CoStream: Codec-Guided Resource-Efficient System for Video Streaming Analytics
يُعد CoStream نظاماً لتحليلات بث الفيديو كفؤاً في استهلاك الموارد، حيث يستفيد من البيانات الوصفية المتأصلة في الترميز لتوجيه تقليم الرقع عبر الإنترنت وتحديث ذاكرة التخزين المؤقت الانتقائية للمفاتيح والقيم، محققاً تحسناً في الإنتاجية يصل إلى 3 أضعاف وخفضاً في حسابات وحدة معالجة الرسومات بنسبة 87% مع حد أدنى من فقدان الدقة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تدير عملية أمنية ضخمة لمدينة تحتوي على 500,000 كاميرا. هدفك هو جعل ذكاء اصطناعي فائق الذكاء (نموذج رؤية-لغة) يراقب كل تغذية للكاميرات على مدار الساعة طوال أيام الأسبوع لرصد الجرائم أو الحوادث.
المشكلة: الذكاء الاصطناعي مجهد والأنابيب مسدودة
في الوقت الحالي، يعاني هذا النظام من سببين رئيسيين:
- أنبوب البيانات واسع جداً: إرسال فيديو خام غير مضغوط من الكاميرات إلى السحابة يشبه محاولة الشرب من خرطوم حريق؛ فهو يسد الشبكة.
- الذكاء الاصطناعي يقوم بـ "عمل مزدوج": تخيل أنك تشاهد فيديو لشخص يقف ساكناً في حديقة. إذا طلبت من الذكاء الاصطناعي تحليل كل ثانية، فإنه سينظر إلى الشخص، والأشجار، والسماء في الإطار الأول، ثم يفعل الشيء نفسه تماماً في الإطار الثاني، والإطار الثالث، وهكذا. ورغم أن الشخص لم يتحرك إنشاً واحداً، إلا أن الذكاء الاصطناعي يعيد حساب كل شيء من الصفر. هذا هدر هائل للجهد.
تحاول الأنظمة الحالية حل هذه المشكلة إما بجعل الذكاء الاصطناعي أكثر ذكاءً في تخطي الإطارات، أو عن طريق التخزين المؤقت (الحفظ) للإجابات السابقة. لكن هذه الأساليب غالباً ما تكون بطيئة، وتتطلب تدريباً مكثفاً، أو تعالج جزءاً واحداً فقط من المشكلة.
الحل: CoStream (المترجم الذكي)
أدرك مؤلفو هذه الورقة البحثية، CoStream، أننا نتجاهل مصدراً سرياً للمعلومات موجود بالفعل: ترميز الفيديو (Video Codec).
فكر في ترميز الفيديو (مثل البرامج التي تضغط فيديوهات يوتيوب الخاصة بك) كـ مترجم ذكي. عندما يضغط الترميز فيديو ما، فإنه لا يكتفي بتصغير حجم الملف فحسب؛ بل ينشئ "خريطة" لما تغير وما ظل كما هو.
- إذا كانت شجرة ثابتة، يقول الترميز: "لم يتغير شيء هنا".
- إذا مرت سيارة، يقول الترميز: "مهلاً، هذا الجزء تحرك!"
يستخدم CoStream هذه "الخريطة" (البيانات الوصفية) لتوجيه الذكاء الاصطناعي، ليعمل بمثابة مراقب حركة المرور للنظام بأكمله.
كيف يعمل CoStream (الخدع السحرية الثلاث)
1. خدعة "تخطي الأشياء المملة" (تقليم الرموز - Token Pruning)
- الطريقة القديمة: ينظر الذكاء الاصطناعي إلى كل رقعة من الصورة، حتى الخلفية الثابتة.
- طريقة CoStream: قبل أن يرى الذكاء الاصطناعي الصورة، ينظر CoStream إلى "خريطة الحركة" الخاصة بالترميز. إذا قالت الخريطة: "السماء والمبنى لم يتحركا"، يخبر CoStream الذكاء الاصطناعي: "لا تتعب نفسك بالنظر إلى السماء أو المبنى. فقط ركز على السيارة المتحركة".
