L'インテリジェンス 人工知能の冷却への応用 データデータ センターの冷却に応用された人工知能は、産業エネルギーの最適化の分野で最も重要なイノベーションのひとつです。
2018年から稼働しているグーグル・ディープマインドが開発した自律システムは、AIがいかに重要インフラの熱管理を変革できるかを実証し、運用効率の面で具体的な成果を上げている。
エネルギー効率の世界的専門家であるジョナサン・クーミーによると、現代のデータセンターは膨大なエネルギーを消費しており、冷却は総電力消費量の約10％を占めている。グーグルのクラウドベースのAIシステムは、5分ごとに何千ものセンサーから冷却システムのスナップショットを取得する。自律的なデータセンターの冷却と産業制御のための安全第一のAI - グーグル・ディープマインド（Google DeepMind）は、従来の制御方法を無視した運用の複雑さを分析する。
グーグルのAI冷却システムは、ディープニューラルネットワークを使用して、さまざまなアクションの組み合わせが将来のエネルギー消費に与える影響を予測し、堅牢なセキュリティ制約を満たしながら消費を最小限に抑えるアクションを特定するDeepMind AI、グーグルデータセンターの冷却費を40%削減 - Google DeepMind
冷却の最適化で達成された成果は大きい。このシステムは、冷却に使われるエネルギーを常に40％削減することができた。しかし、冷却が総消費量の約10パーセントを占めることを考えると、これはデータセンター全体で約4パーセントの省エネになる。
ジム・ガオのオリジナルの技術論文によると、ニューラルネットワークは平均絶対誤差0.004、標準偏差0.005を達成し、PUE1.1の場合、誤差0.4%に相当する。
AIシステムの導入は、特定の3つのデータセンターで公式に確認された：
シンガポール：2016年に最初の大規模な導入が行われ、データセンターでは冷却に再生水を使用し、冷却エネルギーの40％削減を実証した。
オランダ、イームハーフェン：このデータセンターは工業用水を使用し、2023年には2億3,200万ガロンの水を消費した。同施設のサイトリーダーであるマルコ・イネマ氏は、この先進的な施設の運営を監督している。
アイオワ州カウンシルブラフス：MITテクノロジーレビューはAIシステムの議論の中で、カウンシルブラフスのデータセンターを特に紹介した。グーグルはカウンシル・ブラフスの2つのキャンパスに50億ドルを投資しており、2023年には9億8,810万ガロンの水を消費する。
クラウドベースのAI制御システムは現在稼働中で、グーグルの複数のデータセンターで省エネを実現しているが、同社はこの技術を使用している施設の全リストを公表していない。
特許US20180204116A1によると、このシステムは正確な技術特性を持つディープラーニング・アーキテクチャを使用している：
このアーキテクチャは、ディープニューラルネットワークと統合された線形ARXモデルによるモデル予測制御を使用している。ニューラルネットワークでは、ユーザーがモデル内の変数間の相互作用を事前に定義する必要はない。その代わり、ニューラルネットワークが特徴間のパターンと相互作用を探索し、最適なモデルを自動的に生成する。
PUEはデータセンターの基本的なエネルギー効率を表す：
PUE = データセンターの総エネルギー量 / IT機器のエネルギー量
グーグルはエネルギー管理に関するISO50001認証を取得しているが、これは厳格な運用基準を保証するもので、AIシステムの性能を具体的に検証するものではない。
この技術革新の核となるのは、今後1時間のデータセンターの温度と圧力を予測し、運用上の制約を超えないように推奨されるアクションをシミュレートする予測制御である。
試行錯誤の末、現在ではPUEの予測精度は99.6パーセントに達している。この精度は、従来の方法では不可能だった最適化を可能にし、同時に機械、電気、環境システム間の複雑な非線形相互作用を処理する。
重要な点のひとつは、進化学習機能である。9ヶ月の間に、システムの性能は発売当初の12％向上から約30％向上した。
グーグル社のオペレーターであるダン・フュンフィンガーは、「AIが冬のコンディションを利用し、通常よりも冷たい水を生成することを学習するのを見たのは驚きだった。ルールは時間の経過とともに改善されるものではないが、AIは改善するのだ』。
システムは19の重要な運転パラメーターを同時に管理する：
運用上のセキュリティは、冗長メカニズムによって確保される。AIが計算した最適なアクションは、オペレーターが定義したセキュリティ制約の内部リストと照合される。物理的なデータセンターに送信されると、ローカルの制御システムが指示を再チェックするDeepMind AIは、グーグルのデータセンターの冷却に使用されるエネルギーを40％削減する。
