データ センターをよりスマートに: 人工知能はどのように役立つのか?

[[382637]]

データセンターが国の経済の原動力となるにつれ、人工知能を導入することでより高い収益がもたらされる可能性がある

今日、人工知能 (AI) は、データの取得、処理、分析において極めて重要な役割を果たしています。データ要素の統合やデータ センターの管理も、より効率的かつ便利になっています。

データは、洞察とビジネス成果を得るためにほぼすべてのビジネス オペレーションを維持するための前提条件となるため、データ センターはこのデジタル変革の核心となります。現代経済の情報ニーズをサポートするコンピューターや機器を収容する物理的な施設。データ センターは、クラウド ストレージ アプリケーションとトランザクションをサポートしながら、シームレスなデータ バックアップおよびリカバリ機能を提供します。データセンターのエコシステムは、経済発展を促進するだけでなく、多くの国際的なハイテク企業の参加も引き付けています。さらに、データセンターの存在により、地域社会にとって優れた投資環境と雇用機会が確保されます。

デジタル革命をもたらす上で重要な役割を果たしているにもかかわらず、問題がないわけではありません。ガートナーのアナリスト、デイブ・カプッチョ氏によると、2025年までに企業の80%が従来のデータセンターを閉鎖するだろう。これらの数字は、アップグレードの準備不足、インフラストラクチャの課題、環境問題など、従来のデータセンターが直面している多くの問題を考慮すると適切なものです。この問題を解決するには、人工知能を使用してデータセンターの機能とインフラストラクチャを強化する必要があります。

Forbes Insights のレポートによると、2020 年初頭までに、人工知能はデータ センターの管理、生産性、インフラストラクチャに大きな影響を与えると予想されています。同時に、同社のテクノロジーは、データセンターに長期的な運用改善につながる潜在的なソリューションを提供し続けています。その結果、AI の高速コンピューティング機能によって実現されるデータ センターは、AI ワークロードをより効率的に処理できるようになります。

データセンターは大量のエネルギーを消費するため、AI ネットワークをトレーニングして電力使用効率 (PUE) を向上させることが重要な目標となります。 PUE はデータセンターの効率を測定する重要な指標です。 Google は、2014 年に自社の工場の 1 つに DeepMind AI を導入することで、冷却エネルギー消費を一貫して 40% 削減することができました。これは、電力損失やその他の冷却以外の非効率性を考慮した後の全体的な PUE オーバーヘッドの 15% 削減に相当します。また、このサイトではこれまで記録された中で最も低い PUE も達成されました。 DeepMind は、データセンター内の 100 を超えるさまざまな変数を分析して、効率を向上させ、電力消費を削減します。

データセンターもさまざまなサイバー脅威の影響を受けます。サイバー犯罪者は常に、データセンターからデータを取得したり、次のデータ侵害攻撃を開始したりするための新しい方法を探しています。通常のネットワーク動作を学習し、その動作からの逸脱に基づいてサイバー脅威を検出することで、AI は再び有用であることが証明されます。人工アルゴリズムは、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。

データセンターでは、IT 機器は通常、ラックに設置されたりラックから取り外されたりするため、U スペースなどの多くの分散したリソースが発生しますが、これらは監視や管理ができず、簡単に無駄になります。 AI は、スマート ハードウェアと IoT センサーを使用してデータ センター インフラストラクチャを効果的に管理し、データ センターを綿密に監視し、自動化によって反復的な作業を削減します。ここで、データ センター管理者は、温度管理、機器の状態監視、床の安全性、火災危険の軽減、換気および冷却システムの管理などのアクティビティを自動化できます。予測分析と組み合わせることで、自動化はデータセンターの予測メンテナンスにも役立ちます。

さらに、この AI ベースの予測分析は、データ センターが企業内の多数のサーバーにワークロードを分散するのに役立ちます。その結果、データセンターの負荷をより効率的かつ簡単に予測および管理できるようになります。また、サーバー ストレージ システムの最適化、システム内の潜在的な障害ポイントの検出、処理時間の短縮、リスク要因の迅速な削減にも役立ちます。

最近、MIT の研究者たちは、何千ものサーバーにわたるデータ処理操作のスケジュール方法を自動的に学習できる AI システムを開発しました。システムは、重要なデータセンター タスクを完了する際に約 20% ～ 30% 高速化し、トラフィック量が多い期間には最大 2 倍の速度になることが確認されました。研究者らは、この AI システムにより、データセンターは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と主張している。

さらに、ディープラーニング (DL) アプリケーションを通じて、AI は障害や停止を事前に予測できます。例えば。 HPE の AI を活用した予測エンジンは、データセンターのボトルネックを特定して解決するのに役立ちます。 200 社の調査では、ダウンタイムによるコストは 265 億ドルを超え、ネットワーク停止 1 分あたりのコストは約 7,900 ドルであることが明らかになりました。 AI はサーバー パフォーマンス、ネットワークの輻輳、ディスク使用率を監視することで、データの停止を検出し、予測できます。さらに、データセンターがデータ停止から回復するのを支援する緩和戦略を実装できるため、顧客満足度が向上し、停止中の損失が削減されます。