今日のデータセンターでのAIと機械学習

AIと機械学習は、サイエンスフィクションに起源を持ち、古代から現在に至るまで、様々な歴史があり、尊ばれています。 それらは私たちの日常生活をより良くするために無数の分野で使用されています。 多くの企業にとって、AIと機械学習は、予測や最適化などの複雑な問題を解決するためのツールとして、データセンターに急速に浸透しています。

ディープラーニングとは？

Techopediaは、ディープラーニングを「複数の非線形変換の構成されたモデルアーキテクチャーを介してデータの高レベルの抽象化をモデル化するために使用されるアルゴリズムのコレクション」と定義しています。 ディープラーニングは機械学習で使用され、データの表現の学習に基づくメソッドのグループの一部です。

これは、ニューラルネットワークを構築およびトレーニングするための特定のアプローチです。大きな可能性を秘めた意思決定ノードです。

入力データが出力になる前に一連の非線形性または非線形変換によって吸い上げられる場合、アルゴリズムは「深い」と見なされます。 逆に、今日の機械学習アルゴリズムの大部分は、入力がサブルーチン呼び出しの最初の数レベルにしか到達できないため、「浅い」と見なすことができます。

ディープラーニングは、データ内の特徴を手動で特定する必要がなく、入力例の有用なパターンを見つけるためにトレーニングプロセスに依存しています。 この機能により、ニューラルネットワークのトレーニング・プロセスがより簡単かつ迅速になり、より良い結果が得られ、AIの分野が進歩します。¹

企業は、ディープラーニング、AI、機械学習をどのように使用して、効率を高め、コストを削減していますか？

ディープラーニング、AI、機械学習は、膨大な量のデータを分析し、そのデータ内のパターンを特定して、これらのパターンが将来繰り返される可能性がある時期を判断できるツールです。 AIと機械学習は、代替構成をモデル化し、稼働時間と回復力を高め、予防保守の機会を見つけ、潜在的なサイバーセキュリティーのリスクをターゲットにすることができます。

データセンターは通常、豊富なリソースと感覚機器を備えており、全体的なパフォーマンスと環境に関するリアルタイムの履歴データを運用に提供します。 リソースの最適化とダウンタイムの予測と防止は、データセンターでのAIと機械学習にとって重要な機能です。 電力管理とシステム冷却を規制するリアルタイムのパフォーマンスデータを監視することで、AIと機械学習はリソースを節約して最適化できるだけでなく、データセンターのどこで障害が発生する可能性があるかを予測することができます。 障害が発生する可能性のある場所を特定できれば、予防保守を実行でき、システムのダウンタイムやシステムの停止を防ぐことができます。

GoogleはDeepMindを使用してデータセンターの冷却能力をどう最適化したか

Peter Judge氏は、スマート化：AIと機械学習はデータセンターをどう支援するのかという記事の中で、2014年から、GoogleのデータセンターエンジニアであるJim Gao氏がDeepMindテクノロジーを推奨エンジンとして使用し始めたと述べています。 2016年までに、いくつかのニューラルネットワークは、将来の気温を予測し、積極的に対応する方法について提案することを学びました。 AIをこうして使用することで、Googleはシンガポールの施設の冷却を最適化し、サイトの冷却コストを40％削減し、施設の電力利用効率（PUE）を15％節約することができました。²

2018年、Googleはシンガポールの施設のデータセンターで使用されたのと同じアプローチを適用し、AIが人間の監視とともにデータセンターの運用設定を監視する自動運転データセンター冷却システムを作り上げました。 安全性を考慮して、冷却費を30％削減するだけの自動システムの基準が設定されました。  最終的に、データセンターは「施設を冷却するために必要なエネルギー量が40％減少し、1.06の歴史の中で最低の[PUE]スコアを達成する」という経験をしました。³

アクションがエネルギー消費にどのように影響するかを予測し、将来の最良の選択を決定するために、AIシステムは数千のセンサーを使用し、データセンターの冷却システムの5分ごとにスナップショットを記録しました。 次に、AIシステムはこの情報をクラウドベースのAIシステムに送り、アクションの最良の選択であると信じているものを選択しました。 次に、このアクションはデータセンターに転送され、そこでそのセンターの人間のオペレーターによって検証され、アクションが安全であると見なされた場合には実行されました。

最終的に、AIは環境の変化を予測し、それらを利用することを学びました。 たとえば、AIは寒い冬の条件を使用して冷たい水を作成し、データセンターの冷却に必要なエネルギーを削減しました。

