De retour en mars, 3M a fait une présentation sur les données, nous rappelant qu'il n'y aurait rien de tel qu'un ralentissement des données, puis pose la question, d'accord, alors comment avaler cela et en même temps envisager un avenir durable ? Le lien :les centres de données et les défis qu'ils posent pour rester opérationnels et plus respectueux de l'environnement.

La présentation a livré une pensée fascinante. "Plus de données ont été créées au cours des deux dernières années que jamais auparavant dans l'histoire de l'humanité."

Nous ne parlons pas seulement de chats mignons assis dans des boîtes ou de rappeurs avec des modèles, alors garez-le. On parle de données en chirurgie, changements de nombre quotidiens qui affectent les cultures des agriculteurs, aide à la circulation, alertes de crise de toutes sortes. Les centres de données sont essentiels à notre capacité à communiquer.

Les centres de données américains aux États-Unis consomment des niveaux d'énergie stupéfiants pour les non-initiés.

« Stockage, en mouvement, En traitement, et l'analyse des données nécessitent de l'énergie. Beaucoup. Les processeurs des plus grands datacenters bourdonnent avec autant d'énergie que peut en fournir une grosse centrale électrique, 1, 000 mégawatts ou plus. Et cela peut prendre à nouveau autant d'énergie pour empêcher les serveurs et les bâtiments environnants de surchauffer, " comme YaleEnvironnement360 Mets-le.

La présentation de 3M a fait remarquer que 38 % des besoins en électricité des centres de données sont uniquement destinés à refroidir l'électronique.

Chez DeepMind, ils ont travaillé vers une solution de refroidissement. Le blog DeepMind a déclaré, "Chez DeepMind et Google, nous pensons que si nous pouvons utiliser l'IA comme un outil pour découvrir de nouvelles connaissances, solutions seront plus faciles à atteindre. » Avec cette mission, ils ont examiné comment l'IA pourrait intervenir pour gérer le refroidissement du centre de données.

Ils ont fait apprendre à l'IA comment ajuster un système de refroidissement afin de réduire la consommation d'énergie. En conséquence, la consommation d'énergie des centres de données a diminué.

Derrière le succès de leur système se trouvaient les retours des opérateurs de centres de données, qui avait quelque chose en tête de leur liste de souhaits :trop d'efforts de l'opérateur et de supervision nécessaires pour le refroidissement du centre de données les a amenés à se demander si quelque chose pouvait être fait sans autant de mise en œuvre manuelle tout en réalisant des économies d'énergie ?

La nouvelle est que Google met un algorithme autodidacte en charge d'une partie de son infrastructure.

Amanda Gasparik, Ingénieur centre de données Google, Chris Gamble et Jim Gao, les deux derniers de DeepMind, a écrit sur l'effort dans le blog DeepMind—refroidissement autonome des centres de données. Réellement, l'effort a commencé il y a quelque temps.

Examen de la technologie du MIT a fourni un historique :« Au cours des deux dernières années, Google a testé un algorithme qui apprend comment ajuster au mieux les systèmes de refroidissement (ventilateurs, ventilation, et d'autres équipements, afin de réduire la consommation d'énergie. Ce système faisait auparavant des recommandations aux responsables de centres de données, qui déciderait de les mettre en œuvre ou non, conduisant à des économies d'énergie d'environ 40 % dans ces systèmes de refroidissement. »

Il s'agissait de recommandations « mises en œuvre par l'homme ».

La nouvelle est qu'un système qui fonctionne en 2016 est d'un autre niveau. À l'époque, les objectifs étaient fondamentaux, en quête (1) d'économies d'énergie et (2) de réduction des émissions de CO2.

Vient maintenant la tournure 2018 :ils ont annoncé que « notre système d'IA contrôle directement le refroidissement du centre de données ».

Maintenant dans "plusieurs" centres de données Google. le système n'est en place que depuis quelques mois, mais le blog a affirmé que le système générait déjà des économies d'énergie d'environ 30 % et que d'autres améliorations sont attendues.

Pourquoi s'attendent-ils à de nouvelles améliorations ? Rappelles toi, c'est l'IA. "C'est parce que ces systèmes s'améliorent au fil du temps avec plus de données, " L'IA peut marcher. " Les règles ne s'améliorent pas avec le temps, mais l'IA le fait, " a déclaré Dan Fuenffinger, l'un des opérateurs de centre de données de Google, dans le blog.

Que voulait-il dire par là? "Le système de contrôle d'IA trouve encore plus de nouvelles façons de gérer le refroidissement qui ont surpris même les opérateurs de centres de données." Fuefinnger a noté qu'il avait vu l'IA "apprendre à tirer parti des conditions hivernales et à produire de l'eau plus froide que la normale, ce qui réduit l'énergie requise pour le refroidissement au sein du centre de données."

Will Knight a rendu compte d'une équipe optimiste. "DeepMind a alimenté son nouvel algorithme d'informations recueillies dans les centres de données de Google et lui a permis de déterminer quelles configurations de refroidissement réduiraient la consommation d'énergie. Le projet pourrait générer des millions de dollars d'économies d'énergie et pourrait aider l'entreprise à réduire ses émissions de carbone, dit Joe Kava, vice-président des centres de données de Google." Néanmoins, certains pourraient penser que c'est un gros pari de placer un centre de données, avec toutes ses attentes critiques, entre les mains d'un algorithme.

Aucun élément humain ? Oui, il y a un joueur humain. Les auteurs du blog ont déclaré que leurs opérateurs de centres de données « ont toujours le contrôle et peuvent choisir de quitter le mode de contrôle de l'IA à tout moment. Dans ces scénarios, le système de contrôle passera en toute transparence du contrôle de l'IA aux règles et heuristiques sur site qui définissent l'industrie de l'automatisation aujourd'hui. » En termes simples, le remplacement humain est toujours disponible et conçu pour remplacer toutes les actions de l'IA.

Comment fonctionne leur système ?

« Toutes les cinq minutes, notre IA basée sur le cloud extrait un instantané du système de refroidissement du centre de données à partir de milliers de capteurs et l'alimente dans nos réseaux de neurones profonds, qui prédisent comment différentes combinaisons d'actions potentielles affecteront la consommation d'énergie future. Le système d'IA identifie ensuite les actions qui minimiseront la consommation d'énergie tout en satisfaisant un ensemble robuste de contraintes de sécurité. Ces actions sont renvoyées au centre de données, où les actions sont vérifiées par le système de contrôle local puis mises en œuvre."

Leur conception implique des agents d'IA et une infrastructure de contrôle pour la sécurité et la fiabilité,

Ils ont dit qu'ils utilisent huit mécanismes pour s'assurer que le système se comportera correctement.

L'un d'eux est que l'IA peut être utilisée pour estimer l'incertitude. Pour chaque action potentielle, leur agent d'IA calcule sa confiance qu'il s'agit d'une bonne action. Les actions avec une faible confiance sont éliminées de la considération. Ensuite, il y a une vérification à deux niveaux, où un système de contrôle local vérifie les instructions par rapport à son propre ensemble de contraintes.

© 2018 Tech Xplore