石油圈
據Business Insider報道，牛津大學人類未來研究所（Future of Humanity Institute）此前在YouTube上發布了一段視頻，內容是SpaceX創始人埃隆·馬斯克（Elon Musk）、DeepMind首席執行官丹米斯·哈撒比斯（Demis Hassabis）、牛津大學哲學家尼克·博斯特羅姆（Nick Bostrom）等數位專家學者關于人工智能未來發展的談話。
?
關于人工智能這個話題，DeepMind首席執行官丹米斯·哈撒比斯（Demis Hassabis）比埃隆·馬斯克（Elon Musk）更有發言權。因為去年技術領域最受關注的新聞便是人工智能系統在圍棋比賽中擊敗了世界冠軍李世石，而這個系統便是由DeepMind開發的。
2010年，丹米斯·哈撒比斯與人創辦人工智能初創公司DeepMind Technoloies并擔任公司首席執行官一職，專門從事通用學習算法的開發。2014年1月，谷歌以6.25億美元收購DeepMind。
?
2016年7月，DeepMind利用人工智能技術來優化改進能源管理，效果驚人。他們在谷歌開發了一套系統，用機器學習來管理數據中心，期望達到比人管理更省電的效果。最終結果非常不錯，實際成績是：比人管理的時候節電40%。
為把事情說清楚需要簡單介紹一下背景：
?
Google這類大互聯網公司的應用比如搜索、Gmail、公有云服務等是完全跑在自己的服務器集群上的，這些集群無比龐大通常有數百萬臺服務器。
?
由于服務器太多因此并不會只放在一個地方，而是分布在多個數據中心里。管理各個數據中心時，一個核心問題就是冷卻。我們手機用時間長了還發熱，那么多總是在跑的服務器如果沒有有效的冷卻措施，那數據中心會變的火爐一樣。
?
數據中心的冷卻系統和中央空調差不多，這樣一來就需要來根據環境來控制什么時候開冷卻系統，開多少度等。但每個數據中心所處的地點、架構并不完全一致，這就給管理帶來了一些麻煩。
?
DeepMind把這種麻煩總結為三點：
?
1.冷卻設備、操作設備的方法、環境之間不是簡單的線性關系。也就是說不是環境溫度是30℃時，那冷卻系統調成20℃就可以了；
2.冷卻系統并不能迅速響應內部或外部的變化。也就是說外部氣溫上升，你據此進行調整，但實際起效果的時候，外部氣溫可能又下降了；
3.每個數據中心都有自己獨特的架構和地理位置。
?
DeepMind解決這問題時顯然又會用神經網絡，這次他們訓練了三個神經網絡：
?
1.一個神經網絡用各種傳感器收集來的數據進行訓練，比如：溫度、功率、泵速等；
2.一個神經網絡被訓練用于預測下一小時的溫度；
3.一個神經網絡被訓練用于預測下一小時的工作負荷。
?
都訓練完之后DeepMind把這三個神經網絡在某一個數據中心進行了應用，評測的指標是PUE(Power Usage Effectiveness)，這個值表示數據中心能源消耗在整個IT能源消耗中的占比（顯然越低越好）。為了說明結果，DeepMind貼了一張圖出來：
近年來，谷歌采取了各種措施降低其數據中心能耗。同時，谷歌還研制了自己的節能服務器，并使用神經網絡提升數據中心能效。
谷歌數據中心的實際測試表明，機器學習是利用傳感器數據對數據中心能效建模的一種有效方法，可帶來顯著的成本節省。深度學習算法是對人工神經網絡的發展，在節能減排方面的應用是很多科技企業關注的方向之一。在計算能力變得日益廉價的今天，深度學習試圖建立更大更復雜的神經網絡。
該神經網絡研究的因素包括了服務器總負載，水泵、冷卻塔、冷水機組、干式冷卻器、運行中的冷水注水泵數量；冷卻塔水溫、濕球溫度、戶外濕度、風速、風向等。谷歌利用傳感器部署了億萬個數據點來收集這些基礎設施和電能使用信息。令人驚訝的是，谷歌只用一臺服務器就能跑這個神經網絡了。谷歌還通過機器學習對這些數據進行研究，并建立起模型來預測并進一步改進數據中心能效。
DeepMind稱2017年將把這一技術應用于發電廠及其他數據中心。石油勘探的大數據是否也可以應用人工智能實現高效的識別呢？我們真的要拭目以待。
版權聲明|文章來自油氣研究院，版權歸原作者所有。
（本文系本網編輯轉載，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責。如涉及作品內容、版權和其它問題，請在30日內與本網聯系，我們將在第一時間刪除內容。）
未經允許，不得轉載本站任何文章：