AIと機械学習が、企業が顧客を理解するのにどのように役立つのか

企業はAIと機械学習を使用して、ビジネスのデータセンター全体で見つかった膨大な量の顧客情報を分析しています。 AIまたは機械学習ソフトウェアが顧客関係管理（CRM）システムに接続されている場合、CRMシステムでは使用されない顧客データを見つけて取得できます。 最終的に、企業はAIと機械学習を使用して、顧客のリード生成のための戦略を作成し、顧客の成功を促進し、顧客の解約を減らすことができます。

AIと機械学習は、企業の予測の利用にどのように役立つのか

大きな環境変化があると、人々は過剰反応したり、間違った決定をしたりする可能性があります。 この応答領域では、AIは人よりも優れたパフォーマンスを発揮し、最適なアクションを選択するための論理ベースの予測アプローチで安定性を確保します。

データセンター内のサーバー間の温度変動は、ホットすぎるサーバーを制御下に置くために多くのリソースを浪費する可能性があります。 サーバーが一時的にオフラインになると、データセンターの生産性が大幅に低下します。 データセンターインフラストラクチャー管理（DCIM）企業は、予測分析をAIおよび機械学習と統合することにより、この問題を解決するために取り組んでいます。

センサーからの生データは処理され、予測モデリングエンジンに送られます。 AIと機械学習は、パターンマッチングを使用して温度を調整し、冷媒漏れの兆候を特定します。 一部のシステムは、AIシステム内の改善のために領域を分析および識別します。

Nlyte社は、どのようにしてIBM Watson®を使用して予測を超えたのか

Peter Judge氏は、2018年にDCIMベンダーのNlyte社がそのツールをIBM Watsonと統合したと述べています。 このコラボレーションの目標は、AIと機械学習に基づく予防保守を改善し、「予測的なものを超えて、ワークロードに移行し、ワークロードを管理する」ことでした。

Judge氏はさらに、AIはワークロードのサイズとワークロードの失敗のリスクを減らすのに役立つと述べています。 また、AIは「休暇を取らないデータセンター・チームのメンバー」だという、IBM Watson IoT Amy Bennettの北米のマーケティングリーダーの言葉を引用しています。

AIと機械学習の未来

AIと機械学習を使用してデータセンターのサーバーの冷却能力と効率を向上させることの最終的な課題は、AIと機械学習がいつの日か利益の減少を生み出し始めるだろうというところにあります。 そこに到達すると、AIと機械学習は、インテリジェントな負荷分散とコンテナ・オーケストレーションの使用を開始し、IT負荷自体を移動して、ITエネルギー・コストを削減できます。

Judge氏は、AIを使用してデータセンターのサウンドと電力消費量との相関関係を分析しているコンピューティング・インフラストラクチャー研究センター（CIRC）の責任者であるSuvojit Ghoshu氏に言及しています。 Ghosh氏は、何かを修理または交換する必要がある時期を予測できるAIの作成に取り組んでいます。 これは、AIからデータセンターの状態レポートを受信して、それに応じて修理や問題解決に対応できる人間のオペレーターやエンジニアと組み合わせることができます。

データセンターの機械学習が操作を最適化するという記事の中で、Julia Borgini氏は、機械学習ソフトウェアが問題を予測し、かつてないほど迅速に解決していると主張しています。  機械学習は、ハイブリッドデータセンター環境の拡張であり、データセンターインフラストラクチャーで急成長中の部門です。 Borgini氏は、「IDCは、データセンターのIT資産の50％が2022年までに組み込みAI機能を使用して自律的に実行されると予測している」と述べています。⁴

AIと機械学習は、最終的に、システムが自律的にデジタルアクションを実行し、ロボットにデータセンターの日常の物理的なメンテナンスや操作などの物理的なアクションを実行するよう割り当てる地点に到達できるかもしれません。 AIが人間の介入を必要とせずにデータセンターを実行するこの未来的な機能は、自立したデータセンターのモデルを作成します。

参考情報

1. Techopediaスタッフ、ディープラーニング、Techopedia、2017年11月13日。
2. Peter Judge、スマート化：AIと機械学習はデータセンターをどう支援するのか、DCDマガジン、2019年7月31日。
3. Caroline Donnelly、Google Deepmindは、データセンターのエネルギー効率を改善するAI主導の取り組みを強化する、ComputerWeekly.com、 2018年8月20日。
4. Julia Borgini、データセンターの機械学習がどのように運用を最適化するのか、TechTarget、2019年7月22日。