回到三月份，3M發布了關于數據的演示文稿，提醒我們不會有任何類似數據放緩的問題，然后提出問題，好吧，那么我們如何吞下這個問題，同時設想一個可持續的未來?鏈接：數據中心及其為保持正常運行而構成的挑戰，更加環保。

演講提出了一個引人深思的想法。“人類歷史上最近兩年創造的數據比以往任何時候都多。”

我們不只是談論坐在盒子里的可愛的貓或模型的說唱歌手，所以停放它。我們正在談論手術中的數據，影響農民作物的每日數量變化，交通支持，各種危機警告。該數據中心是我們溝通的能力是至關重要的。

美國的美國數據中心消耗的能源水平令人不知所措。

“存儲，移動，處理和分析數據都需要能量。很多。大型數據中心的處理器嗡嗡作響的能量與大型發電站提供的能量相同，可達1000兆瓦或更多。為了防止服務器和周圍建筑物過熱，需要大量精力，“正如YaleEnvironment360所說的那樣。

3M的報告指出，數據中心38%的電力需求只是為了冷卻電子產品。

在DeepMind，他們一直致力于冷卻解決方案。DeepMind博客稱，“在DeepMind和Google，我們相信，如果我們能夠將AI用作發現新知識的工具，那么解決方案將更容易實現。” 通過這項任務，他們一直在研究AI如何介入以管理數據中心冷卻。

他們讓AI學習如何調整冷卻系統以降低功耗。數據中心的能耗因此下降。

他們系統成功的背后是來自數據中心運營商的反饋，他們的愿望清單上有一些東西：數據中心冷卻需要太多的操作員努力和監督讓他們詢問是否可以在沒有那么多手動實施的情況下完成任何工作并仍然實現節能?

消息是，谷歌正在使用自學算法來管理其基礎設施的一部分。

Google數據中心工程師Amanda Gasparik，DeepMind后兩者Chris Gamble和Jim Gao撰寫了有關DeepMind博客自主數據中心冷卻工作的文章。實際上，這種努力已經開始了一段時間。

麻省理工學院技術評論提供了一些歷史：“在過去的幾年里，谷歌一直在測試一種算法，該算法可以學習如何最好地調整冷卻系統 - 風扇，通風和其他設備 - 以降低功耗。該系統之前提出了建議數據中心經理決定是否實施這些技術，從而在這些冷卻系統中節省約40%的能源。“

那些是“人為實施”的建議。

消息是2016年的系統是另一個層次。當時，目標是根本性的，為(1)節能和(2)減少二氧化碳排放提供支持。

現在是2018年的轉折：他們宣布“我們的AI系統直接控制數據中心冷卻。”

現在處于“多個”Google數據中心。該系統僅在幾個月內就已存在，但博客聲稱該系統已經實現了約30%的節能 - 并且預計會有進一步的改進。

為什么他們期待進一步的改進?記住，這是人工智能。“這是因為隨著時間的推移，這些系統會隨著更多數據而變得更好，”AI可以走路。谷歌數據中心運營商之一丹·富恩芬格在博客中表示，“規則不會隨著時間的推移而變得更好，但人工智能確實如此。”

那是什么意思?“人工智能控制系統正在尋找更多新穎的管理冷卻方式，甚至讓數據中心運營商感到驚訝。” Fuefinnger指出，他看到人工智能“學會利用冬季條件，產生比普通水更冷的水，這減少了數據中心內冷卻所需的能量。”

威爾將報道一支樂觀的球隊。“DeepMind提供從谷歌數據中心收集的新算法信息，讓它確定哪些冷卻配置可以減少能源消耗。該項目可以產生數百萬美元的節能，并可能幫助公司降低碳排放，副總裁喬卡瓦說。谷歌數據中心。“ 盡管如此，有些人可能會覺得將數據中心及其所有關鍵任務預期放在算法手中是一件很大的事。

根本沒有人的因素?是的，有一個人類玩家。博客作者表示他們的數據中心操作員“始終處于控制狀態，可以隨時選擇退出AI控制模式。在這些情況下，控制系統將無縫地從AI控制轉移到現場規則和啟發式定義自動化今天的行業。“ 簡而言之，人類覆蓋總是可用的 - 并且旨在取代任何AI動作。

他們的系統如何運作?

“每隔五分鐘，我們基于云的AI就會從數千個傳感器中提取數據中心冷卻系統的快照，并將其輸入我們的深度神經網絡，預測潛在行動的不同組合將如何影響未來的能源消耗。確定哪些行動將最大限度地降低能耗，同時滿足一系列強大的安全約束。這些行動將被發送回數據中心，由當地控制系統驗證行動，然后實施。

他們的設計涉及AI代理和安全性和可靠性的控制基礎設施，

他們說他們使用八種機制來確保系統正常運行。

其中之一是AI可用于估計不確定性。對于每一個可能的行動，他們的AI代理人都會計算出這是一個很好的行動。低信心的行動被排除在考慮范圍之外。然后是兩級驗證，其中本地控制系統根據其自己的約束集驗證指令。