DeepMind看到了数据中心冷却系统的有希望的AI结果

回到三月份，3M发布了关于数据的演示文稿，提醒我们不会有任何类似数据放缓的问题，然后提出问题，好吧，那么我们如何吞下这个问题，同时设想一个可持续的未来?链接：数据中心及其为保持正常运行而构成的挑战，更加环保。

演讲提出了一个引人深思的想法。“人类历史上最近两年创造的数据比以往任何时候都多。”

我们不只是谈论坐在盒子里的可爱的猫或模型的说唱歌手，所以停放它。我们正在谈论手术中的数据，影响农民作物的每日数量变化，交通支持，各种危机警告。该数据中心是我们沟通的能力是至关重要的。

美国的美国数据中心消耗的能源水平令人不知所措。

“存储，移动，处理和分析数据都需要能量。很多。大型数据中心的处理器嗡嗡作响的能量与大型发电站提供的能量相同，可达1000兆瓦或更多。为了防止服务器和周围建筑物过热，需要大量精力，“正如YaleEnvironment360所说的那样。

3M的报告指出，数据中心38%的电力需求只是为了冷却电子产品。

在DeepMind，他们一直致力于冷却解决方案。DeepMind博客称，“在DeepMind和Google，我们相信，如果我们能够将AI用作发现新知识的工具，那么解决方案将更容易实现。” 通过这项任务，他们一直在研究AI如何介入以管理数据中心冷却。

他们让AI学习如何调整冷却系统以降低功耗。数据中心的能耗因此下降。

他们系统成功的背后是来自数据中心运营商的反馈，他们的愿望清单上有一些东西：数据中心冷却需要太多的操作员努力和监督让他们询问是否可以在没有那么多手动实施的情况下完成任何工作并仍然实现节能?

消息是，谷歌正在使用自学算法来管理其基础设施的一部分。

Google数据中心工程师Amanda Gasparik，DeepMind后两者Chris Gamble和Jim Gao撰写了有关DeepMind博客自主数据中心冷却工作的文章。实际上，这种努力已经开始了一段时间。

麻省理工学院技术评论提供了一些历史：“在过去的几年里，谷歌一直在测试一种算法，该算法可以学习如何最好地调整冷却系统 - 风扇，通风和其他设备 - 以降低功耗。该系统之前提出了建议数据中心经理决定是否实施这些技术，从而在这些冷却系统中节省约40%的能源。“

那些是“人为实施”的建议。

消息是2016年的系统是另一个层次。当时，目标是根本性的，为(1)节能和(2)减少二氧化碳排放提供支持。

现在是2018年的转折：他们宣布“我们的AI系统直接控制数据中心冷却。”

现在处于“多个”Google数据中心。该系统仅在几个月内就已存在，但博客声称该系统已经实现了约30%的节能 - 并且预计会有进一步的改进。

为什么他们期待进一步的改进?记住，这是人工智能。“这是因为随着时间的推移，这些系统会随着更多数据而变得更好，”AI可以走路。谷歌数据中心运营商之一丹·富恩芬格在博客中表示，“规则不会随着时间的推移而变得更好，但人工智能确实如此。”

那是什么意思?“人工智能控制系统正在寻找更多新颖的管理冷却方式，甚至让数据中心运营商感到惊讶。” Fuefinnger指出，他看到人工智能“学会利用冬季条件，产生比普通水更冷的水，这减少了数据中心内冷却所需的能量。”

威尔将报道一支乐观的球队。“DeepMind提供从谷歌数据中心收集的新算法信息，让它确定哪些冷却配置可以减少能源消耗。该项目可以产生数百万美元的节能，并可能帮助公司降低碳排放，副总裁乔卡瓦说。谷歌数据中心。“ 尽管如此，有些人可能会觉得将数据中心及其所有关键任务预期放在算法手中是一件很大的事。

根本没有人的因素?是的，有一个人类玩家。博客作者表示他们的数据中心操作员“始终处于控制状态，可以随时选择退出AI控制模式。在这些情况下，控制系统将无缝地从AI控制转移到现场规则和启发式定义自动化今天的行业。“ 简而言之，人类覆盖总是可用的 - 并且旨在取代任何AI动作。

他们的系统如何运作?

“每隔五分钟，我们基于云的AI就会从数千个传感器中提取数据中心冷却系统的快照，并将其输入我们的深度神经网络，预测潜在行动的不同组合将如何影响未来的能源消耗。确定哪些行动将最大限度地降低能耗，同时满足一系列强大的安全约束。这些行动将被发送回数据中心，由当地控制系统验证行动，然后实施。

他们的设计涉及AI代理和安全性和可靠性的控制基础设施，

他们说他们使用八种机制来确保系统正常运行。

其中之一是AI可用于估计不确定性。对于每一个可能的行动，他们的AI代理人都会计算出这是一个很好的行动。低信心的行动被排除在考虑范围之外。然后是两级验证，其中本地控制系统根据其自己的约束集验证指令。