MIT koristi mašinsko učenje za efikasnije data centre
Istraživačka grupa Christine Delimitrou, vanredne profesorke sa stalnim zvanjem na MIT-u, primenjuje mašinsko učenje kako bi veliki data centri bili efikasniji, bezbedniji i pouzdaniji. Nalazi iz njenog ranijeg rada pokazuju da su mnogi veliki računarski sistemi radili sa svega oko 15 odsto kapaciteta, dok je cilj približavanje znatno većem iskorišćenju postojeće infrastrukture.
Rad se odnosi na servere, mrežnu opremu i cloud softver čije nedovoljno korišćenje povećava potrošnju električne energije. Kako rast data centara opterećuje elektroenergetske mreže i podstiče oslanjanje na energiju iz fosilnih goriva, bolje upravljanje resursima može smanjiti potrebu za izgradnjom novih kapaciteta.
Više računarske snage iz postojećeg hardvera
Delimitrou i njen tim redizajniraju zastarele cloud sisteme, razvijaju metode za upravljanje deljenim hardverskim resursima i pojednostavljuju serverske arhitekture. Namena ovih pristupa nije samo niža potrošnja, već i izvlačenje više računarske snage iz opreme koja je već ugrađena u data centru.
Mašinsko učenje može automatizovati složene odluke o raspodeli resursa i pronaći rešenja koja programeri možda ne bi uočili ručno. To je posebno značajno u sistemima velikog obima, gde je upravljanje velikim brojem komponenti teško izvodljivo isključivo empirijskim metodama i uz oslanjanje na pojedinačno iskustvo operatera.
Prevencija zastoja i proverljiv AI
Jedan od alata tima, Seer, koristi duboko učenje da unapred predvidi i spreči probleme u veb aplikacijama. Time se izbegavaju šira usporenja koja mogu nastati kada se kvar rešava ručno, a smanjuje se i rasipanje računarskih resursa tokom prekida rada aplikacija, poput servisa za striming muzike ili videokonferencije.
Tim je razvio i Ditto, alat koji oponaša strukturu aplikacije i njene karakteristike performansi. Takvi klonovi omogućavaju istraživanja kada akademski timovi nemaju pristup vlasničkom hardveru i softveru koje koriste kompanije sa sopstvenim data centrima.
Poseban izazov predstavlja objašnjivost AI sistema. Delimitrou naglašava da razvojni timovi treba da dobiju korisne povratne informacije, kako bi proverili da li model daje odgovarajući odgovor i bolje projektovali buduće sisteme. AI može ubrzati razvoj aplikacija, ali njegove rezultate treba revidirati i pažljivo primenjivati.
Praktična poruka za organizacije
Za poslovanje je ključna poruka da rast digitalnih usluga ne mora automatski značiti i proporcionalno širenje hardvera. Merenje iskorišćenosti, uklanjanje softverskog viška, prevencija zastoja i proveravanje automatizovanih odluka predstavljaju konkretne korake za odgovornije upravljanje cloud infrastrukturom.