Google用DeepMind人工智能帮资料中心节省40%的冷却用电

Google在2014年1月买下的人工智能技术DeepMind，由该团队所打造的AlphaGo围棋系统在击败韩国籍的世界围棋好手李世石之后声名大噪，然而，DeepMind的人工智能技术不仅在棋艺竞赛上与人类较劲，Google也与英国国家健康服务部（NHS）合作，透过机器学习以提早预防眼部疾病，而现在利用DeepMind让资料中心的冷却用电量减少了40%。

为了保护全球生态环境及减缓气候变迁，Google这十年来持续改善电力的使用，包括打造超省电的服务器，或是以各种创新方式来冷却资料中心，并大规模地投资绿能，立志全面采用再生能源。与五年前相较，在同样的电力损耗下，现在的Google资料中心提供了3.5倍的运算效能。

冷却系统是资料中心最耗电的项目之一，用以移除资料中心服务器运转时所产生的大量热气，冷却系统通常包含马达、冷水机组及冷却塔，但资料中心的变数太多而很难进行操作的最佳化。例如设备本身的因素、或是操作设备的方式，以及彼此之间的连动都颇为复杂，不论是传统的公式或人工操作都很难完全掌控所有的因素；此外，系统也无法立即回应内部或外部的变动；再加上每个资料中心都有自己的架构及环境，导致客制化模组无法互通。

因此，Google两年前开始积极地于资料中心部署机器学习技术，并在数月前邀请DeepMind研究人员参与，根据资料中心内部不同的操作场景与参数训练神经网络系统，建立了可更有效理解资料中心动态及最佳化的框架，目的是改善资料中心的电力使用效益，并以未来PUE（Power Usage Effectiveness）平均值为目标。

PUE值为一资料中心节能省电的标准，计算方式是以资料中心的总用电量除以运算设备用电量所得到的值，数值愈低表示愈省电。

当Google把此一框架部署到实际的资料中心时，发现它减少40%的冷却系统用电量，也让PUE值降低了15%。

由于该框架主要是用来理解复杂的动态，属于通用型框架，因此，Google计划将它应用在其他领域，例如改善发电场的转换效率、减少半导体制造的水、电使用，或是协助工厂提高吞吐量等。