Dinamik Büyük ölçekli gerçek endüstriyel sahnelere uygulanan ilk sinir ağı kontrol sistemi Google'da başlatıldı
AI Technology Review Press : Derin öğrenme ve diğer makine öğrenimi yöntemleri son yıllarda önemli ilerlemeler kaydetmiş olsa da, bunları gerçek endüstriyel senaryolarda doğrudan uyguladıkları ve endüstriyel sistemleri doğrudan kontrol etmelerine izin verdikleri görülmedi. Derin öğrenmenin sağlamlığının olmaması ve yeni koşullar karşısında davranışı tahmin etmenin zorluğu kesinlikle önemli kısıtlardır.Ayrıca, algoritmanın kontrol aralığını kademeli olarak arttırması ve insanlarla işbirliği yolunu koordine etmesi zordur. DeepMind ve Google kısa süre önce yeni bir adım attı ve önemli bir başarı elde etti ve ardından bunu DeepMind blogunda tanıttı. AI Technology Review aşağıdaki gibi derlenmiştir.
İnsan toplumumuzun karşılaştığı birçok acil sorun arasında, çoğu hala daha karmaşık hale geliyor ve herkes iyi bir çözüm bulmaya hevesli. DeepMind ve Google için, insanlar yapay zekayı yeni bilgileri keşfetmek için bir araç olarak kullanabilirse, çözüm bulmanın çok daha kolay olacağına inanıyorlar.
2016 yılında DeepMind ve Google, soğutma sistemini farklı durumlarla başa çıkacak şekilde korumak ve ayarlamaktan sorumlu veri merkezi operatörlerini önermek için yapay zeka tabanlı bir eylem öneri sistemi geliştirdiler. Sistem veri merkezi bir adım daha ileri gider. Başlangıç noktaları da çok basit: Küresel iklim değişikliğiyle başa çıkabilmek için, büyük ölçekli enerji tüketen sahalardaki küçük iyileştirmelerin de enerji tüketimini ve karbondioksit emisyonlarını azaltmada önemli bir etkisi olabilir.
Son zamanlarda, DeepMind bu sistemi tamamen yeni bir seviyeye yükseltti: artık insanlara orijinal sistem gibi bazı eylemler önermiyor ve sonra insanlar bunları tamamlıyor.Al sistemi artık veri merkezinin soğutma sistemini doğrudan kontrol ediyor ve tabii ki hala Veri merkezi operatörleri tarafından profesyonel izlemeye tabidir. Bu, sessizce çalışan ve birden çok Google veri merkezinde sürekli enerji tasarrufu sağlayan ilk bulut tabanlı kontrol sistemidir.
Çalışma şekli
Bu bulut tabanlı yapay zeka, her 5 dakikada bir veri merkezindeki binlerce sensörden veri toplar, veri merkezinin soğutma sisteminin durumunun anlık görüntüsünü alır ve bunu derin bir sinir ağına besler. Bu ağ, olası işlemlerin farklı kombinasyonlarının veri merkezinin enerji tüketimini nasıl etkileyeceğini tahmin ediyor. Daha sonra AI, sağlam güvenlik kısıtlamalarını karşılarken enerji tüketimini en aza indirebilecek bir dizi eylem belirleyecektir. Bu eylemlerin değerlendirme sonuçları daha sonra yerel kontrol sistemi tarafından doğrulanması ve yürütülmesi için veri merkezine geri gönderilecektir.
Bu tür bir sistem operasyonu fikri, aslında veri merkezinde orijinal AI öneri sistemini kullanan operatörlerden geldi. DeepMind araştırmacılarına, sistem onlara soğutma ortamının daha az yerine daha fazla ekipmanı kapsamasına izin vermek gibi en yeni ve en büyük işletim tekniklerinden bazılarını öğretmesine rağmen, bu önerilen işlemleri uygulamak için aslında çok fazla işletim enerjisi gerektirdiğini söylediler. Ve uzun vadeli planlama. Bu nedenle, insan çabası olmadan benzer enerji tasarrufu etkilerini elde edip edemeyeceklerini doğal olarak bilmek isterler.
Şimdi cevabın evet olduğunu mutlu bir şekilde ilan edebilirler. Bir Google veritabanı operatörü şunları söyledi: "Enerji tasarrufu yapmayı ve operatörlerin iş yoğunluğunu azaltmayı umuyoruz. Otomatikleştirilmiş sistem, daha yüksek bir frekansta daha hassas eylemler gerçekleştirmemize ve aynı zamanda daha fazla hata yapmamıza olanak tanıyor. az."
Güvenliği ve güvenilirliği dengeleyin
Google'ın veri merkezinde genellikle Google arama, Gmail ve YouTube gibi kullanıcıların her gün kullandığı hizmetleri destekleyen binlerce sunucu bulunur. Bu hizmetlerin güvenilir ve verimli bir şekilde çalışmasını sağlamak en kritik şeydir. DeepMind ve Google, AI aracısını ve arkasındaki kontrol arayüzünü tasarladıklarında, baştan sona güvenli ve güvenilir bir düşünce ile tasarlandılar ve ayrıca sistemin her zaman beklendiği gibi çalışmasını sağlamak için 8 farklı mekanizma kullandılar.
