Google是如何用人工智能对数据中心进行管理的
在Google,人工智能不只是局限于自动驾驶汽车,手机语音服务,以及可以识别数字图像的搜索引擎,也是提高各个大型数据中心效率的重要工具,是这个网络帝国的重要武器。
据监管Google全球数据中心网络设计和运营的Joe Kava介绍,这个网络巨头正在使用“类神经网络”技术分析其众多数据中心的工作情况,并根据所得数据进行维护。这个“类神经网络”的核心部分其实是一些算法,可以识别模型(patterns),并根据相应模型做出判断。它们无法超越人脑,但在某些情况下却更快,更全面。这就是Google使用这些算法管理数据中心的原因。“通过反复处理数据,这些算法就可以获得‘学习‘能力”,Kava对WIRED网站讲到。
人工智能热潮再次掀起,不仅Google积极相应,Facebook,微软,IBM,以及其它无数科技企业也推波助澜,造就了很多备受瞩目的项目,如Google的自动驾驶汽车,IBM的Watson超级电脑系统。而在表象背后,很多公司正在应用另一项人工智能技术-“深度学习”,它将给这个领域带来翻天覆地的变化。
据Kava介绍,Google这个数据中心项目是青年工程师Jim Gao的杰作。在公司的数据中心团队中,Jim Gao享有“天才男孩”的美誉。在网上观看斯坦福大学教授吴恩达(人工智能研究领域领军人物,目前就职于百度)的教学视频后,他用自己在Google“20%的时间”进行探索-”类神经网络“是否可以提高公司数据中心的效率。最后的结论是,可以。
每隔几秒,Google就会收集数据中心所有的处理信息,从设备耗能多少,到硬件冷却到室温需要多少水无一不包括。Gao的贡献就是使用这些数据构造人工智能模型,在不同条件下预测数据中心效率。在为期12个月的开发阶段,他将这个模型的预测准确率优化到了99.6%的精准度。确保可靠性后,Google将这个模型应用到了数据中心,以提高其效率。
这个模型的工作原理是,如果数据中心的效率低于模型预测,公司就会收到相关信息。这个模型,同样可以帮助Google决定何时管理数据中心的设备,比如何时清理热交换器,提高设备冷却性能。两个月前,Google被迫停用了一些服务器,这通常会意味着能源效率的降低,不过由于采用了Gao的人工智能模型,中心的能源效率依然保持在相当高的水平。Kava称,这个模型具有辨别功能,从而解放了Google的工程师们。
在Google发表的一份白皮书中,详细说明了Gao的这个数据中心模型与“深度学习”完全无关。而只是采用了“类神经网络”框架,与零售网站生成产品推荐的机制没有多大区别。而大数据创业公司Cloudera前工程师Josh Patterson表示,网络世界越来越复杂,效率要提高就不得不采用与Google相似的模式。他解释到,从产品推荐,到“思维搜索”,再到分析复杂的网络世界,“深度学习”作为一种“更高级”的机器学习工具,可服务于各类人工智能工程。
今天,Google正在使用人工智能提高数据中心效率;明天,我们会使用新的穿戴式电脑和智能硬件设备,整个网络将越来越复杂,类似的技术也就有了用武之地。换句话讲,人工智能将成为未来网路世界必不可少的一项工具。
页:
[1]