구글은 올해 2월 유튜브 시청 시간이 하루 10억 시간을 돌파했다고 발표했다. 유튜브는 인터넷 속도가 늦어질 경우 자동으로 화질을 낮춰 원활한 재생 환경을 유지하고 있다. 하지만 이렇게 저화질로 영상을 시청하는 시간을 정확하게 공개하지는 않았다. 버퍼링에 의해서도 상당한 시간이 소비되고 있다.

MIT의 컴퓨터과학과 인공지능 연구소(CSAIL:Computer Science and Artificial Intelligence Laboratory)는 보다 쾌적한 영상 시청 체험을 실현하기 위해서 기계 학습을 이용한 획기적인 솔루션을 개발했다고 한다.

유튜브 등의 스트리밍 서비스는 영상 파일을 모두 다운로드하지 않고, 일부 데이터를 버퍼 메모리에 축적한 뒤 재생을 시작한다. 새로운 데이터 파일을 다운로드하기 전 버퍼 메모리가 소진되면 영상 재생이 중단되고 버퍼링 아이콘이 표시된다.

데이터 파일의 다운로드 시간은 서버의 부하나 네트워크 트래픽, 인터넷 속도 등에 의해 결정된다. 인터넷 속도가 늦어질 경우 동영상 해상도를 낮춰 영상 재상이 중단되는 것을 막고 있다.

지금까지 유튜브와 넷플릭스는 어댑티브(가변) 비트레이트(ABR) 알고리즘을 이용해 화질을 조정해 왔다. 하지만 영상의 품질은 버퍼 메모리에 축적된 데이터량과 인터넷 속도 양쪽에 의존하는 반면 ABR은 어느 한쪽에만 대응할 수 없다는 것이 과제였다.

이번 MIT 인공지능 연구소가 개발한 인공신경 회로망 펜시브(Pensieve)는 네트워크 조건이나 버퍼 메모리의 상황, 지금까지 학습한 비트율 등을 토대로 최적의 비트레이트를 자동으로 선택해 영상을 재생한다. 또, 동영상 품질을 측정하는 알고리즘을 조정해 더욱 성능을 향상시킬 수 있다고 한다. 이처럼 펜시브는 인터넷 속도와 버퍼 상황에 맞춰서 최고의 시청 체험을 실현한다. 

MIT 인공지능 연구소에 따르면 다양한 조건 아래에서 펜시브를 기계 학습시킨 결과 기존 방식에 비해서 버퍼링에 의한 재상 중단이 10~30% 감소했다고 한다. 시청자들은 화질이 10~25% 향상되었다고 답했다. 특히 공공 네트워크(와이파이)나 LTE을 이용한 영상 재생 실험 결과에서도 모두 비슷한 수준으로 개선되었다고 한다. 

펜시브의 강점은 현재 네트워크나 버퍼 상황에 곧 대응할 수 있다는 점과 컨텐츠 공급자나 시청자가 화질 중시나 버피링 감소 중시를 자유롭게 선택할 수 있는 등의 유연성에 있다. 연구팀에 따르면 펜시브는 향후 더욱 비약적으로 동영상 스트리밍을 개선시킬 수 있다고 강조했다. 

현재 모델은 MIT 인공지능 연구소의 설비를 사용해 소규모의 기계학습이 이뤄지고 있지만, 넷플릭스나 유튜브 규모의 데이터 세트를 이용해 기계학습이 진행된다면 성능이 현저히 향상될 가능성이 높다.

MIT 인공지능 연구소는 8월 23일 UCLA에서 개최되는 SIGCOMM에서 펜시브에 관한 연구 결과를 발표할 예정이다. 연구 논문은 SIGCOMM 웹사이트에 게재된다.

베타뉴스 우예진 기자 (w9502@betanews.net)
Copyrights ⓒ BetaNews.net

• • 목록
  • 위로