Sztuczna inteligencja a autonomiczne chłodzenie centrów danych i kontrola przemysłowa

Uczenie maszynowe już od jakiegoś czasu pomaga nam w życiu codziennym. Dzięki tej technologii działa m.in. rozpoznawanie obrazów czy tłumaczenie tekstów na różne języki. Ale technologia może pomóc nam rozwiązać także niektóre z najtrudniejszych problemów fizycznych, takie jak zużycie energii w centrach danych.

Wielkoskalowe systemy komercyjne i przemysłowe, takie jak centra danych, pochłaniają ogromne ilości energii. W 2016 r. Google i DeepMind wspólnie stworzyło system rekomendacji sterowany sztuczną inteligencją (AI), aby zwiększyć wydajność energetyczną centrów danych Google. Założenie było proste: nawet drobne ulepszenia zapewnią znaczące oszczędności energii i ograniczą emisję dwutlenku węgla, a tym samym pomogą w walce ze zmianami klimatycznymi. Teraz Google wykonał kolejny krok. Od teraz chłodzenie centrów danych jest kontrolowane bezpośrednio przez system AI. Jednocześnie pozostaje pod nadzorem eksperckim operatorów centrów danych Google. To pierwszy tego rodzaju system oparty na chmurze, który dziś w bezpieczny sposób zapewnia oszczędzanie energii w licznych centrach danych Google.

Kontrola AI nad zużyciem energii

Co pięć minut nasza sztuczna inteligencja działająca w chmurze zapisuje migawkowe ujęcie systemu chłodzenia centrów danych z tysięcy czujników i przekazuje uzyskane informacje do naszych głębokich sieci neuronowych. Te z kolei przewidują, jak różne kombinacje potencjalnych działań wpłyną na dalszą konsumpcję energii. System określa następnie, które działania zminimalizują zużycie energii, jednocześnie stosując się długiej listy obostrzeń związanych z bezpieczeństwem. Propozycje działań są przesyłane z powrotem do centrum danych, gdzie są one weryfikowane przez lokalny system kontrolny, a następnie wdrażane.

Pomysł ewoluował w oparciu o opinie operatorów centrów danych Google, którzy korzystali z systemu rekomendacji opartego na sztucznej inteligencji. Zaobserwowali oni, że choć system pozwolił im poznać nowe dobre praktyki — takie jak obejmowanie chłodzeniem większej liczby sprzętu zamiast mniejszej — to takie wdrażanie rekomendacji wymagało zbyt dużego wysiłku i nadzoru ze strony operatorów. I tak powstał pomysł, aby osiągnąć podobne oszczędności energetyczne bez konieczności wprowadzania ich ręcznie.

System zaprojektowany z myślą o bezpieczeństwie i niezawodności

Tysiące serwerów w centrach danych Google zasilają popularne usługi, takie jak wyszukiwarka Google, Gmail czy YouTube. Zapewnienie, że działają one niezawodnie i wydajnie, ma kluczowe znaczenie. Z myślą o bezpieczeństwie i niezawodności Google zaprojektował od podstaw agentów AI i infrastrukturę kontroli, wykorzystując osiem różnych mechanizmów, aby zapewnić, że system będzie zachowywał się zgodnie z założeniami przez cały czas.

Jedną z prostych metod, które zostały wdrożone, jest oszacowanie niepewności. Dla każdego potencjalnego działania – a są ich miliardy – agent AI oblicza swoją pewność, że jest to dobre działanie. Akcje o niskiej wiarygodności eliminuje się z rozważań. Inną metodą jest weryfikacja dwuetapowa. Optymalne działania obliczane przez AI są sprawdzane z wewnętrzną listą wymogów bezpieczeństwa zdefiniowaną przez operatorów centrów danych Google. Po wysłaniu instrukcji z chmury do fizycznego centrum danych, lokalny system kontroli weryfikuje polecenie w oparciu o własny zestaw wymagań. Ten nadmiarowy sprawdzian zapewnia, że system pozostaje w lokalnych ograniczeniach, a operatorzy zachowują pełną kontrolę nad granicami działania systemu.

Co najważniejsze, operatorzy centrów danych Google zawsze mają kontrolę nad systemem i mogą w każdej chwili wyłączyć tryb kontroli AI. W takiej sytuacji system przechodzi płynnie z trybu kontroli AI na reguły i heurystyki na miejscu, które definiują dziś branżę automatyki.

Zwiększenie oszczędności energii w czasie

Podczas gdy pierwszy system rekomendacji był pod kontrolą operatorów, którzy również realizowali potrzebne działania, nowy system kontroli AI bezpośrednio je realizuje. Priorytetem jest bezpieczeństwo i niezawodność, dlatego celowo wprowadzono ograniczenia tego, jak daleko może posunąć się optymalizacja systemu. Dzięki temu osiągany jest optymalny stosunek między ponoszonym ryzykiem a wynikami w zakresie ograniczania zużycia energii.

Pomimo, że system działa dopiero od kilku miesięcy, zapewnił średnią oszczędność energii na poziomie 30%. Spodziewana jest jednak większa oszczędność, ponieważ system poprawia swoje wyniki, dzięki większej liczbie danych (więcej na wykresie). Wraz z rozwojem technologii, wyznaczone granice optymalizacji zostaną poszerzone, co przyczyni się do jeszcze większej redukcji zużycia energii.

Wykorzystywany system kontroli AI znajduje coraz to nowe sposoby zarządzania chłodzeniem, które zaskoczyły nawet operatorów centrów danych. Działa bezpiecznie i niezawodnie, a jednocześnie konsekwentnie zapewnia oszczędność energii. Centra danych to jednak dopiero początek. Istnieje ogromny potencjał zastosowania tej technologii w innych środowiskach przemysłowych, co z kolei może pomóc w walce ze zmianami klimatycznymi na jeszcze większą skalę.

Amanda Gasparik, Data Centre Engineer, Google
Chris Gamble, Research Engineer, DeepMind
Jim Gao, Team Lead, DeepMind

Artykuł ukazał się na łamach wydania ITwiz nr. 11/2018.