人工智能已經(jīng)存在了很長(zhǎng)一段時(shí)間，其不斷發(fā)展以其提升性能和降低成本的質(zhì)量破壞了不同的行業(yè)和領(lǐng)域。另一方面，我們正在見證數(shù)據(jù)科學(xué)的興起，它能夠利用大量的數(shù)據(jù)，進(jìn)行處理，分析并使其有意義。不久之前，不可能解釋非結(jié)構(gòu)化數(shù)據(jù)，現(xiàn)在借助大數(shù)據(jù)技術(shù)，組織看到了從實(shí)施龐大數(shù)據(jù)收集和分析中獲得的巨大收益。

這意味著將部署大型數(shù)據(jù)中心來(lái)存儲(chǔ)和處理所有這些數(shù)據(jù)。但是，這還要求他們雇用大量合格的人員來(lái)監(jiān)視和維護(hù)數(shù)據(jù)中心，這既昂貴又復(fù)雜。

人工智能帶來(lái)了一系列可以簡(jiǎn)化事情的新可能性，因此讓我們討論在數(shù)據(jù)中心利用它的原因。

一、可以節(jié)省能源

數(shù)據(jù)中心需要大量能量才能正常運(yùn)行，其中很大一部分能量用于冷卻系統(tǒng)。 如果我們牢記它們?yōu)檎麄€(gè)互聯(lián)網(wǎng)提供動(dòng)力，那么很清楚為什么它們排放的二氧化碳與航空業(yè)一樣多。

例如，典型的Google搜索使用大約60W的燈泡點(diǎn)亮17秒鐘所需的能量，因此產(chǎn)生的二氧化碳含量為0.2gr。如果聽起來(lái)不算太多，請(qǐng)想象一下一天內(nèi)有多少搜索。 不用說(shuō)，隨著數(shù)據(jù)流量的增長(zhǎng)，能耗有望翻倍。

Google已通過(guò)引入AI來(lái)解決此問題，以合理有效地優(yōu)化其數(shù)據(jù)中心的能源使用。借助這項(xiàng)智能技術(shù)，Google設(shè)法將其數(shù)據(jù)中心冷卻系統(tǒng)的能耗降低了40%。

AI能夠?qū)W習(xí)和分析溫度，測(cè)試流量并評(píng)估冷卻設(shè)備?？梢圆渴鸩煌闹悄?a href="http://www.brongaenegriffin.com/v/tag/117/" target="_blank">傳感器來(lái)發(fā)現(xiàn)能源效率低下的源并自主優(yōu)化它們。

最后，冷卻系統(tǒng)將得到優(yōu)化的事實(shí)將防止設(shè)備的磨損。

二、將減少停機(jī)時(shí)間

數(shù)據(jù)中心有時(shí)會(huì)斷電，從而導(dǎo)致停機(jī)。這些事件在財(cái)務(wù)和用戶體驗(yàn)方面的成本都可能很高– 25%的全球企業(yè)服務(wù)器在每小時(shí)停機(jī)期間損失30萬(wàn)至40萬(wàn)美元。

為了防止出現(xiàn)這種情況，組織雇用了許多專業(yè)人員來(lái)監(jiān)視和預(yù)測(cè)中斷。

但是，這是一項(xiàng)復(fù)雜的任務(wù)，需要員工分析和解釋不同的問題，以便能夠確定問題的根源并預(yù)測(cè)中斷。另一方面，AI可以跟蹤許多參數(shù)，包括服務(wù)器性能，網(wǎng)絡(luò)擁塞或磁盤利用率，并預(yù)測(cè)中斷。

除此之外，由AI驅(qū)動(dòng)的預(yù)測(cè)引擎還可以識(shí)別可能導(dǎo)致系統(tǒng)崩潰的故障區(qū)域。值得一提的是這項(xiàng)技術(shù)的自主性，因?yàn)锳I不僅可以用來(lái)預(yù)測(cè)中斷，而且可以用來(lái)預(yù)測(cè)可能受到中斷影響的用戶，并提出從中斷中恢復(fù)的策略。

