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,,利用了DeepMin

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:

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