يمثلالذكاء الاصطناعي المطبق على تبريد مراكز البيانات 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.

‍

الابتكار في تحويل مراكز البيانات إلى مراكز بيانات مبتكرة

‍

مشكلة كفاءة الطاقة

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

‍

نتائج ملموسة وقابلة للقياس

النتائج التي تم تحقيقها في تحسين التبريد كبيرة: تمكّن النظام من تحقيق انخفاض بنسبة 40% في الطاقة المستخدمة للتبريد بشكل ثابت - DeepMind AI يقلل من فاتورة تبريد مركز بيانات Google بنسبة 40% - Google DeepMind. وإذا أخذنا في الاعتبار أن التبريد يمثل حوالي 10% من إجمالي الاستهلاك، فإن هذا يُترجم إلى توفير في الطاقة بشكل عام في مركز البيانات بنسبة 4%.

‍

وفقًا للورقة الفنية الأصلية التي أعدها جيم جاو، تحقق الشبكة العصبية متوسط خطأ مطلق يبلغ 0.004 وانحرافًا معياريًا قدره 0.005، أي ما يعادل خطأ بنسبة 0.4% لـ PUE قدره 1.1 DeepMind AI يقلل من فاتورة تبريد مركز بيانات Google بنسبة 40% - Google DeepMind.

‍

مكان العمل: مراكز البيانات المؤكدة

عمليات التنفيذ التي تم التحقق من صحتها

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 الصفحة الرئيسية - مراكز بيانات جوجل وأثبتت انخفاضًا بنسبة 40% في طاقة التبريد.

‍

إيمشافن، هولندا: يستخدم مركز البيانات المياه الصناعية ويستهلك 232 مليون جالون من المياه في عام 2023 الصفحة الرئيسية - مراكز بيانات Google. يشرف ماركو ينيما، مدير موقع المنشأة، على عمليات هذه المنشأة المتطورة.

‍

كاونسل بلافز بولاية أيوا: عرضت مجلة MIT Technology Review مركز بيانات كاونسل بلافز تحديدًا خلال مناقشة مواقع مراكز بيانات Google السحابية: المناطق ومناطق التوفر - Dgtl Infra. استثمرت جوجل 5 مليارات دولار في مركزي البيانات في "كاونسل بلافز"، اللذين استهلكا 980.1 مليون جالون من المياه في عام 2023 الصين تدعم طفرة الذكاء الاصطناعي بمراكز البيانات تحت البحر | Scientific American.

‍

يعمل الآن نظام التحكم القائم على الذكاء الاصطناعي القائم على السحابة ويوفر الطاقة في العديد من مراكز البيانات التبريد السائل الذكي من Google : التغلب على Google في الكفاءة | ProphetStor، ولكن لم تنشر الشركة القائمة الكاملة للمنشآت التي تستخدم هذه التقنية.

‍

البنية التقنية: كيف تعمل

الشبكات العصبية العميقة والتعلم الآلي

‍

ووفقًا لبراءة الاختراع US20180204116116A1 الأمريكية، يستخدم النظامبنية التعلم العميق بخصائص تقنية دقيقة:

• 5 طبقات مخفية مع 50 عقدة لكل طبقة
• 19 متغير مدخلات طبيعية بما في ذلك الأحمال الحرارية والظروف الجوية وحالة المعدات
• 184,435 عينة تدريبية بدقة 5 دقائق (حوالي سنتين من البيانات التشغيلية)
• مُعامل الانتظام: 0.001 لمنع الإفراط في التركيب

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 الميزات لتوليد نموذج مثالي تلقائياً DeepMind AI يقلل من فاتورة تبريد مركز بيانات جوجل بنسبة 40% - Google DeepMind.

‍

فعالية استخدام الطاقة (PUE): المقياس الرئيسي

يمثل PUE كفاءة الطاقة الأساسية لمراكز البيانات:

PUE = إجمالي طاقة مركز البيانات = إجمالي طاقة مركز البيانات / طاقة معدات تكنولوجيا المعلومات

• PUE على مستوى أسطول Google: 1.09 في عام 2024 (وفقًا لتقارير Google البيئية)
• المتوسط الصناعي: 1.56-1.58
• PUE المثالي: 1.0 (مستحيل نظريًا)

حصلت Google على شهادة ISO 50001 لإدارة الطاقة، والتي تضمن معايير تشغيلية صارمة ولكنها لا تتحقق من أداء نظام الذكاء الاصطناعي على وجه التحديد.

