L'الذكاء الذكاء الاصطناعي المطبق على تبريد البيانات يمثل أحد أهم الابتكارات في مجال تحسين الطاقة الصناعية.
وقد أظهر النظام المستقل الذي طورته شركة Google DeepMind، والذي بدأ تشغيله منذ عام 2018، كيف يمكن للذكاء الاصطناعي أن يحول الإدارة الحرارية للبنى التحتية الحيوية، ويحقق نتائج ملموسة من حيث الكفاءة التشغيلية.
تُعد مراكز البيانات الحديثة مستهلكًا ضخمًا للطاقة، حيث يستهلك التبريد حوالي 10% من إجمالي استهلاك الكهرباء وفقًا لجوناثان كومي، الخبير العالمي في مجال كفاءة الطاقة. كل خمس دقائق، يلتقط نظام الذكاء الاصطناعي المستند إلى السحابة من Google لقطة لنظام التبريد من آلاف أجهزة الاستشعار الذكاء الاصطناعي الأول للسلامة لتبريد مراكز البيانات المستقلة والتحكم الصناعي - Google DeepMind، الذي يحلل التعقيد التشغيلي الذي يتحدى طرق التحكم التقليدية.
يستخدم نظام التبريد بالذكاء الاصطناعي من Google الشبكات العصبية العميقة للتنبؤ بتأثير مجموعات مختلفة من الإجراءات على استهلاك الطاقة في المستقبل، وتحديد الإجراءات التي ستقلل من الاستهلاك مع تلبية قيود الأمان القوية DeepMind AI يقلل من فاتورة تبريد مركز بيانات Google بنسبة 40% - Google DeepMind
النتائج التي تم تحقيقها في تحسين التبريد مهمة: فقد تمكن النظام من تحقيق تخفيض بنسبة 40% في الطاقة المستخدمة للتبريد بشكل ثابت . وبالنظر إلى أن التبريد يمثل حوالي 10 في المائة من إجمالي الاستهلاك، فإن هذا يُترجم إلى توفير في الطاقة الكلية في مركز البيانات بنسبة 4 في المائة.
وفقًا للورقة الفنية الأصلية لجيم غاو فإن الشبكة العصبية تحقق متوسط خطأ مطلق يبلغ 0.004 وانحرافًا معياريًا يبلغ 0.005، أي ما يعادل خطأ بنسبة 0.4% لـ PUE يبلغ 1.1.
تم تأكيد تطبيق نظام الذكاء الاصطناعي رسمياً في ثلاثة مراكز بيانات محددة:
سنغافورة: أول عملية نشر كبيرة في عام 2016، حيث يستخدم مركز البيانات المياه المستصلحة للتبريد وأثبتت انخفاضاً بنسبة 40% في طاقة التبريد.
إيمشافن، هولندا: يستخدم مركز البيانات المياه الصناعية ويستهلك 232 مليون جالون من المياه في عام 2023. يشرف ماركو ينيما، مدير موقع المنشأة، على عمليات هذه المنشأة المتطورة.
كاونسل بلافز، أيوا: عرضت مجلة MIT Technology Review مركز بيانات كاونسل بلافز تحديداً خلال مناقشة نظام الذكاء الاصطناعي. وقد استثمرت جوجل 5 مليارات دولار في حرميْ كاونسل بلافز اللذين استهلكا 980.1 مليون جالون من المياه في عام 2023.
يعمل الآن نظام التحكم القائم على الذكاء الاصطناعي القائم على السحابة ويوفر الطاقة في العديد من مراكز بيانات Google، ولكن لم تنشرالشركة القائمة الكاملة للمنشآت التي تستخدم هذه التقنية.
ووفقًا لبراءة الاختراع US20180204116116A1 الأمريكية، يستخدم النظامبنية التعلم العميق بخصائص تقنية دقيقة:
تستخدم البنية التحكم التنبؤي بالنموذج مع نماذج ARX الخطية المدمجة مع الشبكات العصبية العميقة. لا تتطلب الشبكات العصبية من المستخدم التحديد المسبق للتفاعلات بين المتغيرات في النموذج. بدلاً من ذلك، تقوم الشبكة العصبية بالبحث عن الأنماط والتفاعلات بين السمات لتوليد النموذج الأمثل تلقائياً.
