Google koelt volautomatisch eigen datacenters met AI

Bij extreme weeromstandigheden is er geen enkele datacenteroperator die het in z’n hoofd haalt om met de koelsystemen te beginnen knoeien. Voorzichtigheid neemt de bovenhand over eventuele efficiëntiewinst. Een computer kijkt veel berekender naar zo’n situatie, en dus laat Google het beheer van zijn datacenters voortaan aan AI over.

Google werkt al langer aan een systeem dat datacenters efficiënter laat lopen. In 2014 kondigde Joe Kava, VP van datacenters bij Google aan dat het AI ging introduceren als een tool om de ingenieurs bij te staan. Dat was een apart model dat resultaten kon weergeven, maar geen beslissingen nam. Dat deden de ingenieurs ter plekke. Het nieuwe systeem neemt voortaan zelfstandig beslissingen, zonder menselijke tussenkomst.

21 variabelen

In samenwerking met Google Deepmind kon het eerste systeem 40 procent van de koelingsvereisten verminderen volgens DataCenter Knowledge. De nieuwste iteratie die Google nu lanceert, zou nog eens 15 procent winst boeken.

Het nieuwe systeem kijkt naar allerlei variabelen zoals buitentemperatuur, barometrische druk, natteboltemperatuur, drogeboltemperatuur, dauwpunt, energieverbruik in het datacenter, luchtdruk achteraan de servers waar de warme lucht uit wordt geblazen, enz. In totaal zijn er 21 verschillende variabelen waarmee de AI rekening houdt.

“Het cruncht al die data en houdt verder rekening met de weersomstandigheden en de load op het datacenter. Daarna optimaliseert het de voedingsefficiëntie,” aldus Kava.

Verder kijken

Het systeem presteert beter dan menselijke operatoren bij extreme weersomstandigheden, maar ook wanneer nieuwe datacenters worden geopend. Onder lichte belasting is de Power Usage Effectiveness (PUE, ratio tussen totale verbruik en verbruik van IT-apparatuur) van een nieuwe locatie gemiddeld tussen 1,2 en 1,3. Met het koelsysteem dat door AI wordt bediend, kan dat worden teruggebracht naar 0,9 tot 1,1. “Dat lijkt een heel kleine stap, maar het is een immense hoeveelheid energie dat we besparen wanneer je op onze schaal opereert,” benadrukt Kava.


Lees dit: Hyperconvergence: wat is het en waarom is het belangrijk?


Omdat elke site anders is, moet het AI-model telkens opnieuw worden getraind. Initieel is dat met hulpwieltjes zodat ingenieurs altijd beslissingen moeten bevestigen. Naargelang de maanden evolueren, worden de datasets steeds groter. Wanneer de AI zichzelf genoeg bewezen, mag het volautomatisch opereren.

Volgens Google hoeft deze AI-evolutie niet beperkt te blijven voor datacenters. Heel wat bedrijven zouden ook AI kunnen integreren in hun industriële sites. Bijvoorbeeld bij een chemische fabriek of een petroleumraffinaderij. Google maakt zich echter geen zorgen dat ingenieurs zonder werk zullen vallen. Er moet nog altijd onderhoud gebeuren. “Je versterkt de capaciteiten van het team met AI, je schrapt geen mensen,” klinkt het het bij de zoekgigant.