Помощник или фактор риска? Как применяют искусственный интеллект в дата-центрах

Опыт лидеров рынка

Американская компания Vigilent применяет машинную учебу в своей системе оптимизации охлаждающего оборудования с 2008 года. В 2014 году Google в одном из своих ЦОД развернул Deepmind AI — искусственный интеллект с использованием машинного обучения. В результате компании удалось на 40% сократить количество энергии, необходимой для охлаждения ЦОД. Общие накладные расходы после учета расхода электроэнергии и других ресурсов, связанных с охлаждением, сократились на 15%. После оценки эффективности в компании предположили, что другие организации могут делать то же самое.

Предварительные прогнозы позволяют выделить следующие преимущества ИИ и машинного обучения в центрах обработки данных:

• уменьшение расхода энергии благодаря оптимизации систем охлаждения, прогнозированию и управлению рабочей нагрузкой на сервер, корректировке потребления электроэнергии в зависимости от потребностей. Помимо существенной экономии это еще и снижает негативное влияние ЦОД на экологию;
• способность анализировать данные, поступающие из различных систем мониторинга и предусматривать возможные технические проблемы. Это позволяет своевременно инициировать профилактическое обслуживание, увеличивать эксплуатационный период оборудования и минимизировать простои;
• возможность постоянного мониторинга сетевого трафика и выявление потенциальных угроз. Это помогает выявлять кибератаки и противодействовать им в реальном времени;
• динамическое распределение вычислительных ресурсов, включая оптимизацию размещения виртуальной машины, а также самостоятельное определение приоритетов обеспечения рабочих нагрузок;
• обработка колоссальных объемов данных для оценки производительности, поведения пользователей, а также выявления тенденций. Это ценные данные по оптимизации работы ЦОД;
• автоматизация рутинных задач, среди которых как инициализация, балансировка погрузки и устранение неисправностей. Это снимает часть рабочей погрузки с персонала и устраняет влияние «человеческого фактора»;
• предоставление операторам ЦОД расширенных инструментов управления для планирования мощностей, мониторинга использования ресурсов, отслеживания активов.

Прошло 10 лет. Стало ли применение ИИ в ЦОД пока массовым явлением?

Перспективы прогресса и проблемы с точностью

Для начала нужно навести порядок в терминах, ведь популяризация технологий и всеобщий интерес к ним создают определенную путаницу. ШИ — это неудобно широкий общий термин, используемый для описания компьютерного программного обеспечения, способного демонстрировать то, что люди воспринимают как разумное поведение. Термин включает в себя такую ​​дисциплину, как машинное обучение (ML).

• Машинное обучение — общее определение программных методов, предусматривающих обучение математических моделей на больших наборах данных. В результате модели ML способны производить анализ и прогнозировать, решать задачи без использования принципов программирования и делать логические выводы.
• Глубокое обучение — усовершенствованное ML, использующее принципы работы мозга человека. В основе — использование глубоких нейронных сетей (DNN) для определения тенденций и закономерностей среди малосвязанных или даже некоррелированных данных.
• Generative AI — название конкретной технологии, основанной на последних достижениях DNN. Основным достижением является создание архитектуры трансформера, обнародованной Google в 2017 году. Именно ее позже использовали для создания ChatGPT — языковой генеративной модели, а также DALL-E — генеративного инструмента для изображений.

Трансформеры используют механизмы, способные изучать связи между словами и данными без участия человека. Это сокращает продолжительность обучения и увеличивает точность выводимых данных. Именно эта технология повлекла за собой революцию в прикладном использовании ИИ, которая стала трендом 2023 года.

Системы, основанные на работе трансформеров (например, ChatGPT), обучаются на основе сотен гигабайт текста и могут генерировать любой вид контента. Однако они сталкиваются с проблемой, отличающей их от других типов ИИ. Именно эта проблема не позволяет использовать технологию в критических сферах. Речь идет об отсутствии гарантий точности результата.

Главное ограничение этих систем — способность к галлюцинациям. Они генерируют убедительные ответы, используя вымышленные факты. На самом деле, они даже не ищут фактаж, а обнаруживают шаблоны и угадывают следующий лучший вариант в последовательности.

Результатом стало большое количество громких ошибок: особенно проблемы испытали СМИ, журналисты которых полностью полагались на ответы генеративных ИИ. Это привело к уменьшению доверия к искусственному интеллекту в целом. Как результат, многие руководители ЦОД опасаются внедрять любую технологию ИИ, даже если она не имеет никакого отношения к генеративным моделям.

Что останавливает интеграцию ИИ в процессы ЦОД?

