谷歌上线神经网络系统 应用大规模工业场景

即便深度学习和其它机器学习方法近几年已经取得了不小的发展，但是把它们直接应用在真实工业场景中、让它们直接控制工业系统还未曾见到。

2016 年时，DeepMind 和谷歌联手开发了一个基于 AI 的动作推荐系统，向负责维护、调节冷却系统的数据中心运营人员推荐不同状况下的应对方法，它让谷歌当时已经具有很高能源效率的推荐系统数据中心向前更进了一步。

最近，DeepMind 把这个系统升级到了一个全新的级别上：不再像原来的系统那样向人类推荐一些动作，然后由人类去完成，AI 系统现在会直接控制数据中心的冷却系统，当然了它也仍然受到数据中心运营人员的专业监控。这是首个基于云的控制系统，已经在多个谷歌的数据中心中安静地运行、持续地节省能源。

谷歌上线神经网络系统-应用大规模工业场景

工作方式

每隔 5 分钟，这个基于云的人工智能会从数据中心的数千个传感器中采集数据，获得数据中心冷却系统的状态快照，然后把它输入深度神经网络。这个网络会预测各种可能的操作的不同组合会如何影响数据中心的能量消耗。

然后人工智能就会就会在满足鲁棒安全性限制的条件下判断出一组能够最小化能源消耗的动作。这些动作的判断结果接下来会被发回给数据中心，由本地的控制系统验证并执行。

这种系统运行的想法其实来自于在数据中心使用原来那个 AI 推荐系统的操作人员。他们告诉 DeepMind 的研究人员们，虽然系统给他们教了一些最新最好的操作技巧，比如让冷却介质覆盖更多的设备，而不是更少，但是实现这些推荐操作其实需要花费非常多的操作精力和长期规划。所以他们自然地就很想知道，能不能不需要人来出力就达到类似的能源节省效果。

现在他们就可以很高兴地宣布，答案是能。谷歌的一位数据库操作人员表示：「我们希望可以节省能源，同时也降低操作人员的工作强度。自动化的系统就可以让我们以更高的频率执行更细粒度的行动，同时出的错误还更少。」

兼顾安全性和可靠性

谷歌的数据中心里一般都有上千台服务器，它们支撑着谷歌搜索、Gmail、YouTube 等用户们每天都会使用的服务。确保这些服务可以可靠、高效地运行是最关键的一件事。

DeepMind 和谷歌一起设计AI智能体以及背后的控制界面时，都是带着安全、可靠的思维从头设计的，还使用了8种不同的机制确保系统能够总是能够按照预期行动。

谷歌的数据中心总是会受到人类的完全控制的，人类随时可以选择退出 AI 控制模式。这时候，控制系统会自动从 AI 控制无缝地切换到基于现代自动化工业使用的基于现场规则的以及启发式设计的控制系统。

连续监控、自动错误重启、平滑切换、两层验证、不间断通讯、不确定性估计、规则与启发式设计的备用控制系统、人类指令优先。

声明： 本网站原创内容，如需转载，请注明出处；本网站转载内容（文章、图片、视频等资料）的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的，未能及时和您沟通确认的，请第一时间通知我们，以便我们第一时间采取相应措施，避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们，我们有权利免于承担任何责任。 我们的联系邮箱：news@cecb2b.com。