‍

التحكم التنبؤي بالنموذج (MPC)

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 يقلل الذكاء الاصطناعي DeepMind من فاتورة تبريد مركز بيانات Google بنسبة 40% - Google DeepMind

‍

‍

الفوائد التشغيلية للذكاء الاصطناعي في التبريد

دقة تنبؤية فائقة

بعد التجربة والخطأ، أصبحت النماذج الآن دقيقة بنسبة 99.6% في التنبؤ بالاقتباس الزمني قبل الاستخدام تطبيقات التعلم الآلي لتحسين مركز البيانات. تتيح هذه الدقة إمكانية إجراء تحسينات مستحيلة بالطرق التقليدية، وتتعامل في الوقت نفسه مع التفاعلات غير الخطية المعقدة بين الأنظمة الميكانيكية والكهربائية والبيئية.

‍

التعلم والتكيف المستمر

أحد الجوانب المهمة هو القدرة على التعلم التطوري. على مدار تسعة أشهر، ارتفع أداء النظام من 12 في المائة عند الإطلاق الأولي إلى حوالي 30 في المائة من التحسن في تحسين مركز البيانات جيم غاو، Google - DocsLib.

وعلق دان فوينفينغر، مشغل Google، قائلاً: 'كان من المدهش رؤية الذكاء الاصطناعي يتعلم الاستفادة من ظروف الشتاء وإنتاج مياه أكثر برودة من المعتاد. لا تتحسن القواعد بمرور الوقت، ولكن الذكاء الاصطناعي يتحسن' تبريد مركز البيانات باستخدام نموذج التحكم التنبؤي.

‍

التحسين متعدد المتغيرات

يدير النظام 19 معياراً تشغيلياً مهماً في وقت واحد:

• إجمالي حمل تكنولوجيا المعلومات للخوادم والشبكات
• أحوال الطقس (درجة الحرارة، والرطوبة، والحرارة الحرارية)
• حالة المعدات (المبردات، وأبراج التبريد، والمضخات)
• نقاط الضبط والضوابط التشغيلية
• سرعة المروحة وأنظمة VFD

الأمان والتحكم: أمان مضمون ضد الفشل

التحقق متعدد المستويات

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%.

‍

يحافظ المشغلون على التحكم في جميع الأوقات، ويمكنهم الخروج من وضع الذكاء الاصطناعي في أي وقت، والانتقال بسلاسة إلى القواعد التقليدية يقلل DeepMind AI من الطاقة المستخدمة في تبريد مراكز بيانات Google بنسبة 40%.

‍

القيود والاعتبارات المنهجية

‍

مقاييس وقيود PUE

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.

‍

تعقيد التنفيذ

لكل مركز بيانات بنية وبيئة فريدة من نوعها. قد لا يكون النموذج المخصص لنظام ما قابلاً للتطبيق على نظام آخر، مما يتطلب إطار عمل ذكاء عام DeepMind AI يقلل من فاتورة تبريد مركز بيانات Google بنسبة 40% - Google DeepMind.

‍

جودة البيانات والتحقق منها

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 DeepMind AI يقلل من فاتورة تبريد مركز بيانات Google بنسبة 40% - Google DeepMind.

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.

‍

‍

المستقبل: التطور نحو التبريد السائل

التحوّل التكنولوجي

في 2024-2025، حوّلت Google تركيزها بشكل كبير نحو:

• أنظمة الإمداد بالطاقة +/+/-400 فولت تيار مستمر لرفوف 1 ميجاوات
• وحدات توزيع التبريد "مشروع ديشوتس"
• تبريد سائل مباشر لـ TPU v5p مع "وقت تشغيل بنسبة 99.999%".

يشير هذا التغيير إلى أن تحسين الذكاء الاصطناعي قد وصل إلى حدود عملية للأحمال الحرارية لتطبيقات الذكاء الاصطناعي الحديثة.

