Google risparmia il 15% di energia nei data center grazie all’Intelligenza Artificiale

Il Machine-Learning ha permesso a Google una riduzione – in termini di consumi di energia – pari al 15% , a partire da quando l’ottimizzazione delle risorse è stata affidata in via sperimentale all’AI (Artificial Intelligence) per la gestione di uno dei propri data center. Questo provvedimento si è rivelato tanto soddisfacente, al punto che sarà applicato a tutti i data center Google entro fine anno.

Attraverso un considerevole risparmio energetico, ottenuto per mezzo delle stime e delle soluzioni delle tecnologie AI, Google garantirà alle proprie sedi una riduzione dei costi e risultati migliori di quelli mai ottenuti attraverso le azioni intraprese dai tecnici destinati a tale sfida.

I server che danno energia a miliardi di ricerche sul web, film in streaming e account di social media, rappresentano circa il 2% del totale delle emissioni di gas serra globali. E la flotta Google è una tra le più grandi al mondo. Lo scorso mercoledì Google ha fatto sapere che, attraverso Deepmind – la compagnia Britannica di AI acquistata nel 2014 per circa 400 milioni di sterline – si è arrivati a una considerevole riduzione dei consumi dei data center, pari al 15% da quando è stato adottato il Machine-Learning. Tali centri richiedono un dispendio significativo di energia, in particolare per via del raffreddamento delle macchine, della regolazione costante della temperatura dell’aria, della pressione e dell’umidità così da funzionare efficientemente.

Mustafa Suleyman, co-fondatore di DeepMind, ha dichiarato che il livello di complessità ed il numero di variabili che la gestione dei data center comporta, venisse espresso attraverso un algoritmo la cui risoluzione andava oltre le possibilità umane, in tempi brevi s’intende, in quanto si trattava delle statistiche dei dati relativi ai consumi di cinque anni. E ha aggiunto “Questo è uno degli esempi perfetti di circostanza in cui l’uomo – capace di intuizioni che si sono evolute nel corso del tempo – si debba avvalere del Machine Learning per definire delle condizioni reali. Si tratta di qualcosa che nessun umano sia mai stato in grado di sperimentare. L’AI è in grado di imparare da tutti i tipi di casi limite, anche quelli di nicchia e quindi di identificarli. È per questo che riesce a regolare le impostazioni in modo accuratissimo”.

Il conseguimento della riduzione del consumo di energia è stato ottenuto attraverso la combinazione di DeepMind come mezzo per prevedere il carico computazionale in entrata – ad esempio quando milioni di utenti si collegano contemporaneamente a Youtube – in corrispondenza del carico di raffreddamento richiesto. Per chiarire meglio, è come se una serie innumerevole di manopole, venissero sintonizzate contemporaneamente. La riduzione delle emissioni, iniziata due anni fa, sta vantando un’applicazione sui data center nella misura di percentuali a due cifre.

L’impatto ambientale del mondo on line, è stato sottoposto a scrutini sempre più frequenti e i data center sembrano essersi allineati ai consumi dell’aviazione, in termini di emissioni globali. Nel 2011 Google ha reso pubblica la propria impronta di carbonio, numeri che erano pari alle emissioni annuali del Laos, e da allora i propri data center sono migliorati al punto da ottenere una potenza di calcolo moltiplicata per 3.5 volte a fronte dello stesso consumo energetico.

Google rimane però vago e non rivela con precisione il quantitativo di energia utilizzata nei propri data center. A seguito dell’adozione di Deepmind sappiamo che l’utilizzo di energia utile per il raffreddamento sia stato ridotto del 40%, e che l’uso totale di energia corrisponda invece al 15%.
“Credo davvero che questo sia solo l’inizio. Ci sono sempre nuove opportunità per rendere efficienti le infrastrutture dei data center “, ha aggiunto Suleyman. “Il tipo di algoritmi che sviluppiamo, sono intrinsecamente generali, ciò significa che lo stesso sistema di apprendimento automatico possa essere in grado lavorare in un’ampia varietà di ambienti, come ad esempio impianti e reti energetiche. E abbiamo ancora ampi margini di miglioramento”.