Jak sztuczna inteligencja (artificial intelligence – AI), dzięki swojej zdolności do rozpoznawania bardzo złożonych wzorców zrewolucjonizuje centra danych?

Sztuczna inteligencja (artificial intelligence – AI), dzięki swojej zdolności do rozpoznawania bardzo złożonych wzorców zrewolucjonizuje centra danych. Według danych Gartnera, do 2025 roku AI stanie się fundamentem systemów IT. Poprzez modele oparte na danych służących do optymalizacji procesów oraz dzięki umiejętnościom samouczenia się na zawsze odmieni ona serwerownie.

AI w wojsku od lat 80.

AI istnieje już od dawna, ale do tej pory jej zastosowanie było bardziej teoretyczne. Jeśli firmy nie korzystały z superkomputera to procesory nie były w stanie udźwignąć aplikacji, które analizowały dane by uzyskać znaczące wyniki. Oznaczało to, że wczesne rozwiązania były często wykorzystywane jedynie przez instytucje posiadające odpowiednio wysokie budżety.

Przykładem jest wojsko, które było jednym z pierwszych użytkowników technologii rozpoznawania obrazu, aby wykryć zakamuflowane pojazdy w ogromnej liczbie zdjęć lotniczych i satelitarnych, które pojawiły się w latach 80. Procesor GPU zrewolucjonizował ten obszar. Nagle każdy mógł uruchomić skomplikowane modele uczenia maszynowego już na poziomie komputerów stacjonarnych, PC klasy konsumenckiej.

W swej istocie sztuczna inteligencja umożliwia rozwiązywanie problemów lub przynajmniej przybliża odpowiedzi na trudne problemy, których nie można rozwiązać za pomocą tradycyjnego modelowania lub technik matematycznych.

– Niestety, opcje znacząco poprawiające wydajność operacyjną centrum danych są ograniczone. Można zbudować szczegółowy model i przeprowadzić symulacje „what-if”. Jednakże, przy tak wielu zmiennych i zwykłych ograniczeniach głębokości modelu ciężko jest uzyskać znaczący wynik testu. Dodatkowo, to, co powstaje dla jednej firmy w ramach optymalizacji centrów danych, może nie być szczególnie przydatne w zrozumieniu działania innych modeli. Sztuczna inteligencja przychodzi tu więc z rozwiązaniem – mówi Adam Ważyński, Sales Manager Enterprise ITD w Schneider Electric.

Symulacje „What-if” z AI

Optymalizacja centrów danych jest trudna. Obciążenia IT i zewnętrzne warunki otoczenia organizacji zmieniają się dynamicznie i czasami są zupełnie nieprzewidywalnie. Natomiast, podejście sztucznej inteligencji w modelu opartym na danych polega na pobieraniu danych i swoistemu szkoleniu sieci tak, aby była w stanie modelować współczynnik efektywności – PUE (ang. power usage effectiveness) systemu. Dane wejściowe do tego modelu to wiele punktów, które zbierane są z infrastruktury i tzw. „funkcji testowej”.

To, jakiego modelu używa się do udowodnienia, czy sieć dokładnie modeluje rzeczywistą wydajność całego systemu, to różnica pomiędzy przewidywanym i zmierzonym współczynnikiem efektywności (PUE). Gdy model jest w stanie wiarygodnie przewidzieć PUE systemu firmy, można dostosować zmienne wejściowe, aby symulować scenariusze „what-if”. Na przykład: co się stanie, gdy dana pompa zostanie włączona (lub wyłączona)? Jaki byłby wpływ, gdyby zwiększono objętość lub temperaturę schłodzonej wody? Na podstawie wyników symulacji, inżynierowie-eksperci podejmują decyzje o ewentualnych zmianach w systemie.

W sytuacji, gdy mamy zaufanie do modeli analitycznych i pozyskanych danych, kolejnym krokiem optymalizacji data center jest umożliwienie sztucznej inteligencji dynamicznej optymalizacji centrum danych w czasie rzeczywistym bez konieczności angażowania pracowników. Osadzenie AI w celu pełnej automatyzacji będzie jeszcze bardziej efektywne jeśli zostanie zbliżone do modelu danych typu „fly-by-wire”.

Praca sprzętu bez przerw dzięki monitoringom

Dawniej wielu specjalistów prognozowało wadliwość sprzętów analitycznych na bazie informacji,
że sprzęt wydaje dziwny dźwięk bądź w serwerowni unosi się inny zapach. Choć brzmi to nieprawdopodobnie często była to jedna z możliwości diagnostycznych. W dobie rozwoju nowych technologii przychodzi z pomocą w sztuczna inteligencja, która może efektywnie monitorować sprzęty w organizacji.

– Dzięki AI, która weryfikuje wszelkie nieprawidłowości, możliwe jest wykrycie nieprawidłowych wzorów co za tym idzie umożliwia to np. zwiększenie liczby czujników. W ostatecznym rozrachunku analityka i adaptacja systemu przełoży się na wykrycie i zapobieganie nieprawidłowościom i szybszą reakcję, niż były wstanie wykryć to człowiek – mówi Adam Ważyński.