الاتجاهات الناشئة

• تكامل حوسبة الحافة: ذكاء اصطناعي موزع لتقليل زمن الاستجابة
• التوائم الرقمية: التوائم الرقمية للمحاكاة المتقدمة
• التركيز على الاستدامة: التحسين الأمثل للطاقة المتجددة
• التبريد الهجين: مزيج من السائل/الهواء المحسّن بالذكاء الاصطناعي

التطبيقات والفرص المتاحة للشركات

قطاعات التطبيق

امتدت تطبيقاتتحسين الذكاء الاصطناعي للتبريد إلى ما هو أبعد من مراكز البيانات:

• المنشآت الصناعية: تحسين أنظمة التدفئة والتهوية وتكييف الهواء في التصنيع
• مراكز التسوق: الإدارة الذكية للمناخ
• المستشفيات: التحكم البيئي في غرف العمليات والمناطق الحرجة
• مكاتب الشركات: المبنى الذكي وإدارة المرافق

عائد الاستثمار والفوائد الاقتصادية

ينتج عن توفير الطاقة في أنظمة التبريد:

• تقليل تكاليف تشغيل نظام التبريد الفرعي
• تحسين الاستدامة البيئية
• تمديد عمر المعدات
• زيادة الموثوقية التشغيلية

التنفيذ الاستراتيجي للشركات

خارطة طريق التبني

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

الاعتبارات الفنية

• البنية التحتية للاستشعار: شبكة مراقبة كاملة
• مهارات الفريق: علم البيانات، وإدارة المرافق، والأمن السيبراني
• التكامل: التوافق مع الأنظمة القديمة
• الامتثال: لوائح السلامة والبيئة

الأسئلة الشائعة - الأسئلة المتداولة

‍

1. ما هي مراكز بيانات Google التي يعمل فيها نظام الذكاء الاصطناعي بالفعل؟

تم التأكيد رسميًا على ثلاثة مراكز بيانات: سنغافورة (أول نشر عام 2016)، وإيمشافن في هولندا، وكاونسل بلافز في ولاية أيوا. يتم تشغيل النظام في العديد من مراكز البيانات التبريد السائل الذكي من Google : التفوق على Google في الكفاءة | ProphetStor ولكن لم يتم الكشف عن القائمة الكاملة علنًا.

‍

2. ما مقدار التوفير في الطاقة الذي يحققه بالفعل في إجمالي الاستهلاك؟

يحقق النظام انخفاضًا بنسبة 40% في الطاقة المستخدمة للتبريد يقلل نظام DeepMind AI من فاتورة تبريد مركز بيانات Google بنسبة 40% - Google DeepMind. إذا أخذنا في الاعتبار أن التبريد يمثل حوالي 10% من إجمالي الاستهلاك، فإن التوفير الإجمالي للطاقة يبلغ حوالي 4% من إجمالي استهلاك مركز البيانات.

‍

3. ما مدى دقة النظام في دقة التنبؤ؟

يحقق النظام دقة بنسبة 99.6 في المائة في التنبؤ بالاستهلاك قبل التشغيل بمتوسط خطأ مطلق يبلغ 0.004 ± 0.005، أي ما يعادل خطأ بنسبة 0.4 في المائة في حالة كان معدل الخطأ قبل التشغيل 1.1 PUE من Google DeepMindGoogleResearch. إذا كان PUE الحقيقي هو 1.1، فإن الذكاء الاصطناعي يتوقع ما بين 1.096 و1.104.

‍

4. كيف تضمن الأمن التشغيلي؟

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 يقلل DeepMind AI من الطاقة المستخدمة في تبريد مراكز بيانات Google بنسبة 40%.

‍

5. كم من الوقت يستغرق تنفيذ مثل هذا النظام؟

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.

‍

6. ما هي المهارات الفنية المطلوبة؟

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.

‍

7. هل يمكن للنظام أن يتكيف مع التغيرات الموسمية؟

نعم، يتعلم الذكاء الاصطناعي تلقائيًا استغلال الظروف الموسمية، مثل إنتاج مياه أكثر برودة في الشتاء لتقليل طاقة التبريد تبريد مركز البيانات باستخدام التحكم التنبؤي بالنموذج. يتحسن النظام باستمرار من خلال التعرف على الأنماط الزمنية والمناخية.

‍

8. لماذا لا تقوم جوجل بتسويق هذه التكنولوجيا؟

كل مركز بيانات له بنية وبيئة فريدة من نوعها، مما يتطلب تخصيصًا كبيرًا يقلل من فاتورة تبريد مركز بيانات Google بنسبة 40% - DeepMind AI. إن تعقيد التنفيذ والحاجة إلى بيانات محددة والخبرة المطلوبة تجعل التسويق المباشر معقدًا. بعد 8 سنوات، لا تزال هذه التقنية حكرًا على شركة Google.

‍

9. هل هناك مراجعات مستقلة للأداء؟

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.

‍

10. هل تنطبق على قطاعات أخرى غير مراكز البيانات؟

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