人工智能AI改变流媒体视频格局，传统电视将被淘汰

　　人工智能（AI）及机器学习（ML）一起开始在全球各行各业掀起波澜，融入到人们的生活每一处。但是这些技术并不是新技术。 Marvin Minsky和Douglas Lenat等名人在20世纪60年代和70年代开创了先河，人类一直在寻求以硅和算法为基础的合成智能。
　　不过，只是在最近几年，该技术才进入一种状态，可以更轻松地应用于已数字化的业务流程。在许多情况下，AI和ML的应用可以提高业务效率，节省成本甚至减少人员。但是，这种技术对流视频有什么作用？
　　流媒体视频的采用和扩散面临着一些严峻的挑战，最明显的是规模和质量。随着越来越多的人观看，对高清甚至4K的期望，对交付基础架构的压力越来越大（最终导致故障）并且消耗了更多的带宽，所有这些都共同破坏了最终用户的体验。但是，如果视频发行商可以部署诸如AI之类的计算机智能，它可以自动做出决定以改善交付质量，从而改善体验，那该怎么办？
　　考虑流服务器和客户端播放器正在生成多少数据。可以将这些数据自动输入AI系统，AI可以使用结果来改进传输，例如在出现拥塞时通过重新路由到不同的CDN。但这并不能真正解决问题。
　　仍然有一些用户在进行切换时体验到较差的视频质量。如果同一系统可以在故障发生之前主动进行切换怎么办？这就是AI的真正力量-无需输入即可做出操作决策。当然，随着时间的流逝，这样的系统自然会变得更加智能。
　　但是视频交付并不是AI可能受益的唯一途径。以编码为例。编码供应商正在尝试完善考虑场景本身性质的视频压缩（即上下文感知）。通过这样做，可以减少编码时间（因为并非所有场景都需要相同的压缩级别），同时仍然可以减小完成视频的整体大小，从而在不牺牲质量的情况下为最终用户节省了带宽。这些情境感知编码器由智能系统提供支持，这些智能系统有时甚至可以重写编码配置文件以优化压缩，而无需任何人工干预。
　　AI也可以通过其他方式用于改善视频体验。个性化和推荐怎么样？内容发现如何？在这两种情况下，智能系统都可以了解用户的观看行为，以至于真正了解用户喜欢观看的内容，而不仅仅是基于过去的数据。
　　相反，当与诸如面部识别的技术相结合（例如，使用笔记本电脑上的前置摄像头）时，系统可以学会理解用户的情绪状态，并且与其他数据（如一天中的时间，天气，日历活动等），可能会建议用户最有可能喜欢观看的跨平台视频。结合视频中的交互性，这可能会导致跨电子商务平台（如亚马逊）的非常个性化的推荐。
　　未来的视频体验不只是＂向后倾斜＂。它将融合社会和商业，它将由数据驱动。
　　TSINGSEE青犀视频专注于计算机视觉、模式识别领域的开发与研究，深耕音视频流媒体领域，围绕AI、5G、大数据、云计算、边缘计算、物联网、视频分析等技术，可为用户提供基于视频流媒体技术的平台及行业方案。
　　随着发行商部署AI系统（当然是在网络边缘以减少延迟），该系统随着时间的推移变得越来越智能，传统电视和流媒体之间的差距将会越来越大，二者的视频体验将不再相同，传统电视将被淘汰。