人工智能不只會捉圍棋,還可以幫Google節省電費

人工智能不只會捉圍棋,還可以幫Google節省電費
Photo Credit: Lee Jin-man / AP Photo / 達志影像

我們想讓你知道的是

Google旗下的人工智能公司DeepMind,近日把其深度學習技術應用在Google的數據中心上,協助控制冷卻系統,結果發現能夠節省冷卻系統近4成電力。

提及Google收購的人工智能公司DeepMind,最令人印象深刻的自然是其AlphaGo在今年3月擊敗了韓國九段棋士李世乭,令不少人大跌眼鏡。近日世界職業圍棋排名網站GoRatings公佈的最新排名中,AlphaGo更超越中國棋士柯潔,成為世界第一

其實,Google發展人工智能多時,亦已把機械學習應用在多項服務上,例如電話的語音助理、圖片搜尋以及翻譯等。而近日DeepMind更在官方博客上表示,Google把深度學習技術應用到其數據中心上,成功把冷卻系統使用的電力大幅降低4成。

數據中心須節省電力

Google的數據中心需要提供搜尋、GMail、YouTube以至網絡硬碟等多項服務,耗電量驚人。Google表示,他們過去10年一直努力減少用電,跟5年前相比,他們的運算能力上升了3.5倍,但耗電量仍維持同一水平。

數據中心內其中一項主要耗電項目,就是電腦的冷卻系統。Google數據中心的電腦會產生大量熱力,為維持系統正常運作,中心需要有效的散熱系統,組件包括水泵,冷水機組和冷卻塔。

RTXYFZH
Photo Credit: Yves Herman / REUTERS / 達志影像
Google數據中心外的冷卻劑庫。

然而數據中心的環境複雜,系統溫度受多項外在、內在因素影響,而且每個數據中心的情況有別,Google的工程師難以找出一套最佳方案去為數據中心降溫。有見及此,在過去數個月DeepMind的研究人員跟Google數據中心團隊合作,務求能提升中心的效能。

神經網絡處理大量數據

他們輸入數據中心不同的運作情景及參數,用來訓練負責的神經網絡系統,從而得到一個更有效率及適應能力的方法,去了解數據中心的變化和提升效能。過程中他們用上了以往數據中心的數據,由數以千計的感應器收集,包括溫度、功率、水泵速度等。

而他們訓練神經網絡以其「電源使用效率」(PUE)作指標,主要是資訊設備(包括伺服器、存儲系統及網絡設施等)跟整座建築的能源使用量比率。此外,研究人員亦訓練了兩個深度神經網絡,去預測數據中心未來一小時的溫度及流量,以提供行動建議。

DeepMind的創辦人之一Demis Hassabis指出,系統控制大約120個數據中心的變項。在系統得到一個PUE模型後,Google的工程師就在數據中心作實際測試,發現當每次啟動機械學習提供的建議後,PUE指數能明顯降低(顯示用電更有效率)︰

DC_PUE
Image Credit: Google DeepMind

小組表示,機械學習系統能持續降低冷卻系統耗電量4成,大約等如把PUE指數降低15%,並且在該數據中心帶來PUE的最低記錄。這顯示Google採用的策略成功,人工智能真的可以為他們省下電費。

演算法勝過人類的工作

DeepMind另一創辦人Mustafa Suleyman更指,是次計劃的複雜程度及變項數目,代表管理數據中心這項工作上,演算法能夠勝過人類。

他說︰「這是一個完美例子,顯示即使人類經過長時間發展出其直覺,但機械學習演算法擁有極大量數據來描述真實狀況。這個系統遠遠超出任何人的經驗,而且能夠從人類難以察覺得微小變化中學習,因此它可以更巧妙也更準確地調整設定。」

由於這個演算法能夠一般地理解複雜的互動,Google打算應用它去解決數據中心的其他問題。接下來他們將會發表論文,公開這個系統的更多資訊,讓其他數據中心及系統同樣獲益,最終有助改善環境。

雖然Google不願透露其數據中心的耗電量,但《Bloomberg》估計,Google在數據中心降低了10%耗電量,多年下來或能節省數億美元。與此同時,當年Google收購DeepMind花了6億美元。


Tags: