مردم این روزها پیش بینی می کنند که هوش مصنوعی تقریباً همه چیز را متحول می کند و مدیریت زیرساخت مرکز داده (DCIM) نیز از این قاعده مستثنی نیست. برای یافتن مقاله‌هایی در مورد اینکه چگونه هوش مصنوعی روشی را که کسب‌وکارها به فرآیند سنتی پیچیده و زمان‌بر DCIM روی می‌آورند، تغییر می‌دهد، نیازی به جستجوی طولانی ندارید.
اما مانند بسیاری از پیش‌بینی‌های هوش مصنوعی، به راحتی می‌توان میزان تأثیرگذاری هوش مصنوعی بر DCIM را اغراق کرد. هوش مصنوعی مطمئناً می تواند به کارآمدتر شدن DCIM کمک کند، اما احتمالاً به این زودی ها انقلابی در آن ایجاد نخواهد کرد.
به من اجازه دهید با بحث در مورد آنچه که هوش مصنوعی می تواند و نمی تواند برای بهبود DCIM انجام دهد توضیح دهم.
DCIM در مراکز داده چیست؟
مدیریت زیرساخت مرکز داده یا DCIM، فرآیند نظارت و مدیریت تمام تجهیزات در یک مرکز داده است. این برای تجهیزات فناوری اطلاعات، مانند سرورها، و همچنین سیستم های تکمیلی، مانند زیرساخت HVAC، که مراکز داده به آنها وابسته هستند، اعمال می شود.
DCIM مهم است زیرا حتی یک مرکز داده کوچک می‌تواند شامل ده‌ها هزار جزء تجهیزات منفرد باشد و اپراتورهای مرکز داده می‌خواهند بدانند که چه زمانی یکی از آنها از کار می‌افتد یا رفتاری غیربهینه دارد. نرم افزار DCIM نه تنها به پیگیری همه چیز در مرکز داده کمک می کند، بلکه به نظارت بر تجهیزات برای مشکلات و به روز نگه داشتن آن کمک می کند.
DCIM حتی می تواند با کمک به کسب و کارها در بهینه سازی بهره وری انرژی مرکز داده نقشی در پایداری داشته باشد.
چگونه هوش مصنوعی می تواند DCIM را بهبود بخشد
DCIM به جمع آوری و تجزیه و تحلیل داده های زیادی نیاز دارد، که دلیل اصلی این است که هوش مصنوعی می تواند به فرآیندهای DCIM کمک کند. هوش مصنوعی می تواند به اپراتورهای مراکز داده کمک کند تا مقادیر زیادی از اطلاعات مربوط به زیرساخت خود را درک کنند و تصمیمات مؤثرتری در مورد مدیریت و توسعه زیرساخت بگیرند.
به عنوان مثال، ابزارهای DCIM که موتورهای هوش مصنوعی را در خود جای می‌دهند، می‌توانند ناهنجاری‌ها را با دقت بیشتری شناسایی کنند، مانند الگوهای مصرف انرژی غیرمعمول توسط یک سرور، که می‌تواند علامت مشکل باشد. آنها همچنین می توانند به پیش بینی نیازهای ظرفیت زیرساخت آینده کمک کنند، که به صاحبان مراکز داده کمک می کند تا امکانات خود را به مقرون به صرفه ترین و پایدارترین راه گسترش دهند.
راه‌های دیگری نیز برای اعمال هوش مصنوعی در DCIM وجود دارد – حداقل در تئوری. به عنوان مثال، هوش مصنوعی مولد به طور بالقوه می‌تواند توصیه‌هایی را برای راهنمایی تکنسین‌های مرکز داده از طریق وظایف تعمیر و نگهداری تجهیزات ارائه دهد. همچنین احتمالاً می تواند توصیه هایی برای چیدمان یا پیکربندی تجهیزات بهینه ایجاد کند.
محدودیت های هوش مصنوعی برای DCIM
در حالی که هیجان زده شدن در مورد اینکه چگونه هوش مصنوعی می تواند به طور بالقوه شیوه مدیریت زیرساخت مرکز داده را بهبود بخشد، اپراتورهای مرکز داده احتمالاً نباید شرط ببندند که هوش مصنوعی فرآیندهای DCIM آنها را به این زودی تغییر خواهد داد. دو دلیل وجود دارد.
اولاً، برخی از استراتژی‌های DCIM که گاهی به عنوان هوش مصنوعی توصیف می‌شوند – به‌ویژه، آنهایی که شامل تجزیه و تحلیل داده‌ها برای شناسایی الگوها و ناهنجاری‌ها می‌شوند – آنقدرها هم جدید نیستند و فقط می‌توان گفت که نوعی هوش مصنوعی هستند. شما همچنین می توانید ادعا کنید که آنها فقط اشکالی از تجزیه و تحلیل توصیفی و پیش بینی هستند و همه تجزیه و تحلیل ها هوش مصنوعی نیستند.
به عبارت دیگر، قابل بحث است که آیا ابزار DCIM که دسته‌ای از معیارهای مصرف انرژی را تجزیه می‌کند و ناهنجاری‌ها را مشخص می‌کند، یا زمانی که سرورهای زیادی از کار افتاده‌اند، هشدار تولید می‌کند، نمونه‌ای از هوش مصنوعی در DCIM است.
بعلاوه، حتی اگر بخواهید آن ویژگی ها را هوش مصنوعی بنامید، خیلی جدید نیستند. عملکرد تجزیه و تحلیل، هشدار و هوش تجاری (BI) برای سال ها بخشی از بسیاری از ابزارهای DCIM بوده است.
در مورد موارد استفاده از هوش مصنوعی مولد برای مدیریت زیرساخت مرکز داده، این موارد بسیار تئوری باقی می مانند.
تا به امروز، هیچ فروشنده DCIM قابلیت‌های مولد هوش مصنوعی را به ابزارهای خود اضافه نکرده است، و مشخص نیست که چنین ویژگی‌هایی تا چه حد می‌توانند کار کنند. سرویس‌های هوش مصنوعی مولد به «توهم‌سازی» بدنام هستند، که روشی خوش‌بینانه برای گفتن اینکه آنها چیزهایی را می‌سازند. این تمایل ممکن است هوش مصنوعی مولد را برای استفاده در DCIM در حال حاضر غیرقابل اعتماد کند، جایی که گام های اشتباه کوچک می تواند باعث خرابی تجهیزات بزرگ شود.
DCIM و AI: زمان مشخص خواهد کرد
به طور خلاصه، DCIM مطمئناً می‌تواند از ابزارهای تحلیلی بهره ببرد که می‌تواند به اپراتورهای مرکز داده کمک کند تا در هنگام مدیریت زیرساخت مرکز داده، مقادیر زیادی از داده‌هایی را که باید تفسیر کنند، درک کنند. اما بسیاری از ابزارهای DCIM این قابلیت را برای مدت طولانی ارائه کرده اند. آنها اغلب آن را AI نمی نامیدند زیرا مسلماً این فقط نوعی هوش مصنوعی است.
در همین حال، موارد استفاده پررنگ‌تر برای هوش مصنوعی در DCIM – مانند استفاده از هوش مصنوعی مولد برای ایجاد راهنمایی یا پیکربندی‌های سفارشی برای زیرساخت‌های مرکز داده – صحبت در مورد آن سرگرم‌کننده است، اما پیاده‌سازی آنها در حال حاضر غیرواقعی است. اگر فناوری هوش مصنوعی به طور چشمگیری بهبود یابد، شاید این تغییر کند. اما من روی انقلاب هوش مصنوعی برای DCIM به این زودی حساب نمی‌کنم.