يمثل PUE كفاءة الطاقة الأساسية لمراكز البيانات:
PUE = إجمالي طاقة مركز البيانات = إجمالي طاقة مركز البيانات / طاقة معدات تكنولوجيا المعلومات
حصلت Google على شهادة ISO 50001 لإدارة الطاقة، والتي تضمن معايير تشغيلية صارمة ولكنها لا تتحقق من أداء نظام الذكاء الاصطناعي على وجه التحديد.
يكمن جوهر الابتكار في التحكم التنبؤي الذي يتنبأ بدرجة الحرارة والضغط المستقبلي لمركز البيانات في الساعة التالية، ومحاكاة الإجراءات الموصى بها لضمان عدم تجاوز القيود التشغيلية.
بعد التجربة والخطأ، أصبحت النماذج الآن دقيقة بنسبة 99.6% في التنبؤ بالاستهلاك قبل التشغيل. تتيح هذه الدقة إمكانية إجراء تحسينات مستحيلة بالطرق التقليدية، مع التعامل مع التفاعلات غير الخطية المعقدة بين الأنظمة الميكانيكية والكهربائية والبيئية في نفس الوقت.
أحد الجوانب المهمة هو القدرة على التعلم التطوري. فعلى مدار تسعة أشهر، ارتفع أداء النظام من تحسن بنسبة 12% عند الإطلاق الأولي إلى حوالي 30%.
قال دان فوينفينغر، مشغل Google: "كان من المدهش رؤية الذكاء الاصطناعي يتعلم استغلال ظروف الشتاء وإنتاج مياه أكثر برودة من المعتاد. لا تتحسن القواعد بمرور الوقت، ولكن الذكاء الاصطناعي يتحسن".
يدير النظام 19 معياراً تشغيلياً مهماً في وقت واحد:
يتم ضمان الأمن التشغيلي من خلال آليات زائدة عن الحاجة. يتم التحقق من الإجراءات المثلى التي يحسبها الذكاء الاصطناعي مقابل قائمة داخلية من القيود الأمنية التي يحددها المشغل. وبمجرد إرسالها إلى مركز البيانات الفعلي، يقوم نظام التحكم المحلي بإعادة التحقق من التعليمات يقلل الذكاء الاصطناعي DeepMind AI من الطاقة المستخدمة لتبريد مراكز بيانات Google بنسبة 40%.
يحتفظ المشغلون دائمًا بالتحكم ويمكنهم الخروج من وضع الذكاء الاصطناعي في أي وقت، والانتقال بسلاسة إلى القواعد التقليدية.
تدرك الصناعة محدودية فعالية استخدام الطاقة كمقياس. وقد وجد استطلاع أجراه معهد Uptime Institute في عام 2014 أن 75% من المشاركين يعتقدون أن الصناعة بحاجة إلى مقياس جديد للكفاءة. تشمل المشاكل التحيز المناخي (من المستحيل مقارنة المناخات المختلفة)، والتلاعب بالوقت (القياسات خلال الظروف المثلى)، واستبعاد المكونات.
لكل مركز بيانات بنية وبيئة فريدة من نوعها. قد لا يكون النموذج المخصص لنظام ما قابلاً للتطبيق على نظام آخر، مما يتطلب إطار عمل استخباراتي عام.
تعتمد دقة النموذج على جودة وكمية بيانات الإدخال. ويزداد خطأ النموذج بشكل عام بالنسبة لقيم PUE التي تزيد عن 1.14 بسبب ندرة بيانات التدريب المقابلة.
لم يتم العثور على أي عمليات تدقيق مستقلة من قبل شركات تدقيق كبرى أو مختبرات وطنية، حيث لم تقم Google "بمتابعة عمليات تدقيق من طرف ثالث" تتجاوز الحد الأدنى من المتطلبات الفيدرالية.
في 2024-2025، حوّلت Google تركيزها بشكل كبير نحو:
يشير هذا التغيير إلى أن تحسين الذكاء الاصطناعي قد وصل إلى حدود عملية للأحمال الحرارية لتطبيقات الذكاء الاصطناعي الحديثة.
امتدت تطبيقاتتحسين الذكاء الاصطناعي للتبريد إلى ما هو أبعد من مراكز البيانات:
ينتج عن توفير الطاقة في أنظمة التبريد:
المرحلة 1 - التقييم: تدقيق الطاقة ورسم خرائط للأنظمة الحاليةالمرحلة2 - المرحلة التجريبية: الاختبار في بيئة خاضعة للرقابة على قسم محدودالمرحلة3 - النشر: النشر التدريجي مع المراقبة المكثفةالمرحلة4 - التحسين: الضبط المستمر وتوسيع السعة
تم تأكيد ثلاثة مراكز بيانات رسميًا: سنغافورة (أول نشر عام 2016)، وإيمشافن في هولندا، وكاونسل بلافز في ولاية أيوا. يعمل النظام في العديد من مراكز بيانات Google ولكن لم يتم الكشف عن القائمة الكاملة علنًا.
