اکنون تصور می شود که مراکز داده و سایر عملیات رایانش ابری تشکیل می شوند تا 1 درصد مصرف برق جهانی. کربن صرف شده در راه اندازی این مزارع سرور عظیم – و به ویژه برای خنک کردن آنها – بسیار ناچیز است. حدود 50 درصد تصور می‌شود که مصرف برق به هزینه‌های عملیاتی اساسی مربوط می‌شود و تا 40 درصد به هزینه‌های خنک‌کننده نسبت داده می‌شود.
مراکز داده در جستجوی راه‌حل‌هایی هستند، از استفاده از انرژی‌های تجدیدپذیر بیشتر تا ایجاد مراکز داده در زیر دریا به منظور صرفه‌جویی در هزینه‌های خنک‌کننده.
برخی از سخت‌گیرانه‌ترین و کاربردی‌ترین راه‌حل‌ها شامل پیاده‌سازی هوش مصنوعی برای یافتن و اصلاح ناکارآمدی‌ها است. گزارشی از گارتنر تخمین می زند که هوش مصنوعی در نیمی از مراکز داده در دو سال آینده عملیاتی شود. گزارش 2019 توسط IDC نشان می دهد که ممکن است قبلا اتفاق افتاده باشد. حجم کار هستند تنظیم کنید تا افزایش یابد 20٪ سال به سال، بنابراین این یک مشکل فوری است.
ایان کلاتورثی، مدیر بازاریابی محصول پلت فرم داده در هیتاچی وانتارا، و اریک سوارتز، معاون مهندسی DataBank، در مورد امکانات و محدودیت های راه حل های هوش مصنوعی در مراکز داده صحبت می کنند.
جمع آوری داده های مناسب
به منظور ایجاد و کالیبره کردن ابزارهای مفید هوش مصنوعی، مراکز داده باید داده های مناسب را جمع آوری و وارد کنند. این امر چالش برانگیز بوده است زیرا انواع خاصی از داده ها که از لحاظ تاریخی در عملیات روزمره مفید نبوده اند به سادگی نادیده گرفته شده اند. ممکن است برخی جمع آوری شوند اما استفاده نشده باشند. و برخی از آنها اصلا جمع آوری نمی شوند، به این معنی که اپراتورها باید از ابتدا شروع کنند یا از داده های موجود برون یابی کنند.
داده‌های سخت‌افزاری ضروری عبارتند از: فضای ذخیره‌سازی موجود، سهولت دسترسی، تعداد ماشین‌هایی که در یک زمان معین کار می‌کنند، و ماشین‌هایی که ترافیک تحت هر شرایطی به آنها هدایت می‌شود. داده‌های مربوط به انرژی صرف شده برای نیرو دادن به ماشین‌ها و سرمایش نیز ضروری است، همانطور که داده‌های مربوط به شرایط محیطی در داخل و خارج از مرکز نیز ضروری است.
ادامه این مقاله را در هفته اطلاعات بخوانید.