2014年初，谷歌收購了AI工程師兼神經(jīng)科學家Demis Hassabis等人聯(lián)合創(chuàng)立的科技公司DeepMind，有報道稱當時砸了4億英鎊，換算一下當時的匯率也就是6億美元。嗯，谷歌的這筆錢可能可以回本了。

日前，DeepMind發(fā)文宣布，利用深度學習算法，DeepMind已經(jīng)成功幫助谷歌數(shù)據(jù)中心的冷卻系統(tǒng)節(jié)約用電40%。冷卻系統(tǒng)是大型工業(yè)設備的必須配套裝備，包括冷水機組、泵、冷卻水塔等，可以維持數(shù)據(jù)中心服務器的正常運行。

DeepMind的首席執(zhí)行官Demis Hassabis表示：谷歌在數(shù)據(jù)中心用的電太多了，幾個百分點都意味著每年幾百萬美刀，節(jié)約電力的算法分分鐘能給公司省一大筆錢。

谷歌數(shù)據(jù)中心電力節(jié)約算法的主要工作，就是看看數(shù)據(jù)中心運行情況，決定水冷機開多久，關多久，室溫可以調(diào)多少度等。需要克服有以下三個難點：

1、設備運行和環(huán)境之間的交互有著相當復雜的非線性影響，這使得利用算法進行電力供應的控制沒那么簡單。傳統(tǒng)的算法只能利用基本的工程公式和人類直覺，很不準確。

2、系統(tǒng)很難快速適應內(nèi)部或外部環(huán)境的變化，諸如天氣等多類因素的影響都對電力控制算法提出了不同的具體的要求。

3、不同的數(shù)據(jù)中心情況也不一樣，一個自定義的系統(tǒng)可能很難通過自我調(diào)節(jié)來適應另一種模型。因此需要一個普適的自適應的深度算法框架，來了解數(shù)據(jù)中心動力學。

因此，工作人員考慮了風扇、制冷系統(tǒng)和窗戶等120個變量，通過收集數(shù)據(jù)中心幾千個溫度、電源、泵速度、設定值等傳感器的歷史數(shù)據(jù)作為算法框架的訓練參數(shù)，來測試輸入能源應用到IT能源消耗上的比例（即電源使用效率，PUE），搭建模型，尋求最優(yōu)解。據(jù)悉，谷歌計劃在今年年底將這一技術運用到其所有15個數(shù)據(jù)中心上。

最終，該算法幫助數(shù)據(jù)中心減少40%冷卻系統(tǒng)的耗電量，相當于整體的15%。隨便舉例幾個數(shù)據(jù)大家感受一下：谷歌2014年的耗電量為4,402,836兆瓦時，數(shù)據(jù)中心占了很大比重，而企業(yè)在美國支付的電價范圍約為每兆瓦時25至40美元。

還只是一個開始，谷歌還沒有完全把數(shù)據(jù)中心拱手交給機器管理，只將其結(jié)論作為人工管理的參考。據(jù)悉，該算法的開發(fā)團隊僅有負責人Mustafa Suleyman、研發(fā)工程師Rich Evans、數(shù)據(jù)中心工程師Jim Gao等五六人，耗時僅兩三個月。

智能界（www.o-dstudio.com）中國智能科技聚合推薦平臺，秉承“引領未來智能生活”的理念，專注報道智能家居、可穿戴設備、智能醫(yī)療、機器人、3D打印、智能汽車等諸多科技前沿領域。聚合品牌宣傳、代理招商、產(chǎn)品評測、原創(chuàng)視頻、FM電臺與試用眾測，深入智能硬件行業(yè)，全平臺多維度為用戶及廠商提供服務，致力成為中國最具影響力的智能硬件聚合推薦平臺。