يحقق النظام انخفاضاً بنسبة 40% في الطاقة المستخدمة للتبريد. وبالنظر إلى أن التبريد يمثل حوالي 10 في المائة من إجمالي الاستهلاك، فإن التوفير الكلي في الطاقة يبلغ حوالي 4 في المائة من إجمالي استهلاك مركز البيانات.
يحقق النظام دقة بنسبة 99.6% في التنبؤ بالاستهلاك قبل التشغيل بمتوسط خطأ مطلق يبلغ 0.004 ± 0.005، أي ما يعادل خطأ بنسبة 0.4% في حالة كان معدل الخطأ المطلق 1.1 1.1. إذا كانت قيمة PUE الحقيقية 1.1، فإن الذكاء الاصطناعي يتوقع ما بين 1.096 و1.104.
يستخدم التحقق من مستويين: يتحقق الذكاء الاصطناعي أولاً من قيود الأمان التي يحددها المشغلون، ثم يتحقق النظام المحلي من التعليمات مرة أخرى. يمكن للمشغلين دائمًا إلغاء تنشيط التحقق من الذكاء الاصطناعي والعودة إلى الأنظمة التقليدية.
يستغرق التنفيذ عادةً من 6 إلى 18 شهرًا: من 3 إلى 6 أشهر لجمع البيانات والتدريب على النموذج، ومن 2 إلى 4 أشهر للاختبار التجريبي، ومن 3 إلى 8 أشهر للنشر التدريجي. يختلف التعقيد بشكل كبير حسب البنية التحتية القائمة.
هناك حاجة إلى فريق متعدد التخصصات يتمتع بالخبرة في علوم البيانات/الذكاء الاصطناعي وهندسة التدفئة والتهوية وتكييف الهواء وإدارة المرافق والأمن السيبراني وتكامل النظام. تختار العديد من الشركات إقامة شراكات مع موردين متخصصين.
نعم، يتعلم الذكاء الاصطناعي تلقائيًا استغلال الظروف الموسمية، مثل إنتاج مياه أكثر برودة في الشتاء لتقليل طاقة التبريد. يتحسن النظام باستمرار من خلال التعرف على أنماط الطقس والمناخ .
لكل مركز بيانات بنية وبيئة فريدة من نوعها، مما يتطلب تخصيصاً كبيراً. ويؤدي تعقيد التنفيذ والحاجة إلى بيانات محددة والخبرة المطلوبة إلى تعقيد التسويق المباشر. وبعد مرور ثماني سنوات، لا تزال هذه التقنية حكرًا على Google.
لم يتم العثور على أي عمليات تدقيق مستقلة من قبل شركات التدقيق الكبرى (Deloitte وPwC وKPMG) أو المختبرات الوطنية. حصلت Google على شهادة ISO 50001 ولكنها "لا تسعى إلى إجراء عمليات تدقيق من طرف ثالث" تتجاوز الحد الأدنى من المتطلبات الفيدرالية.
بالتأكيد. يمكن تطبيق التحسين الأمثل للذكاء الاصطناعي للتبريد على المنشآت الصناعية ومراكز التسوق والمستشفيات ومكاتب الشركات وأي منشأة ذات أنظمة تدفئة وتهوية وتكييف معقدة. مبادئ التحسين متعدد المتغيرات والتحكم التنبؤي قابلة للتطبيق عالميًا.
يمثل نظام التبريد بالذكاء الاصطناعي من Google DeepMind ابتكارًا هندسيًا يحقق تحسينات تدريجية في مجال محدد. بالنسبة للشركات التي تشغّل بنى تحتية كثيفة الاستهلاك للطاقة، توفر هذه التقنية فرصًا ملموسة لتحسين التبريد، وإن كان ذلك مع القيود التي تم تسليط الضوء عليها من حيث الحجم.
المصادر الرئيسية: ورقة بحثية لجيم جاو من جوجل، المدونة الرسمية لـ DeepMind، مجلة إم آي تي تكنولوجي ريفيو، براءة الاختراع US20180204116116A1
.svg)
.svg)
.svg)
.jpeg)