Первая проблема озвучена в предыдущей главе: снижение уровня доверия технологии. Вторая, более актуальная — опасение сокращения рабочих мест, что приведет к кардинальным изменениям в индустрии. Главная же проблема ИИ — ограниченность использования.

Существует два фактора, замедляющих интеграцию искусственного интеллекта в рабочие механизмы ЦОД:

1. Профиль риска технологий на основе ЦОД пока неприемлем.
2. Технологии ИИ, которые сейчас используют в ЦОД, кажется, только увеличивают потребности в персонале, а не заменяют его.

Да, волна любопытства, инвестиций и применения технологий ИИ пока беспрецедентна, однако специалисты смотрят на это со скепсисом. Дело в том, что это не первый круг ажиотажа вокруг искусственного интеллекта с тех пор, как он был создан в 1956 году (в тот период ИИ определили как отдельную академическую дисциплину). Очередная волна заинтересованности спадет, как только станет ясно, что технология «упирается» в определенные технологические границы, и для следующего этапа развития требуются более мощные компьютеры. Оказавшиеся полезные программы искусственного интеллекта интегрируются в основное программное обеспечение. В прошлом это случалось с компьютерами, игравшими в шахматы, оптическим распознаванием символов, машинным переводом, фильтрами спама в электронной почте, системами спутниковой навигации и персональными цифровыми помощниками.

А что тогда с использованием ИИ в ЦОД? Технологии, применяемые сейчас в дата-центрах, преимущественно специализируются на оптимизации динамического питания и охлаждения, выявлении аномалий, прогнозировании клиентского спроса и другой аналитике.

Очень редко ИИ интегрируют в системы управления ЦОД для контроля. В свою очередь, технологию применяют для консультирования операторов. Конечно, передача контроля над объектом ИИ повысит эффективность инфраструктуры. Однако возрастут и риски: любые ошибки приведут к длительным сбоям и миллионным потерям. Это не та цена, которую нужно платить за несколько процентов эффективности. Так что интеллект сейчас не угрожает рабочим местам.

Однако риск есть. Потребность в планировщиках профилактического технического обслуживания может быть уменьшена, поскольку текущее поколение инструментов на основе искусственного интеллекта может предусматривать частоту отказов и предлагать оптимальные графики технического обслуживания. Также потребуется меньше охранников, ведь системы видеонаблюдения с ИИ уже учатся распознавать сложные угрозы.

Есть ли у технологии будущее?

Безопасное использование ИИ в ЦОД возможно при усовершенствовании технологии генеративного интеллекта и уменьшении количества галлюцинаций. Один из способов — создание механизма автоматизированной перекрестной проверки результатов генерации с надежными источниками данных. Также следует изменить ход мышления системы: она должна получать вознаграждения не за правильные соображения, а за верные выводы.

Наконец, нужно создать предметно-социальные генеративные системы путем тонкой настройки общих или «фундаментальных» моделей для выполнения четко определенных отраслевых задач. Доменно-специальные системы будут гораздо лучше понимать специфическую терминологию и иметь меньшую вероятность создания галлюцинаций при использовании.

Чем будет полезен генеративный искусственный интеллект в ЦОД? Несколько факторов:

• создание документов первого прохода, моделей, дизайнов и даже расчетов для решения задач, связанных с планированием операций;
• создание и обновление метода процедур (MOP), стандартных операционных процедур (SOP) и аварийных операционных процедур (EOP), которые часто остаются незамеченными из-за нехватки времени и управления;
• реализация пошаговых процедур обслуживания;
• создание стандартных информационных пособий для новых сотрудников или клиентов;
• обновление ресурсов с вопросами и ответами.

Важно отметить, что для каждого из сценариев предполагается использование ИИ с обязательной проверкой результатов живым специалистом. Это компенсирует риски. ШИ — во многих формах — также, вероятно, найдет свой путь к многочисленным программным инструментам, которые играют важную вспомогательную роль в проектировании, разработке и эксплуатации ЦОД. Руководители центров должны отслеживать технологию и понимать, где и как ее можно использовать.

Мы в дата-центре FREEhost.UA тоже стараемся интегрировать ИИ в системы управления дата-центром в формате рекомендаций и подсказок. С помощью специальных инструментов выполняется дополнительный анализ трафика, оптимизируется работа системы вентиляции и фрикулинга, ведется дополнительный контроль системы мониторинга и базы комплектующих в серверах. Кроме этого, мы используем ИИ, чтобы помогать пользователям подобрать красивые доменные имена. В общем, это позволило специалистам сконцентрироваться на менее рутинных задачах.