オペレーターは常にコントロールを維持し、いつでもAIモードを終了して従来のルールにシームレスに移行することができる。
業界は、指標としての電力使用効率（Power Usage Effectiveness）の限界を認識している。2014年のUptime Instituteの調査によると、回答者の75パーセントが、業界には新しい効率測定指標が必要であると考えている。問題点としては、気候の偏り（異なる気候を比較することは不可能）、時間操作（最適条件下での測定）、コンポーネントの除外などが挙げられる。
データセンターはそれぞれ独自のアーキテクチャと環境を持っている。あるシステム用にカスタマイズされたモデルは、別のシステムには適用できない可能性があり、一般的なインテリジェンスのフレームワークが必要となる。
モデルの精度は、入力データの質と量に依存する。一般に、PUE値が1.14を超えると、対応する学習データが乏しくなるため、モデルの誤差が大きくなります。
大手監査法人や国立研究所による独立監査は見当たらず、グーグルは連邦政府の最低要件以上の「第三者監査を追求していない」。
2024年から2025年にかけて、グーグルは劇的に重点をそちらに移した：
この変化は、最新のAIアプリケーションの熱負荷に対して、AIの最適化が実用的な限界に達していることを示している。
AIによる冷却の最適化は、データセンター以外にも応用が広がっている：
冷房システムのエネルギー節約は、次のような結果をもたらす：
フェーズ1 - 評価：エネルギー監査と既存システムのマッピングフェーズ2 - パイロット：限定されたセクションの制御された環境でのテストフェーズ3 - 展開：集中的なモニタリングによる段階的な展開フェーズ4 - 最適化：継続的なチューニングと容量の拡大
シンガポール（2016年初展開）、オランダのEemshaven、アイオワ州のCouncil Bluffsの3つのデータセンターが公式に確認されている。システムはグーグルの複数のデータセンターで運用されているが、その全リストはこれまで公表されていない。
このシステムは、冷却に使用されるエネルギーを40％削減することに成功している。冷却が総消費量の約10パーセントを占めることを考えると、全体の省エネはデータセンターの総消費量の約4パーセントに相当する。
このシステムは、平均絶対誤差0.004±0.005のPUE予測精度99.6%を達成し、これはPUEが1.1㎠の場合の誤差0.4%に相当する。真のPUEが1.1の場合、AIは1.096から1.104の間を予測します。
まずAIがオペレーターによって定義されたセキュリティ制約をチェックし、次にローカル・システムが再度命令をチェックする。オペレーターはいつでもAIのチェックを解除し、従来のシステムに戻ることができる。
データ収集とモデルのトレーニングに3～6ヶ月、パイロットテストに2～4ヶ月、段階的展開に3～8ヶ月。複雑さは既存のインフラによって大きく異なる。
データサイエンス／AI、HVACエンジニアリング、設備管理、サイバーセキュリティ、システム統合の専門知識を持つ学際的なチームが必要である。多くの企業は、専門のサプライヤーとのパートナーシップを選択している。
そう、AIは自動的に季節的な条件を利用するように学習するのだ。例えば、冬には冷房エネルギーを削減するために冷たい水を作るなど。天候や気候のパターンを認識することで、システムは継続的に改善される。
データセンターはそれぞれ独自のアーキテクチャと環境を持ち、大幅なカスタマイズが必要となる。実装の複雑さ、特定のデータの必要性、必要な専門知識がダイレクトマーケティングを複雑にしている。8年経った今でも、このテクノロジーはグーグル社内にしかない。
大手監査法人（デロイト、PwC、KPMG）や国立研究所による独立監査は見つからなかった。グーグルはISO50001認証を取得しているが、連邦政府の最低要件を超える第三者監査は「実施していない」。
その通りだ。冷房のAI最適化は、産業プラント、ショッピングセンター、病院、企業オフィス、そして複雑なHVACシステムを持つあらゆる施設に適用できる。多変量最適化と予測制御の原理は、普遍的に適用できます。
グーグルDeepMindのAI冷却システムは、特定の領域で段階的な改善を実現する技術革新を象徴している。エネルギー集約型のインフラを運営する企業にとって、この技術は、規模の制約が浮き彫りになったとはいえ、冷却最適化の具体的な機会を提供する。
主な情報源 ジム・ガオ Google 研究論文、ディープマインド公式ブログ、MIT テクノロジーレビュー、特許 US20180204116A1
.svg)
.svg)
.svg)
.jpeg)
.jpeg)