不需人力介入冷卻系統，Google資料中心靠AI加強能源使用效率

去年10月時，Google公布了資料中心耗電指標PUE值，達到1.11的高效率。利用了DeepMind機器學習，讓冷卻設備耗電減少了40％。在2016年起，該公司結合了AI技術，開發了自家資料中心專用的推薦系統，改善Google資料中心的能源效率。而近日Google又有新突破，現在無需人力介入該推薦系統，AI可以直接控制資料中心冷卻系統，降低人力維運介入的程度。比較原先的推薦系統，現在由AI主導後，可以直接調整冷卻系統的運作。

Google也進一步解釋當中的運作原理。每隔5分鐘，該系統從當地資料中心內布建的感測器，撈取運作資料，並且匯入神經網路中，預測未來維運工作對能源消耗帶來的影響。評估多種可能組合後，系統會揀選出最佳解，在符合安全限制下，同時又能滿足最小耗能的條件。接著本地資料中心冷卻系統，便自動套用AI設計出的新規則，調整冷卻系統的運作。

為了考量安全性及穩定性，在設計該AI推薦系統時， Google團隊也刻意設下門檻，限定能源使用改善的界線，在風險與節能間，尋找平衡。目前系統上線幾個月，不過已經帶來相當成效，根據Google揭露的數字，套用新AI推薦系統後，能源節省率又再提高了30％。

為提高穩定度，Google也設計了8種機制，確保AI系統正常運作。除了持續監控、自動故障轉移，以及加強雲端AI與實體基礎架構溝通外，Google也有設定兩層認證機制（Two-layer verification），當雲端AI運算出一套最佳解後，會將結果傳送至本地資料中心，接著，本地資料中心會再重新進行驗證。雖然此方法看似多餘，不過Google表示，二層認證機制可以確保維運人員掌控權。再者，本地資料中心維運人員，可以決定何時要終止AI掌控模式。此時，本地系統會脫離雲端AI的控制，掌控權轉移至本地中控系統。

Google資料中心承載該公司許多重要業務，包含Google搜尋、Gmail、YouTube等服務。Google表示，利用AI改善能源效率的出發點，主要希望能改善二氧化碳排放，改善氣候變遷帶來的影響。

Google秀出利用該推薦系統的成效，從2017年9月開始至今年6月，利用AI控制冷卻系統數個月來，資料中心的節能幅度從12％成長至30％。圖片來源：Google