小七、笪洁琼、CoolBoy编译

谷歌联合DeepMind用算法为数据中心降温,并计划推广给国家电网

防止数据中心的服务器“中暑”已经成为了互联网巨头们保证其服务稳定运行的重点。

在为数据中心降温的过程中,包括Facebook、微软和谷歌在内的大公司都在寻找节约冷却成本的不同方法:Facebook使用了外部的冷空气流通,微软正在试验水下数据中心;而作为人工智能的行业领头者,谷歌正联合DeepMind,尝试将算法应用在数据中心的设备管理上。

对数据中心还不是很了解的读者,我们先来看看,数据中心到底是做什么的?

数据中心通常是一个大型仓库,里面的服务器和其它联网的计算机设备保存着互联网上的大部分数据,这些设备也为云计算(一种允许用户上传、下线计算任务的分布式资源系统)提供必须的算力。

可以料想,数据中心会产生大量的热量,其能量使用密度超过一栋普通办公大楼百倍以上。仅空调一项的花费就十分惊人,但若没有每时每刻的气候控制系统,设备架在几分钟内就会严重过热。

从2016年起,谷歌就开始使用DeepMind开发的人工智能系统来防止全球的数据中心过热。迄今为止,AI推荐系统已经为谷歌的数据中心提供冷却的方案,可以减少冷却耗能的40%。

近日,DeepMind宣布,让数据中心的制冷人员进一步解放出来,让冷却工作的自动化再向前迈出一步。

“在2016年,我们联合开发了一个AI推荐系统,为已经很高效的谷歌数据中心提升能源使用效率。我们的想法很简单:再小的提升也有巨大的节能效果,并且减少二氧化碳排放可以帮助抑制气候变化。”谷歌数据中心工程师Amanda Gasparik,DeepMind研究工程师Chris Gamble,DeepMind团队负责人Jim Gao在DeepMind网站的博客中联合声明。

声明链接👇

https://deepmind.com/blog/safety-first-ai-autonomous-data-centre-cooling-and-industrial-control/

“现在我们将系统进行了升级,我们的AI系统不用人工干预就能直接控制数据中心的制冷系统,而且可以被数据中心的操作专家有效监控。现在这套基于云端的创新的控制系统已经为谷歌多家数据中心应用,因此而节约了大量能源。”

DeepMind的深层神经网络每隔五分钟就从谷歌数据中心的冷却系统中获取数据,用来预测潜在行为的不同组合对未来的能源消耗的影响。

这篇博客写道:“AI系统会识别出哪些行为会在满足一组强大的安全约束的同时,将能量消耗最小化。这些行为被发送回数据中心,然后由局部控制系统验证并实施。”

大约2%的全球温室气体排放是由数据中心产生的,这约等于航空旅行产生的排放。

谷歌拥有世界上15个最节能的数据中心,但它希望进一步减少碳排放量。

该图表明在人工智能控制带来的效率提升。性能以通用的冷却效率指标kw/ton(冷却每吨物体的能量输入)来衡量。在九个多月的时间里,人工智能控制系统的性能从12%提高到大约30%。

DeepMind认为,这项技术有可能被用于减少其他大型基础设施的能源消耗,其中包括英国的国家电网。

“我们现在正在考虑的是,如何能够更广泛地扩展到国家电网和其他大规模基础设施,这些基础设施本质上具有相同的特点。”DeepMind的联合创始人Mustafa Suleyman在2016年连线会议上说。

“我们开发的所有算法本质上都是通用的,所以给定一些数据集,我们应该能够基于输入来训练算法,开发模型,预测输出结果。如果给予我们一些控制权限,我们应该也能够提供类似的各种性能。”

几个月后,DeepMind的首席执行官兼联合创始人Demis Hassabis证实,DeepMind一直在与国家电网进行谈判。他告诉英国《金融时报》,在没有新的基础设施的前提下,英国能源使用量的10%可以被削减,那将是一件好事。

Hassabis还说:“我们正在与国家电网和其他大型供应商讨论,我们应该如何看待他们所面临的问题。如果你能在没有任何新的基础设施的情况下节省10%的能源消耗,那将会很令人兴奋的。”

大数据文摘
大数据文摘

秉承“普及数据思维,传播数据文化,助⼒产业发展”的企业⽂化,我们专注于数据领域的资讯、案例、技术,形成了“媒体+教育+⼈才服务”的良性⽣态,致⼒于打造精准数据科学社区。

产业Deepmind谷歌
相关数据
推荐系统技术

推荐系统(RS)主要是指应用协同智能(collaborative intelligence)做推荐的技术。推荐系统的两大主流类型是基于内容的推荐系统和协同过滤(Collaborative Filtering)。另外还有基于知识的推荐系统(包括基于本体和基于案例的推荐系统)是一类特殊的推荐系统,这类系统更加注重知识表征和推理。

神经网络技术

(人工)神经网络是一种起源于 20 世纪 50 年代的监督式机器学习模型,那时候研究者构想了「感知器(perceptron)」的想法。这一领域的研究者通常被称为「联结主义者(Connectionist)」,因为这种模型模拟了人脑的功能。神经网络模型通常是通过反向传播算法应用梯度下降训练的。目前神经网络有两大主要类型,它们都是前馈神经网络:卷积神经网络(CNN)和循环神经网络(RNN),其中 RNN 又包含长短期记忆(LSTM)、门控循环单元(GRU)等等。深度学习是一种主要应用于神经网络帮助其取得更好结果的技术。尽管神经网络主要用于监督学习,但也有一些为无监督学习设计的变体,比如自动编码器和生成对抗网络(GAN)。

推荐文章
暂无评论
暂无评论~