Tillbaka i mars, 3M höll en presentation om data, som påminner oss om att det inte kommer att bli något som liknar en nedgång av data, och ställde sedan frågan, ok, så hur sväljer vi det och ser oss samtidigt en hållbar framtid? Länken:datacenter och de utmaningar de innebär för att hålla sig igång och mer miljövänliga.

Presentationen gav en fängslande tanke. "Mer data har skapats under de senaste två åren än någonsin tidigare i mänsklighetens historia."

Vi pratar inte bara om söta katter som sitter i lådor eller rappare med modeller, så parkera den. Vi pratar om data inom kirurgi, dagliga antal förändringar som påverkar bondens grödor, trafikstöd, krisvarningar av alla slag. Datacentren är avgörande för vår förmåga att kommunicera.

Amerikanska datacenter i USA förbrukar energinivåer som är häpnadsväckande för den oinvigde.

"Lagra, rör på sig, bearbetning, och att analysera data kräver allt energi. Massor av det. Processorerna i de största datacentren surrar med så mycket energi som kan levereras av ett stort kraftverk, 1, 000 megawatt eller mer. Och det kan ta lika mycket energi igen för att förhindra att servrarna och de omgivande byggnaderna överhettas, " som YaleEnvironment360 Ställ det.

3M-presentationen påpekade att 38 procent av elbehovet i datacenter bara är för att kyla elektroniken.

Borta på DeepMind, de har arbetat mot en kyllösning. DeepMind-bloggen sa, "På DeepMind och Google, vi tror att om vi kan använda AI som ett verktyg för att upptäcka ny kunskap, lösningar kommer att bli lättare att nå." Med det uppdraget, de har tittat på hur AI kan komma in för att hantera kylning av datacenter.

De fick AI att lära sig hur man justerar ett kylsystem för att minska strömförbrukningen. Datacenters energiförbrukning har minskat som ett resultat.

Bakom framgången med deras system låg feedback från datacenteroperatörer, som hade något överst på sin önskelista:för mycket operatörsansträngning och övervakning som behövdes för kylning av datacenter fick dem att fråga om något kunde göras utan så mycket manuell implementering och ändå uppnå energibesparingar?

Nyheten är att Google lägger en självlärd algoritm som ansvarar för en del av sin infrastruktur.

Amanda Gasparik, Googles datacenteringenjör, Chris Gamble och Jim Gao, de två senare av DeepMind, skrev om insatsen i DeepMind-bloggen — autonom kylning av datacenter. Faktiskt, insatsen började för ett tag sedan.

MIT Technology Review gav lite historia:"Under de senaste åren, Google har testat en algoritm som lär sig hur man bäst justerar kylsystem – fläktar, ventilation, och annan utrustning – för att minska strömförbrukningen. Detta system gav tidigare rekommendationer till datacenterchefer, vem skulle bestämma om de skulle genomföras eller inte, vilket leder till energibesparingar på cirka 40 procent i dessa kylsystem."

Det var "mänskligt implementerade" rekommendationer.

Nyheten är att ett system som fungerar under 2016 är en annan nivå. Då, målen var grundläggande, skjuta för (1) energibesparingar och (2) minskade CO2-utsläpp.

Nu kommer 2018 års twist:De tillkännagav "vårt AI-system styr direkt kylning av datacenter."

Nu i "flera" Googles datacenter. systemet har varit på plats i bara några månader, men bloggen hävdade tecken på att systemet redan levererade energibesparingar på cirka 30 procent – ​​och ytterligare förbättringar förväntas.

Varför förväntar de sig ytterligare förbättringar? Kom ihåg, det här är AI. "Det beror på att dessa system blir bättre med tiden med mer data, " AI kan gå promenaden. "Reglerna blir inte bättre med tiden, men AI gör det, " förklarade Dan Fuenffinger, en av Googles datacenteroperatörer, i bloggen.

Vad menade han med det? "AI-kontrollsystemet hittar ännu fler nya sätt att hantera kylning som har överraskat även datacenteroperatörerna." Fuefinnger noterade att han såg AI "lära sig att dra fördel av vinterförhållandena och producera kallare vatten än normalt, vilket minskar energin som krävs för kylning i datacentret."

Will Knight rapporterade om ett optimistiskt lag. "DeepMind matade sin nya algoritminformation som samlats in från Googles datacenter och lät den avgöra vilka kylkonfigurationer som skulle minska energiförbrukningen. Projektet kan generera miljontals dollar i energibesparingar och kan hjälpa företaget att minska sina koldioxidutsläpp, säger Joe Kava, vice vd för datacenter för Google." Icke desto mindre, vissa kanske tycker att detta är en stor chansning att placera ett datacenter, med alla dess verksamhetskritiska förväntningar, i händerna på en algoritm.

Inget mänskligt element alls? Ja, det finns en mänsklig spelare. Bloggförfattarna sa att deras datacenteroperatörer "alltid har kontroll och kan välja att lämna AI-kontrollläget när som helst. I dessa scenarier, kontrollsystemet kommer att överföras sömlöst från AI-kontroll till reglerna och heuristiken på plats som definierar automationsindustrin idag." Enkelt uttryckt, den mänskliga åsidosättningen är alltid tillgänglig – och utformad för att ersätta alla AI-åtgärder.

Hur fungerar deras system?

"Var femte minut, vår molnbaserade AI tar en ögonblicksbild av datacentrets kylsystem från tusentals sensorer och matar in det i våra djupa neurala nätverk, som förutsäger hur olika kombinationer av potentiella åtgärder kommer att påverka framtida energiförbrukning. AI-systemet identifierar sedan vilka åtgärder som kommer att minimera energiförbrukningen samtidigt som det uppfyller en robust uppsättning säkerhetsbegränsningar. Dessa åtgärder skickas tillbaka till datacentret, där åtgärderna verifieras av det lokala kontrollsystemet och sedan implementeras."

Deras design involverar AI-agenter och en kontrollinfrastruktur för säkerhet och tillförlitlighet,

De sa att de använder åtta mekanismer för att säkerställa att systemet fungerar korrekt.

En av dem är att AI kan användas för att uppskatta osäkerhet. För varje potentiell åtgärd beräknar deras AI-agent sitt förtroende för att detta är en bra åtgärd. Åtgärder med lågt förtroende elimineras från övervägande. Sedan finns det tvånivåverifiering, där ett lokalt kontrollsystem verifierar instruktionerna mot sina egna begränsningar.

© 2018 Tech Xplore