专栏:简化直播业务使用人工智能和机器学习

撩开窗帘在直播工作流人工智能和机器学习

人工智能和机器学习被视为下一代科技进步的支柱广播媒体出于各种原因,包括筛选大量的数据,识别异常,发现趋势和提醒用户潜在问题发生之前不需要人工干预。与更多的数据他们摄伟德国际娱乐正网取这些模型改善随着时间的推移,这意味着更多的ML模型使用在各种各样的应用程序,更快和更复杂的见解来源于这些工具。

但要真正理解为什么机器学习为电视台提供了巨大的价值,让我们把它分成用例和组件在广播媒体AI和毫升可以有最大的影响。

设置阶段:每个电视台都想避免的问题

想象一个体育赛事停止直播,或者帧无缘无故开始下降。观众注意质量问题,开始抱怨。技术人员正在困惑和客户可能已经错过了比赛。收入因此受到打击和高管们想知道什么是责任。

每电视台想要避免这些情况,在这紧张的时刻没有时间失去——观众抛到其他服务和广告收入是输了第二个。到底是哪里出了错?谁是罪魁祸首,我们怎样才能得到这个立即启动并运行,减轻这种风险在未来?现代广播公司需要知道问题发生,不会陷入危机之前试图事件后收拾残局。

人工智能和机器学习如何减少复杂性?

我们相互联系的世界的承诺意味着视频工作流交互缠绕,每天以新的方式和集成,同时增加信息共享,敏捷性和连通性而生产日益复杂的挑战和问题诊断。随着更伟德国际娱乐正网多on-prem和云资源与设备来自不同供应商的,来源,和伙伴组织分发新设备类型,有一个巨大的,不断产生日志和遥测数据的数量。

因此,广播工程师更多的信息比他们能有效的过程。伟德国际娱乐正网他们经常沉默频繁的警告和警报,因为有太多数据过载可无法区分什么是重要的,什么不是。这不可避免地离开团队了,缺乏洞察力。

高级分析和毫升可以帮助解决这些问题通过压倒性数量的数据,允许操作员筛选微不足道的杂乱和专注和理解问题是注意到之前可能发生故障。高级分析提供媒体公司前所未有的机会利用复杂的事件关联,数据聚合,深入学习,几乎无限的提高广播工作流应用程序。好处是能够用较少的资源做更多的事,创新速度比和准备未来的竞争——伟德国际娱乐正网通过增加你的知识面和潜在的降低成本和节省了时间,珩磨的关键细节背后最重要的数据用户和组织。

现代广播异常检测的关键作用

广播操作工程师面临的最大挑战之一是认识到当事情并不在观众的工作经验是影响。在一个完美的世界运营商和工程师想提前预测中断和识别潜在的问题。机器学习模型可以策划意识到正常范围基础上,成千上万的测量——超越人类操作员的能力——提醒运营商实时流异常发生时。虽然这个过程通常需要监视日志许多机器和跟踪性能的多个地点之间的联系和合作伙伴网络,使用毫升允许系统识别模式在大型数据集,帮助运营商只关注工作流异常,大大减少了工作量。

异常检测是通过建立一个预测模型的下一个测量相关流将——例如,网络上的数据包的往返时间或原始流的比特率然后决定从下一个测量不同的期望值。作为一种工具,通过正常和异常流,这可能是必要的,尤其是当管理数百或数千个并发通道。异常行为识别的一个好处是使操作员能够切换到备份链接,使用不同的网络链路发生故障之前。

异常检测也可以减少不必要的假警报的重要组成部分,减少时间浪费。功能,如可定制提醒偏好和聚合健康得分由threat-gauging数据点协助运营商数据筛选和同化的趋势,因此它们可以集中他们真正需要的地方。此外,预测和主动提醒可以数量级的便宜,允许广播公司能够识别不稳定的根源,更快和更容易失败。

的挑战,数据收集和数据聚合的价值

一个重大的挑战任何数据采集分析系统。当你有一个视频工作流组成的机器在不同的数据中心运行不同的操作系统和工具,很难吸收和规范可靠,相关数据,可以用在任何AI /毫升系统。虽然有自然数据聚合点在大多数广播体系结构——例如,如果您正在使用一个云操作和远程管理平台或共同协议栈——这当然不是一个给定的。

尽管存在标准应该如何格式化和传输视频数据,实际上很少描述机器的数据,网络测量,和其他遥测应该收集、传播和存储。因此有必要选择一个发送数据的技术合作伙伴共同聚合点解析,规范化和存入数据库,支持多种协议来支持一个强大的人工智能/毫升的解决方案。

实现机器学习背后的真正价值

一旦你有了一个从你的视频工作流收集实时测量的方法,你可以喂这些数据在ML引擎检测模式。从那里你可以训练系统不仅理解正常操作行为异常检测,但也认识到特定模式导致视频退化的事件。与这些模式确定你也可以跨系统,识别公共元数据与退化事件允许您识别退化事件与特定共享网段。

举个例子,如果一个特定的ISP在特定地区继续体验延迟或中断问题,系统学习选择提前预警信号,通知工程师之前主动停机,防止问题的同时提高根源识别在整个生态系统。开发人员还可以看到,错误是经常观察到使用常见的编码器或网络硬件设置。伟德国际娱乐正网意想不到的改变视频的结构或编码质量也可能是重要的信号迫在眉睫的问题。通过观察相关性,毫升给运营商关键洞察问题的原因以及如何解决这些问题。

并不是所有的问题都是可以避免的,但是毫升协助根源分析有助于防止未来的风险

预测分析、警报和相关性为自动故障预测和报警是有用的,但当一切失败,毫升模型还可以用来帮助运营商专注于领域关注的停机后,进行回顾性分析更容易和更快的通过根本原因分析。

工作流,包括许多机器和网络领域,本身就很难知道在哪里寻找问题。然而,ML模式,正如我们所见,提供使用数据聚合趋势识别和帮助可视化问题。甚至相对简单的可视化流偏离常态的非常有价值的,不管是历史图表,可定制的报告或简单问题特定的流比较类似的最近流。

机器学习指向未来的成功播出工作流

利用人工智能和ML提高运营效率和质量提供了一个强大的优势在准备广播的未来生活内容交付/ IP。选择合适的供应商系统监控和编制集成人工智能和ML功能可以帮助您的组织有意义的大量的数据通过媒体发送供应链和是一个强大的区别。

作为实验来测试假设是必不可少的传统的学习过程,这同样适用于毫升模型。建设、培训、部署和更新毫升模型在本质上是复杂的,这意味着供应商与用户合作必须继续迭代,比较结果,并调整相应的了解为什么后面的数据,提高根源分析和客户体验。

机器学习提供了前所未有的机会,复杂的事件关联,数据聚合,深入学习,几乎无限的应用程序在广播媒体操作,因为它的发展每年成倍增长。随着模型变得更明智的和相互联系,解伟德国际娱乐正网决问题和解决技术基于深度学习和AI将变得越来越必不可少的工具。广播组织准备自己寻找这样一个未来将是明智的准备这个可能性,选择合适的供应商将人工智能和ML启用工具集成到他们的工作流程。