在過去幾年中，谷歌一直在測試一種演算法，讓電腦自我學習如何最好地對冷卻系統做出調整，以達到降低功耗的目的。該AI系統之前就曾向資料中心管理員提出過一些降低冷卻功耗的建議方案，再由管理員來決定是否採納，事實證明這些方案能使功耗降低40％。
谷歌表示，一些資料中心冷卻系統的控制權已經交到這些演算法的手上，這些演算法可以在無人為干預的條件下進行自主工作。
「就我們所知，這是全世界範圍內第一次如此大規模部署工業自動控制系統」人工智慧公司DeepMind的聯合創始人兼應用AI負責人Mustafa Suleyman說道。
這展示了人工智慧管理基礎設施的潛力，以及先進的AI系統可以如何與人類合作。在這一專案中，雖然演算法可以獨立地運作，但還是有管理人員進行監督，並在認為可能出現危險的情況下進行人為干預。
此次採用的演算法運用了強化學習技術，通過不斷試錯來達到學習的目的。同樣利用了強化學習的，還有此前在圍棋比賽中擊敗了頂級人類棋手的AlphaGo。
在專案中，DeepMind將谷歌資料中心收集的大量相關資訊輸入給演算法，讓其自行進行學習並最終確定哪種冷卻配置能夠減少能源消耗。谷歌資料中心副總裁Joe Kava表示，該專案將可以節省數百萬美元的能源消耗，並能幫助公司降低碳排放量。
Kava說，管理人員一直都更信任他們之前使用的系統，對AI系統控制冷卻系統還是有些擔心。因此他們為新系統設置了一些安全措施，以防止AI系統對整個冷卻工作產生任何不利影響。此外還有一位元資料中心經理可以隨時觀察系統的運行情況，及時瞭解AI對系統做出的調整指令，並在認為AI做出了不當的舉措時進行人為干預。
最近幾年來，資料中心的能源消耗已成為科技行業中一個亟待解決的問題。美國能源部勞倫斯·伯克利國家實驗室的研究人員在2016年做的一份報告指出，2014年美國所有資料中心的總耗電量約為700億千瓦時，約占全國用電量的1.8％。
不過，近年來在提高能源效率上的努力已經有了顯著的成效。根據這份報告中的資料，因效率提升而節約的能源幾乎抵消了由於資料中心數量增加而造成的能源消耗的增加。不過，報告預計到2020年，全美資料中心的總能源消耗量將達到約730億千瓦時。
資料中心能源使用方面的一位頂級專家Jonathan Koomey說：「機器學習的實際運用是一項重要的發展，但在資料中心的總能源消耗中，製冷系統消耗的只占一小部分，大約只有10％。」
Koomey認為，利用機器學習來降低電腦晶片的耗能會有更重大的意義，晶片才是整個資料中心最耗能的部分，他說：「我更希望看到谷歌和其他大公司應用這些工具去優化在計算上的用的負荷，在計算方面的節能潛力要比冷卻多數十倍。」
本文係由DeepTech深科技授權刊登。原文連結：谷歌用AI接管其数据中心冷却系统，可省电近4成
