos demandan un consumo de energía que crece con el aumento del número de vídeos disponibles.
En su estudio, los investigadores demuestran no sólo que es posible una mejor ubicación de los recursos, sino también un ahorro de energía de casi el 20%. Además, garantizan una mejora de la experiencia del usuario del 37%. El impacto de esta economía en consumo y en memoria de almacenamiento es inmensa, ya que el streaming video representa el 80% del tráfico global de Internet, y no deja de crecer.
Para llegar a esta resultado, los investigadores se apoyan en el aprendizaje automático o machine learning, que se basa en la capacidad de los ordenadores de aprender a través de la experiencia.
Expusieron a los ordenadores a numerosos escenarios, por ejemplo 1.000 usuarios pinchando en un mismo vídeo con aparatos diferentes. A través del aprendizaje automático, los ordenadores recordaron las situaciones positivas, y las reprodujeron sucesivamente.
Gracias a este entrenamiento, la aplicación que codifica los videos para que puedan ser visionados aprende a usar mejor los recursos para conseguir una combinación de objetivos: la compresión, la calidad, el rendimiento y el consumo.
Visionado en tiempo real
Este logro es sólo el primer paso. Los investigadores se proponen conseguir el visionado de un vídeo en tiempo real, una situación que permitirá almacenar una única copia de cada vídeo y al mismo tiempo ofrecer al usuario su adaptación en tiempo real al formato, la compresión, la calidad y la situación de cada ordenador.
Para conseguirlo, haría falta un ordenador de una potencia que todavía no existe, reconoce Marina Zapater. Pero esta optimización en rendimiento y consumo de energía tendría efectos poderosos no sólo en la industria de la diversión (videojuegos), sino también para la resonancia magnética (IRM), añade.
Con la finalidad de diagnosticar eficazmente al mayor número posible de pacientes, las máquinas IRM deben funcionar 24 horas sobre 24, proporcionar imágenes de buena calidad que deben ser almacenadas al menos durante el tiempo de vida del paciente en un CD que cada usuario se lleva a su casa.
El sistema desarrollado por este equipo permitiría almacenar todos estos datos en Internet con la finalidad de que puedan ser consultados, compartidos y manipulados por el cuerpo médico en tiempo real.
Otra aplicación posible del sistema es el espacial, ya que estos investigadores trabajan en el proyecto “Square Kilometer Array (SKA)”, que pretende radiotelegrafiar el espacio exterior. El objetivo de este proyecto es obtener inmensos clichés del cielo de una calidad que permita descubrir cosas minúsculas, así como almacenarlos y visionarlos en tiempo real.
Desde el punto de vista informático, el visionado en tiempo real es muy complicado, reconoce Marina Zapater. “Por eso estamos estudiando la mejor arquitectura posible para los servidores, aún sabiendo que hablamos de servidores que seguramente todavía no existen.”
Este logro es sólo el primer paso. Los investigadores se proponen conseguir el visionado de un vídeo en tiempo real, una situación que permitirá almacenar una única copia de cada vídeo y al mismo tiempo ofrecer al usuario su adaptación en tiempo real al formato, la compresión, la calidad y la situación de cada ordenador.
Para conseguirlo, haría falta un ordenador de una potencia que todavía no existe, reconoce Marina Zapater. Pero esta optimización en rendimiento y consumo de energía tendría efectos poderosos no sólo en la industria de la diversión (videojuegos), sino también para la resonancia magnética (IRM), añade.
Con la finalidad de diagnosticar eficazmente al mayor número posible de pacientes, las máquinas IRM deben funcionar 24 horas sobre 24, proporcionar imágenes de buena calidad que deben ser almacenadas al menos durante el tiempo de vida del paciente en un CD que cada usuario se lleva a su casa.
El sistema desarrollado por este equipo permitiría almacenar todos estos datos en Internet con la finalidad de que puedan ser consultados, compartidos y manipulados por el cuerpo médico en tiempo real.
Otra aplicación posible del sistema es el espacial, ya que estos investigadores trabajan en el proyecto “Square Kilometer Array (SKA)”, que pretende radiotelegrafiar el espacio exterior. El objetivo de este proyecto es obtener inmensos clichés del cielo de una calidad que permita descubrir cosas minúsculas, así como almacenarlos y visionarlos en tiempo real.
Desde el punto de vista informático, el visionado en tiempo real es muy complicado, reconoce Marina Zapater. “Por eso estamos estudiando la mejor arquitectura posible para los servidores, aún sabiendo que hablamos de servidores que seguramente todavía no existen.”