Maskininlärning är något som vi ser mer och mer i vår vardag. Förutom att den kan hjälpa oss att tända lamporna i köket med röststyrning kan den även lösa större globala problem, som energiförbrukning. Datacenter kräver stora mängder energi och trots att mycket görs för att förminska energiförbrukningen är det fortfarande en lång väg kvar. Behovet av dessa fortsätter att öka.
DeepMind är ett företag som länge har jobbat med att förminska energiförbrukningen hos Google’s datacenter, bland annat genom att bygga servrar med väldigt hög effektivitet, skapa effektiva sätt att kyla ner datacenter och investera i gröna energikällor för att en dag kunna försörja sig på 100% förnybar energi. Jämfört med fem år sedan får de nu ut 3.5 gånger mer datoranvändningsenergi (computing power) från samma mängd energi.
DeepMind har genom maskininlärning kunnat minska energiförbrukningen från nedkylning av deras egna Google datacenter med upp till 40%. Dessa implikationer kan även hjälpa andra företag som använder Google’s molntjänster att förbättra sin egen energianvändning.
En av de primära energibovarna i ett datacenter är just nedkylningen. Nedkylning görs oftast via stora industriella utrustningar som pumpar, kylare och kyltorn. Det är svårt att optimera dessa nedkylningsmetoder eftersom datacenter är en dynamisk miljö på grund av flera faktorer:
- Utrustningen, hur den används och hur allting i miljön interagerar på ett komplext och olinjärt sätt. Det är svårt för människan och även vanlig teknik att uppfatta dessa.
- Det finns interna och externa förändringar som systemet inte kan anpassa sig till tillräckligt snabbt, exempelvis väder. Det går inte att komma på regler för varje driftscenario.
- Varje datacenter är unikt och det är svårt att anpassa ett system som passar alla. Det behövs därför ett allmänt underrättelseramverk för att förstå interaktionerna i datacentret.
Med dessa problem som grund började de med maskininlärning för att optimera energianvändningen. DeepMind började undersöka detta med Google’s datacenter-team för att förbättra systemets verktyg. Genom att använda ett system som tränats på olika scenarion och parametrar kunde de utveckla ett ramverk som enkelt kunde förstå och anpassa sig efter datacentret för att optimera effektiviteten. De använde data från tidigare som innehöll tusentals sensorer inom datacentret som temperaturer, ström, pumphastighet och setpoints för att träna ett neuralt nätverk, alltså AI. Sedan kunde temperaturen och trycket för nästa timme förutspås. Bilden nedan är från när DeepMind testade sin nya produkt.
Energiförbrukningen för att kyla ner kunde alltså reduceras med upp till 40% vilket ledde till en 15% reducering för all energi sammanlagt. De planerar att fortsätta använda denna teknik på fler ställen i framtiden.
Detta sätt att minska energiförbrukning låter väldigt bra men faktum kvarstår att datacenter förbrukar mycket el. Datacenter förbrukar dock mindre energi än förväntat. En rapport på science.org påstår att mellan 2010 till 2018 ökade arbetsbelastningen och beräkningsinsatserna mer än sex gånger så mycket och IP-trafiken ökade mer än tio gånger så mycket. Trots det förbrukar världens datacenter bara 6% mer energi tack vare mer energisnål hårdvara och förbättrade kylsystem.
Jag tänker att DeepMinds sätt att minska energiförbrukning bidrar positivt till mål 7 då de satsar på förnybar el. Även mål 13 är relevant då lägre energianvändning bidrar till mindre utsläpp.
Källor:
https://deepmind.com/blog/article/deepmind-ai-reduces-google-data-centre-cooling-bill-40
https://www.science.org/doi/full/10.1126/science.aba3758
Intressant ämne Celine!
Jag tror att AI som DeepMind kommer göra stora saker för mänskligheten. Utöver att hjälpa till att minimera energiförbrukning kommer AI kunna hjälpa till att exempelvis utveckla forskning inom medicin för att ge oss människor kunskap och verktyg för hur vi på bästa sätt kan bota eller förebygga sjukdomar.
Thanks!
Super intressant och viktigt att jobba med datacentrar och försöka effektivisera dessa och minska energiförbrukningen. Datacentrar är något som inte kommer att minska och behovet kommer istället växa med tanke på 5G och framtida 6G. Våra uppkopplade liv strävar ständigt mot nya dimensioner. Den digitala värden behöver effektiviseras på alla sätt och vis.