データセンターにおけるAIの役割の拡大

世界がデータの津波と格闘する中、データセンターは急速に進化しています。スマート接続デバイスの数の急速な増加とデータ消費の大幅な増加により、基盤となるデータセンター インフラストラクチャに大きな負担がかかっています。データ センターは非常に複雑になっており、パフォーマンスと効率性のレベルを損なうことなく、この複雑性を管理できるのは人間だけです。 AI などのテクノロジーは、組織がデータセンターの効率を大幅に向上させるのに大いに役立ちます。

AI がデータ センターに与えている影響は非常に大きく、昨年 Gartner は、2020 年までに AI と機械学習を実装できないデータ センターの 30% 以上が運用上も経済的にも存続できなくなると予測しました。 Google は、データセンターのエネルギー効率を向上させるためにデータセンターで AI を使用する研究を発表し、データセンターにおける AI の可能性を示す最初の例を示しました。 Google は、AI を搭載した Google DeepMind システムを使用して、わずか 18 か月で冷却に必要なエネルギーを 40% 削減しました。これは、全体的な PUE 費用の 15% 削減に相当します。それ以来、多くの企業がこれに追随し、AI の変革の可能性を模索してきました。

AIを適切に活用できれば、多くのメリットがもたらされます。これには次のようなものがあります:

1. ワークロードを効率的に処理する

AI は、組織が最も効率的な方法でワークロード管理を自動化するのに役立ちます。 AI と機械学習を使用することで、パターンを検出し、過去のデータから学習して、ピーク時のワークロードをより効率的に分散することができます。また、ディスク使用率、サーバー容量、ネットワーク帯域幅をより最適化するためにも使用できます。昨年、MIT の研究チームがまさにそれを実証しました。 MIT の研究者が開発した AI ベースのシステムは、何千ものサーバーにわたるデータ処理操作をスケジュールする方法を自動的に「学習」します。これは従来、不正確な人間設計のアルゴリズムに任されていたタスクです。 MITの研究者らによると、そうすることで、今日の電力を大量に消費するデータセンターの運用効率が向上する可能性があるという。研究者らによると、このシステムは、最良の手書きスケジューリングアルゴリズムよりも約20～30％速くジョブを完了し、トラフィックが集中しているときでも2倍速く終了するという。さらに、システムは無駄を減らすためにワークロードを効率的に圧縮する方法を学習します。結果は、このシステムにより、データセンターがより少ないリソースを使用して同じワークロードをより高速に処理できるようになることを示しています。

2. 人材配置

デジタル時代において、適切なスキルを持つ人材を採用することは大きな課題です。たとえば、ガートナーは、2020 年までに 75% の組織が I&O スキルの不足により重大なビジネス中断を経験すると予測しています (2016 年の 20% 未満から増加)。 AI は、現在人間のエージェントが実行している多くのタスクを自動化する上で重要な役割を果たすことができます。

3. エネルギー効率

Google の例からわかるように、AI ベースのシステムは暖房および冷房システムの最適化に大きな役割を果たし、電気代の削減にも役立ちます。特定の種類のタスクを実行するための最も効率的な時間など、リソースの最適な使用。 AI は、より効率的なデータ センター設計の作成や、あまり使用されないアプリケーションやサーバーの検出にも役立ちます。また、電力を大量に消費するアプリケーションやサーバーを検出し、特定のワークロードをより効率的なものに移行する方法を推奨するためにも使用できます。

4. セキュリティ

AIはデータセンターのセキュリティオペレーションセンターで幅広く活用できます。 AI は、複数のシステムからのイベントと入力を分析し、適切なインシデント対応システムを設計することで、現在のセキュリティ インシデントおよびイベント管理 (SIEM) システムを補完できます。 AI ベースのシステムは、セキュリティ オペレーション センターでの監視を改善し、基本的な L1 操作を削減できます。たとえば、1 秒あたり 20,000 件を超えるイベントが記録されると、人間がこれらのイベントを監視することは困難になります。 AI ベースのシステムは、誤検知から悪意のあるトラフィックを識別し、データセンター管理者がサイバーセキュリティの脅威をより効果的に処理するのに役立ちます。

5. ハードウェアを積極的に管理する

AI システムは、組織がストレージ、サーバー、ネットワーク機器などの IT インフラストラクチャの健全性を積極的に管理するのに役立ちます。たとえば、さまざまなデバイスからのログを集約することで、AI は障害の根本原因を明らかにし、機器の劣化の前兆を積極的に特定できます。デバイスが故障する前に、異常（ある場合）を報告して、考えられる故障の原因に対処することができます。

上記の利点を見ると、データセンターの将来は間違いなく AI 対応が進み、生産性と効率性の向上に大きな可能性を秘めていることが明らかになります。