SMW '18:思科的Sangeeta Ramakrishnan谈论机器学习和电子竞技

了解更多关于机器学习的信息流媒体的下一个事件.

以下是采访全文:

蒂姆Siglin: 欢迎回到流媒体西部2018，我是蒂姆·西格林. 流媒体杂志特约编辑, 非盈利组织的创始执行董事帮我做直播. 今天我请来了思科首席数据官办公室的杰出工程师Sangeeta Ramakrishnan.

桑吉塔，你和多姆·罗宾逊还有我在SM高级论坛上. 你说的两件事让我很感兴趣，一是延迟，二是电子竞技. 在我们开始讨论这些之前，告诉我你在这里的会议上做什么?

Sangeeta Ramakrishnan: 我昨天参加了一个关于机器学习和人工智能的小组讨论. 这是视频句子的杠杆作用，很令人兴奋吗. 同时，我也是“流媒体女性”组织的创始人. 我们昨天还开了个见面会，所以那也很令人兴奋.

蒂姆Siglin: 我们来谈谈机器学习和人工智能, 这两者之间的区别, 因为每个人都在谈论人工智能. 几乎没有人谈论机器学习.

Sangeeta Ramakrishnan: 我认为公众和媒体都在谈论AI. 我怀疑，在这个领域工作的人更多地使用“机器学习”这个词.

我更喜欢用“机器学习”这个词.“对很多人来说，这太过分了. 对他们来说，只有当你真正能够复制人类的智能时，人工智能才会出现. 我们离那还远着呢.

机器学习是一个较小的目标，但却是一个可以实现的目标，并且已经带来了好处.

蒂姆Siglin: 从视频的角度来看，有什么不同? 比如说，通过计算机视觉进行机器学习. 因为，计算机视觉多年来也一直是这些主题之一. 是主要元数据吗?, 或者它实际上是在看场景来找出谁出现在里面, 等等?

Sangeeta Ramakrishnan: 很好的问题. 计算机视觉是关于复制人类的视觉, 但是从计算机的角度来看. 计算机能识别猫和狗吗? 它能分辨出足球和篮球之类的东西吗?

机器学习更广泛. 你可以使用机器学习来识别异常. 如果你的流量有问题，用户放弃内容的问题. 任何类型的数据. 传统上，您可以通过简单的规则基础事项来检测异常. 如果某件事超过90%, 或者降到10%以下, 甚至可能下降到90%, 或者某些情况下，某些参数会在10到90的范围内, 但这是不寻常的, 因为它是3a.M. 为什么在3a的时候还有40%呢.M.? 这是问题的前兆, because, 也许当他们的高峰时间到来时，你可以更早地发现它. 这种异常推断并不是真正的计算机视觉. 机器学习可以做更多的事情.

蒂姆Siglin: 我想是罗杰·潘托斯, 今天早上在他的演讲中, 谈到了其中一个机器学习模型当他谈到在不连续的情况下使用间隙术语时. 说是的，它会消失，而不是抛出404. 让我们假设这里可能有一个潜在的间隙，它稍后会回来.

Sangeeta Ramakrishnan: 对，对，没错.

蒂姆Siglin: 好的，非常好. 让我们来谈谈电子竞技. 在SM高级论坛上，你提到电子竞技是一个不断增长的视频市场. 它的增长仅仅是从消费的角度来看，还是从内容生产的角度来看?

Sangeeta Ramakrishnan: 我想，两者都有. 如果消费上升，人们就会发现，我们怎么才能进入这个领域? 我们如何将其货币化? 就在首映夜的流媒体西部, 我遇到了乔治亚州一所大学的人，他告诉我他们想举办电子竞技比赛. 例如，他们没有网络容量来实现这一点. 人们希望在这个领域做更多的事情. 我认为技术, 而且基础设施还没有完全到位，不能让人们随心所欲地做任何事情. 在我看来，这取决于需求. 我认为成长是件好事.

蒂姆Siglin: 这是电子竞技中需要解决的容量问题吗?

Sangeeta Ramakrishnan: 完全. 的电子竞技, 暂停主要有两个挑战, 一个是容量和延迟, 我提到容量的原因是电子竞技, 比如Twitch直播, 在上游发送大量流量的人. 传统上是在广播网络中, 我们已经习惯了人们在下游消耗大量带宽. 作为宽带提供商, 我相信运营商很高兴看到上游需求的增长, 但他们也需要为此做好准备. 产能在那里. 这些有线网络越来越接近对称. 它们还没有完全实现，但在未来12-24个月内会有新技术出现. 我们将获得对称带宽，甚至在有线网络中.

蒂姆Siglin: 我记得早在2001年——实际上是911那天——我在看一场演出. 他们在争论SDSL和ADSL孰优孰弊. 当然, 电话公司想要ADSL, 但我们知道，从消费者内容创作的角度来看, 最终我们将不得不同步. 有趣的是，我们终于在这一点上接近了平价.

Sangeeta Ramakrishnan: 当然，除了容量之外，延迟也是一个大问题，因为如果您想要交互性. 你必须能够把视频传递出去, 让你的观众及时与你互动. 这是另一个与我们今天所做的视频直播相比具有挑战性的部分, 因为在大多数直播中都没有互动的成分.

蒂姆Siglin: 在那些具有交互性的场景中, 您是否必须将跳数限制为从初始发送方到接收方然后再返回的一定跳数, 或者从整体延迟的角度来看，它经过的跳数并没有真正的区别?

Sangeeta Ramakrishnan: 啤酒花很重要. 但是很多延迟可能实际上是由传输和任何需要的重新传输驱动的. Because, 传统的流媒体, 我们用过TCP——我是说, 我们滥用了TCP, 但我们已经用了30年了. TCP规范已经存在了30年. 也许是时候做点别的了, 因为作为直播的一个例子, 尤其是电子游戏之类的东西. 也许准时提供内容更重要，即使它并不完美. 这些事情可能会改变. 冗余——我们可能需要考虑如何提高冗余，也许增加前向纠错. 我们可能需要混合一些东西, 从传统的视频会议世界进入到直播世界. 我认为这是这两个空间的混合.

蒂姆Siglin: 有趣的. 从视频H开始.323, H.263，在我在流媒体之前

Sangeeta Ramakrishnan: Me too.

蒂姆Siglin: 与流式传输相比，我们的低延迟非常低. 我们如何在应用程序级别处理它? 有没有一种方法可以在应用程序级别上加快速度? 你提到了新的交通工具.显然我们有UDP和可靠的UDP, 本质上是确保应用程序支持这些吗?

Sangeeta Ramakrishnan: 这些肯定是开始的地方，考虑使用什么交通工具. 不幸的是，今天在我看来，没有一个明确的赢家. Quick被设定为比TCP更好. 在TCP中出现了新的拥塞控制协议. 有几所大学正在研究一些非常有趣的交通工具. 一个在以色列，一个在斯坦福. 当然谷歌有BBR来控制拥塞. 有很多变化，有很多变化. SRT试图解决延迟问题. 目前还没有明确的赢家. 我怀疑未来几年的赢家. 这个空间可能会趋于稳定. 因为，现在它仍然是一个开放的领域.

蒂姆Siglin: 肯定. 好的，非常感谢您的宝贵时间. 短暂休息后我们马上回来.