- تشبيه: الأمر يشبه المعلم الذي يصحح اختباراً. بدلاً من قراءة كل كلمة في مقال الطالب، يلقي المعلم نظرة خاطفة على "الأجزاء المظللة" حيث قام الطالب بشيء جديد بالفعل، متجاهلاً الأجزاء التي نسخها حرفياً من الكتاب المدرسي.
2. خدعة "لا تعد قراءة الكتاب" (تحديث التخزين المؤقت الانتقائي - Selective Cache Refresh)
- الطريقة القديمة: عندما ينتقل الذكاء الاصطناعي إلى الـ 10 ثوانٍ التالية من الفيديو، فإنه يرمي ملاحظاته السابقة ويبدأ في قراءة القصة كاملة من البداية مرة أخرى.
- طريقة CoStream: يعرف CoStream أن 80% من الفيديو هو نفسه في الـ 10 ثوانٍ الماضية. فيقول: "احتفظ بملاحظاتك حول الخلفية الثابتة. ولكن بما أن شخصاً جديداً قد دخل للتو، فلنقم بتحديث الملاحظات لهذا الشخص تحديداً".
- تشبيه: تخيل أنك تقرأ رواية طويلة. إذا قلبت الصفحة وكان المشهد هو نفسه، فأنت لا تعيد قراءة الفصل بأكمله، بل تقرأ فقط الفقرة الجديدة حيث يتحدث الشخص. CoStream يفعل هذا لذاكرة الذكاء الاصطناعي.
3. خدعة "الخط المباشر" (النقل - Transmission)
- الطريقة القديمة: غالباً ما يقوم النظام بفك ضغط الفيديو، ومعالجته، ثم إرساله.
- طريقة CoStream: يبقي الفيديو مضغوطاً لأطول فترة ممكنة ويستخدم "خريطة الحركة" الخاصة بالترميز نفسه للقيام بالعمل. الأمر يشبه استلام طرد تم فرزه بالفعل من قبل عامل التوصيل، بحيث لا تضطر لفتح الطرد وإعادة فرزه بنفسك.
النتائج: قفزة هائلة للأمام
باستخدام هذه الخدع، يحقق CoStream أرقاماً مثيرة للإعجاب:
- أسرع بـ 3 مرات: يمكنه معالجة تدفقات الفيديو بسرعة تزيد بثلاث مرات عن أفضل الأنظمة الموجودة حالياً.
- طاقة أقل بنسبة 87%: يستخدم طاقة حوسبة (طاقة وحدة معالجة الرسومات) أقل بنسبة 87%. وهذا يعني أنه يمكنك تشغيل نفس النظام على جزء بسيط من الأجهزة، مما يوفر مبالغ هائلة من المال والكهرباء.
- لا يوجد ضرر في القدرات الذهنية: رغم تخطي الكثير من العمل، لا يزال الذكاء الاصطناعي دقيقاً تقريباً مثل لو كان قد قام بكل العمل. فهو لا يفقد سوى 0% إلى 8% فقط من الدقة، وهي ضريبة ضئيلة مقابل هذه المكاسب الهائلة في السرعة.
الصورة الكبيرة
CoStream يشبه منح ذكاء اصطناعي فائق الذكاء نظارات ذكية. بدلاً من التحديق بجمود في كل بكسل وإعادة حساب الكون كل ثانية، يمكن لـ CoStream الآن رؤية ما تغير بالضبط، وما بقي كما هو، وما الذي يستحق الانتباه. إنه يحول عملية فوضوية ومستهلكة للطاقة إلى نظام رشيق، فعال، وقابل للتوسع يمكنه أخيراً التعامل مع مليارات الكاميرات في عالمنا الحديث.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.