В детстве меня всегда восхищали закономерности и, в частности, их влияние на людей. Будь то повторяющийся бой барабана, вдохновляющий нас на танец, или наши ранние приобретенные способности отличать ключевые особенности кошки от собаки, закономерности явно необходимы людям как для общения, так и для навигации в сложном мире.
Благодаря своей
способности распознавать очень сложные закономерности в неструктурированных или полуструктурированных данных искусственный интеллект (ИИ) готов кардинально изменить центры обработки данных. Я исследовал некоторые возможности и общее потенциальное влияние искусственного интеллекта в центрах обработки данных во время сессии на недавнем мероприятии Schneider Electric, посвященном Дню инноваций для поставщиков облачных услуг и услуг.
Искусственный инте
Человек в колокейшн-центре обработки данных ИИ, конечно, существует уже давно, но до сих пор его применение было скорее теоретическим. Если только вы не работали на суперкомпьютере, процессоры были слишком медленными, чтобы давать значимые результаты.
Это означало
Специальная база данных Система управления База данных инженеров бизнес-организацией представляет собой базу данных, которая очень важна для регулярного функционирования и бесперебойного роста любого бизнеса, эта база данных может трансформироваться в ценную информацию. Эту информацию можно использовать по-разному и помочь вашему бизнесу принимать более обоснованные решения.
По сути ИИ позволяет
нам решать проблемы; или, по крайней мере, давать чистые данные b2b рассылка приблизительные ответы на сложные проблемы, которые невозможно или нелегко решить с помощью традиционного моделирования или математических методов. В Equinix мы уже применяем ИИ в наших центрах обработки данных.
Модели на основе
данных для оптимизации центров обработки данных
Оптимизировать центры обработки данных сложно. ИТ-нагрузки hk lists и внешние условия окружающей среды изменяются динамично, а иногда и совершенно непредсказуемо; и, конечно же, как операторы и инженеры, мы прилагаем значительные усилия во время проектирования для моделирования, оптимизации и улучшения.
Если вы хотите
существенно повысить эффективность действующего центра обработки данных, ваши возможности ограничены. Вы можете построить подробную физическую модель и запустить симуляцию «что, если»; но при таком большом количестве переменных и обычных ограничениях глубины модели трудно получить осмысленное понимание. Кроме того, то, что вы создаете для одного объекта, может оказаться не особенно полезным для понимания эффективности других.
Напротивподход
ИИ – который в этом контексте на самом деле является подходом к данным – берет данные и обучает сеть так, чтобы она могла моделировать PUE вашего объекта. Входными данными для вашей модели являются множество точек данных, которые вы собираете из своей инфраструктуры, и ваша «тестовая функция».
Чтобы доказать
точно ли сеть моделирует реальную производительность вашего предприятия, используется разница между прогнозируемыми и измеренными значениями. .ПУЭ. Если у вас есть модель, способная надежно прогнозировать PUE, вы можете настроить входные переменные для моделирования сценариев «что, если».
Например что
произойдет, если включить (или выключить) определенный насос? Каковы будут последствия, если увеличить объем или температуру охлажденной воды? Что, если уставка для блоков CRAC повысится? Затем опытные инженеры принимают решения на основе модели данных.
Помимо этого
как только появится доверие к данным и моделям, следующим шагом будет исключение людей из уравнения и предоставление ИИ возможности динамически оптимизировать центр обработки данных в режиме реального времени. Внедрение искусственного интеллекта для полной автоматизации центра обработки данных еще больше повысит эффективность при переходе к модели центра обработки данных «по проводам».
Обучение на
основе шаблонов для эффективного мониторинга оборудования
ИИ также поможет эффективно контролировать оборудование. Многие опытные инженеры центров обработки данных рассказывают истории об оборудовании, которое, по их мнению, было неисправным (или вскоре станет неисправным), потому что оно звучало странно или пахло по-другому.
Мы проверяем нашу
способность расширять возможности человека по получению данных из нашей инфраструктуры — при необходимости дополняя дополнительные датчики и ищем закономерности, которые в конечном итоге переводятся в «это устройство звучит забавно» — задолго до того, как это стало заметно людям.
Аэрокосмическая
отрасль является отличным примером того, как можно добиться значительной операционной эффективности за счет замены планового режима обслуживания более гибкой программой, основанной на данных, и Equinix рада развивать наши возможности в этой области вместе с нашими ключевыми партнерами, такими как Schneider. Электрический.
Скоро появится в ближайшем к вам центре обработки данных
ИИ — это сложно. Существует значительный разрыв в навыках, хотя он постоянно улучшается. Для многих организаций проблемы, связанные с данными (доступность и качество), могут ограничивать их возможности. Но ключом являются данные — независимо от того, планируете ли вы применять ИИ сейчас или в будущем — если у вас нет данных, и, что еще хуже, если эти данные бесполезны, вам будет сложно построить точные модели ИИ.
ИИ будет только расширяться, решая все больше и больше классов «неразрешимых» проблем. Через пять лет оборудование центров обработки данных без встроенного искусственного интеллекта будет редкостью.
