У процесу дигиталне трансформације привреде, човечанство мора да гради све више центара за обраду података. Сами центри података такође се морају трансформисати: питања њихове толеранције грешака и енергетске ефикасности су сада важнија него икад. Објекти троше огромне количине електричне енергије, а кварови критичне ИТ инфраструктуре лоциране у њима су скупи за предузећа. Вештачка интелигенција и технологије машинског учења долазе у помоћ инжењерима – последњих година се све више користе за креирање напреднијих центара података. Овакав приступ повећава доступност објеката, смањује број кварова и смањује оперативне трошкове.
Како то функционише?
Вештачка интелигенција и технологије машинског учења користе се за аутоматизацију доношења оперативних одлука на основу података прикупљених од различитих сензора. По правилу, такви алати су интегрисани са системима класе ДЦИМ (Дата Центер Инфраструцтуре Манагемент) и омогућавају вам да предвидите појаву ванредних ситуација, као и да оптимизујете рад ИТ опреме, инжењерске инфраструктуре, па чак и сервисног особља. Веома често, произвођачи нуде услуге у облаку власницима центара података који акумулирају и обрађују податке многих купаца. Такви системи генерализују искуство рада са различитим центрима података, и стога раде боље од локалних производа.
Управљање ИТ инфраструктуром
ХПЕ промовише услугу аналитике за предвиђање у облаку
Напајање и хлађење
Друга област примене АИ у дата центрима односи се на управљање инжењерском инфраструктуром и, пре свега, хлађењем, чији удео у укупној потрошњи енергије једног објекта може да пређе 30%. Гугл је био један од првих који је размишљао о паметном хлађењу: 2016, заједно са ДеепМинд-ом, развио је
Остали примери
На тржишту постоји много иновативних паметних решења за дата центре и стално се појављују нова. Ваве2Ваве је креирао роботски систем за комутацију оптичких каблова да аутоматски организује унакрсне везе у чворовима за размену саобраћаја (Меет Ме Роомс) унутар центра података. Систем који су развили РООТ Дата Центер и ЛитБит користи вештачку интелигенцију за надгледање резервних дизел агрегата, а Ромонет је креирао софтверско решење које се самостално учи за оптимизацију инфраструктуре. Решења која је креирао Вигилент користе машинско учење за предвиђање кварова и оптимизацију температурних услова у просторијама центра података. Увођење вештачке интелигенције, машинског учења и других иновативних технологија за аутоматизацију процеса у дата центрима почело је релативно недавно, али данас је ово једна од најперспективнијих области развоја индустрије. Данашњи центри података постали су превелики и сложени да би се њима ефикасно управљало ручно.
Извор: ввв.хабр.цом