[摘要] 原标题:不需人力介入冷却系统,Google资料中心靠AI加强能源使用效率 图片来源: Google 去年10月时,Google公布了资料中心耗电指标PUE值,达到1.11的高效率。利用了DeepMind机器学习,让冷
原标题:不需人力介入冷却系统,Google资料中心靠AI加强能源使用效率
图片来源: Google 去年10月时,Google公布了资料中心耗电指标PUE值,达到1.11的高效率。利用了DeepMind机器学习,让冷却设备耗电减少了40%。在2016年起,该公司结合了AI技术,开发了自家资料中心专用的推荐系统,改...
图片来源:去年10月时,Google公布了资料中心耗电指标PUE值,达到1.11的高效率。利用了DeepMind机器学习,让冷却设备耗电减少了40%。在2016年起,该公司结合了AI技术,开发了自家资料中心专用的推荐系统,改善Google资料中心的能源效率。而近日Google又有新突破,现在无需人力介入该推荐系统,AI可以直接控制资料中心冷却系统,降低人力维运介入的程度。比较原先的推荐系统,现在由AI主导后,可以直接调整冷却系统的运作。
Google也进一步解释当中的运作原理。每隔5分钟,该系统从当地资料中心内布建的感测器,捞取运作资料,并且汇入神经网络中,预测未来维运工作对能源消耗带来的影响。评估多种可能组合后,系统会拣选出最佳解,在符合安全限制下,同时又能满足最小耗能的条件。接着本地资料中心冷却系统,便自动套用AI设计出的新规则,调整冷却系统的运作。
为了考量安全性及稳定性,在设计该AI推荐系统时, Google团队也刻意设下门槛,限定能源使用改善的界线,在风险与节能间,寻找平衡。目前系统上线几个月,不过已经带来非常成效,根据Google揭露的数字,套用新AI推荐系统后,能源节省率又再提高了30%。
为提高稳定度,Google也设计了8种机制,确保AI系统正常运作。除了持续监控、自动故障转移,以及加强云端AI与实体基础架构沟通外,Google也有设定两层认证机制(Two-layer△verification),当云端AI运算出一套最佳解后,会将结果传送至本地资料中心,接着,本地资料中心会再重新进行验证。虽然此方法看似多余,不过Google表示,二层认证机制可以确保维运人员掌控权。再者,本地资料中心维运人员,可以决定何时要终止AI掌控模式。此时,本地系统会脱离云端AI的控制,掌控权转移至本地中控系统。
Google资料中心承载该公司许多重要业务,包含Google搜寻、Gmail、YouTube等服务。Google表示,利用AI改善能源效率的出发点,主要希望能改善二氧化碳排放,改善气候变迁带来的影响。
Google秀出利用该推荐系统的成效,从2017年9月开始至今年6月,利用AI控制冷却系统数个月来,资料中心的节能幅度从12%成长至30%。图片来源:Google
橙山网(Csnd.net)简评:利用了DeepMind机器学习,让冷却设备耗电减少了40%。在2016年起,该公司结合了AI技术,开发了自家资料中心专用的推荐系统,改...图片来源: Google 去年10月时,Google公布了资
网友评论