211service.com
Google ga nettopp kontroll over datasenterkjøling til en AI
Et Google-datasenter i Council Bluffs, Iowa.
Google avslørte i dag at de har gitt kontroll over kjøling av flere av sine leviathan-datasentre til en AI-algoritme.
I løpet av de siste par årene har Google testet en algoritme som lærer hvordan man best kan justere kjølesystemer – vifter, ventilasjon og annet utstyr – for å redusere strømforbruket. Dette systemet ga tidligere anbefalinger til datasenterledere, som ville bestemme om de skulle implementeres eller ikke, noe som førte til energibesparelser på rundt 40 prosent i disse kjølesystemene.
Nå, sier Google, har den effektivt overlatt kontrollen til algoritmen, som administrerer kjøling ved flere av datasentrene helt av seg selv.
Det er første gang et autonomt industrielt kontrollsystem vil bli utplassert i denne skalaen, så vidt vi vet, sier Mustafa Suleyman , leder for anvendt AI hos DeepMind, det London-baserte kunstig intelligens-selskapet Google kjøpte opp i 2014.
Prosjektet demonstrerer potensialet for kunstig intelligens for å administrere infrastruktur – og viser hvordan avanserte AI-systemer kan fungere i samarbeid med mennesker. Selv om algoritmen kjører uavhengig, klarer en person den og kan gripe inn hvis den ser ut til å gjøre noe for risikabelt.
Algoritmen utnytter en teknikk kjent som forsterkende læring, som lærer gjennom prøving og feiling. Den samme tilnærmingen førte til AlphaGo, DeepMind-programmet som beseiret menneskelige spillere i brettspillet Go (se 10 Breakthrough Technologies: Reinforcement Learning ).
DeepMind matet sin nye algoritmeinformasjon samlet fra Googles datasentre og lot den bestemme hvilke kjølekonfigurasjoner som ville redusere energiforbruket. Prosjektet kan generere millioner av dollar i energibesparelser og kan hjelpe selskapet å redusere sine karbonutslipp, sier Joe Kava, visepresident for datasentre for Google.
Kava sier at ledere stolte på det tidligere systemet og hadde få bekymringer om å delegere større kontroll til en AI. Likevel har det nye systemet sikkerhetskontroller for å forhindre at det gjør noe som har en negativ effekt på kjølingen. En datasenterleder kan se systemet i aksjon, se hva algoritmens konfidensnivå er om endringene den ønsker å gjøre, og gripe inn hvis det ser ut til å gjøre noe uheldig.
Energiforbruket til datasentre har blitt et presserende problem for teknologiindustrien. EN 2016 rapport fra forskere ved det amerikanske energidepartementets Lawrence Berkeley National Laboratory fant at amerikanske datasentre forbrukte rundt 70 milliarder kilowattimer i 2014 – omtrent 1,8 prosent av det totale nasjonale strømforbruket.
Men innsatsen for å forbedre energieffektiviteten har vært betydelig. Den samme rapporten fant at effektivitetsgevinster nesten opphever økningen i energibruken til nye datasentre, selv om totalen forventes å nå rundt 73 milliarder kilowattimer innen 2020.
Bruk av maskinlæring er en viktig utvikling, sier Jonathan Koomey, en av verdens ledende eksperter på energibruk av datasenter. Men han legger til at kjøling står for en relativt liten del av energibruken til et senter, rundt 10 prosent.
Koomey tror bruk av maskinlæring for å optimalisere oppførselen til de strømkrevende databrikkene inne i datasentre kan vise seg å være enda viktigere. Jeg er ivrig etter å se Google og andre store aktører bruke slike verktøy for å optimalisere databelastningen deres, sier han. «Mulighetene på datasiden er ti ganger større enn for kjøling.