三、將優(yōu)化工作量分配

預(yù)測(cè)分析將使工作負(fù)載分配成為可能。 過(guò)去，IT專家曾經(jīng)負(fù)責(zé)優(yōu)化公司中服務(wù)器的性能，從而確保正確分配工作負(fù)載。

最大化優(yōu)化可確保降低成本和更好地分配資源，這兩個(gè)因素對(duì)于組織的數(shù)字化運(yùn)營(yíng)至關(guān)重要。但是，IT團(tuán)隊(duì)通常人手不足或沒有足夠的資源來(lái)密切關(guān)注24/7這個(gè)復(fù)雜的流程，因而受到限制。

AI使用功能強(qiáng)大的算法，能夠立即執(zhí)行大量計(jì)算，并優(yōu)化存儲(chǔ)并實(shí)時(shí)確定負(fù)載平衡。

四、將實(shí)現(xiàn)無(wú)人自動(dòng)化

自動(dòng)化是AI最重要的部分之一，最近的發(fā)展使組織可以嘗試使用所謂的“ lights out”數(shù)據(jù)中心。簡(jiǎn)而言之，這些數(shù)據(jù)中心不必由人員監(jiān)視和監(jiān)督。

無(wú)人駕駛的自動(dòng)化將使傳統(tǒng)的數(shù)據(jù)中心過(guò)時(shí)，而傳統(tǒng)的數(shù)據(jù)中心已經(jīng)過(guò)時(shí)，這些中心可以進(jìn)行有效的計(jì)算并減少數(shù)據(jù)消耗，而這些數(shù)據(jù)中心已被技術(shù)人員監(jiān)督。目標(biāo)是通過(guò)降低氧氣含量來(lái)降低火災(zāi)風(fēng)險(xiǎn)，更有效的冷卻設(shè)計(jì)，通過(guò)增加機(jī)架高度并使機(jī)器人可以訪問等方式來(lái)提高存儲(chǔ)容量，從而實(shí)現(xiàn)更高的效率和自主性。

未來(lái)將使用DCMI軟件對(duì)由AI驅(qū)動(dòng)的數(shù)據(jù)中心進(jìn)行遠(yuǎn)程監(jiān)控，并且由于無(wú)人值守的自動(dòng)化，將人為錯(cuò)誤的發(fā)生率降至最低。

五、將提高安全性

數(shù)據(jù)中心容易受到不同的網(wǎng)絡(luò)威脅的威脅已經(jīng)不是什么秘密了，黑客們總是四處尋覓，尋找新的方法來(lái)?yè)寠Z敏感數(shù)據(jù)。

問題在于，當(dāng)他們?cè)O(shè)法侵入組織的網(wǎng)絡(luò)時(shí)，他們可以獲得對(duì)數(shù)百萬(wàn)用戶的個(gè)人和機(jī)密信息的訪問權(quán)。 預(yù)防網(wǎng)絡(luò)威脅的關(guān)鍵在于預(yù)期和及早發(fā)現(xiàn)。

這就是每個(gè)組織都聘請(qǐng)數(shù)據(jù)安全專家來(lái)防止這些事件的原因。但是，分析網(wǎng)絡(luò)攻擊是一項(xiàng)艱巨而耗時(shí)的任務(wù)，這就是為什么AI及其強(qiáng)大的分析能力可以使執(zhí)行此任務(wù)的人感到驚奇的原因。即，人工智能將學(xué)習(xí)正常的網(wǎng)絡(luò)行為，這意味著它將能夠注意到任何偏離它的行為。這種偏離通常是不同安全威脅的結(jié)果。

人工智能還將使數(shù)據(jù)中心能夠檢測(cè)到惡意軟件和安全漏洞。

顯然，數(shù)據(jù)中心的未來(lái)很大程度上取決于利用AI技術(shù)。這五個(gè)原因是最重要的，但這只是冰山一角，因?yàn)槿斯ぶ悄芗捌渥蛹夹g(shù)(例如機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò))將是獲得競(jìng)爭(zhēng)優(yōu)勢(shì)并緊跟最新趨勢(shì)的必要條件。