Kullandıkları yöntemler arasında en basitlerinden biri belirsizliği tahmin etmektir. Yüz milyonlarca olası eylemin her biri için, AI aracısının bunun iyi bir eylem olduğuna dair güvenini hesaplaması gerekir. Çok düşük güvene sahip eylemlerin dikkate alınmayacağı tahmin edilmektedir.
Diğer bir yöntem, iki aşamalı doğrulamadır. Yapay zeka tarafından hesaplanan optimum eylemin, öncelikle veri merkezi operatörleri tarafından oluşturulan yerleşik bir güvenlik kısıtlamaları listesine göre kontrol edilmesi gerekir. Hesaplamanın sonucu kontrol edildikten ve buluttan gerçek veri merkezine gönderildikten sonra, yerel kontrol sistemi talimatları kendi güvenlik kısıtlama listelerine göre tekrar kontrol edecektir. Bu yedek tasarım inceleme süreci, sistemin çalışmasının her zaman yerel sınırlar içinde olmasını ve operatörlerin her zaman operasyonun sınırları üzerinde tam kontrole sahip olmasını sağlar.
En önemli şey, Google'ın veri merkezinin her zaman tamamen insanlar tarafından kontrol edilecek olması ve insanların istediği zaman AI kontrol modundan çıkmayı seçebilmesidir. Şu anda kontrol sistemi, modern otomasyon endüstrilerinde kullanılan saha kurallarına ve sezgisel tasarıma dayalı olarak yapay zeka kontrolünden otomatik olarak sorunsuz bir şekilde kontrol sistemine geçecektir.
Tasarladıkları diğer güvenlik mekanizmaları aşağıdaki gibidir:
Sürekli izleme, otomatik hata yeniden başlatma, sorunsuz anahtarlama, iki katmanlı doğrulama, kesintisiz iletişim, belirsizlik tahmini, kural ve sezgisel tasarım yedekleme kontrol sistemi, insan komut önceliği
Ne kadar çok kullanırsanız enerji tasarrufu yapın
Operatörün önerilen eylemleri kontrol etmesini ve uygulamasını gerektiren orijinal eylem öneri sistemi ile karşılaştırıldığında, yeni AI kontrol sistemi bu eylemleri doğrudan kendi başına uygular. DeepMind ve Google'dan araştırmacılar, sistemi geliştirirken bilinçli olarak sistemin optimizasyon sınırını daha dar ve daha küçük bir stratejiye ayarlayarak, onu güvenlik ve güvenilirliğin birincil hedefi, yani enerji tasarrufu hedefi haline getirdi. , Aşırı tasarrufların neden olduğu istikrarsızlık riski ile yetersiz optimizasyonun düşük geri bildirimi arasında bir denge bulması gerekir.
Yalnızca birkaç aydır çevrimiçi olmasına rağmen, bu sistem istikrarlı bir şekilde ortalama yaklaşık% 30 enerji tasarrufu yapabildi ve ayrıca sistemin gelecekte daha da iyileştirilmesini bekliyorlar. Bunun nedeni, aşağıdaki şekilde gösterildiği gibi, daha fazla veriyle, sistemin optimizasyon değerlendirme yeteneğinin daha güçlü hale gelmesidir. Teknoloji gittikçe olgunlaştıkça, DeepMind ve Google araştırmacıları, daha iyi enerji tasarrufu etkileri elde etmek için gelecekte sistemin optimizasyon sınırını daha gevşek olacak şekilde ayarlayacaklar.
Doğrudan kontrol edilen bu yapay zeka sistemi, zaman zaman soğutma sistemini yönetmenin yeni yollarını bulur ve bazı yöntemler veritabanı operatörlerini bile şaşırtır. Bu sistemle yakından çalışan bir Google veri merkezi operatörü şaşırdı: "Bu yapay zeka, normal soğutma suyundan daha soğuk üretmek için kışın dışarıdaki soğuktan yararlanacak ve ardından veri merkezini soğutmak için gereken enerji tüketimini azaltacak. Kural, kendi başına daha iyi ve daha iyi olmayacak, ancak yapay zeka olabilir. "
Hem DeepMind hem de Google, güvenli, bağımsız çalışan ve enerji tüketimini azaltan AI doğrudan kontrol sistemi konusunda çok heyecanlı. Ancak veri merkezinde böyle bir sistemin kullanılması sadece bir başlangıç. Uzun vadeli gelecekte, bu tür teknolojileri diğer endüstriyel senaryolara uygulamak için hala çok fazla potansiyel olduğuna inanıyorlar ve bu da iklim değişikliğiyle daha büyük ölçekte mücadeleye yardımcı olabilir.
deepmind.com aracılığıyla, AI teknolojisi inceleme derlemesi
