چگونه هوش مصنوعی باعث رشد مراکزداده در آینده میشود؟
مدتها است هوش مصنوعی در صنعت دیتاسنتر مطرح بوده و با وعده افزایش کارایی و بهبود وظایف عملیاتی، کسبوکارها و سازمانها را به فکر فرو میبرد. امروزه، برای هر سازمانی، «دادهها» بسیار با اهمیت هستند ولی آنچه بیشتر اهمیت پیدا میکند و شاید به همان اندازه باید مورد توجه قرار بگیرد؛ «مدیریت موثر دادهها» است. هنگامی که دادههای خرد و پراکنده، جمعآوری شدند؛ آنگاه تجزیه و تحلیل سریع و آنی آنها برای تصمیمگیریهای استراتژیک اقتصادی و تجاری، حیاتی میشود. از این رو، کسبوکارها در حال سرمایهگذاری روی ابزارهای اتوماسیون پیشرفته برای پردازش اطلاعات و مهاجرت به مراکزداده در مقیاس بزرگ با هدف ارتقای زیرساخت فناوری اطلاعات خود هستند.
انفجار دادهها در سالهای اخیر، باعث شده که مراکزداده ابرمقیاس به نوآوری و استقرار فناوریهای هوش مصنوعی در زیرساخت و تاسیسات خود بپردازند تا برخی از وظایف مستقل از نیروی انسانی انجام شوند.
استفاده از فناوریهای هوش مصنوعی و اتوماسیون در مراکزداده به سختی انجام میشود و روند آسانی نیست. به عنوان مثال، گوگل از فناوری هوش مصنوعی DeepMind برای سیستمهای سرمایشی دیتاسنترهای خود استفاده کرده ولی با این حال، شرکتهای دیگر هنوز موفق نشدند از فناوریهای هوش مصنوعی و یادگیری ماشینی به طور کامل استفاده کنند. عواملی مانند بیاعتمادی به AI باعث شده است بسیاری از سازمانها برای حرکت سریع به سوی هوش مصنوعی، درنگ کنند و آن را به تاخیر بیندازند.
در حالیکه رایجترین حالت استقرار هوش مصنوعی در مراکزداده، کنترل دما و پیشبینی نگهداری و تعمیر تجهیزات است؛ اما این فناوری، پتانسیلهای بسیار بیشتری برای افزایش کارایی زیرساخت مرکزداده، بهبود مصرف انرژی و سیستم سرمایشی دارد که غالب آنها هنوز به طور گستردهای شناسایی نشدند. در این مطلب، میخواهیم به چند مورد استفاده از هوش مصنوعی در مراکزداده اشاره کنیم تا از اینکه چرا AI میتواند آینده صنعت دیتاسنترها را تغییر دهد، درک بهتری داشته باشیم:
مدیریت بار کاری
با افزایش دادههای ذخیره شده روی مراکزداده، شاهدیم که هر روز، بار کاری آنها بیشتر میشود. بسیاری از کسبوکارها تمایل دارند با استفاده از هوش مصنوعی، کارایی خود را افزایش داده ولی هزینهها را کاهش دهند. هوش مصنوعی میتواند برای کنترل و مدیریت حجم بار کاری در محیطهای ترکیبی در زمان واقعی استفاده شود؛ بهطوریکه زیرساخت IT شما (ابری، سنتی یا اج) را به کارآمدترین حالت خود برساند. همانطور که هوش مصنوعی راه خود را به مراکزداده باز میکند؛ سازمانها رویکردهای نوآورانهای برای مدیریت دادههای خود اتخاذ میکنند تا امکان استفاده بیشتر از تکنیکها و تجزیه و تحلیلهای قدرتمند هوش مصنوعی فراهم شود.
گارتنر پیشبینی میکند تا سال ۲۰۲۵، حدود ۷۰ درصد سازمانها، تمرکز خود را از دادههای بزرگ به سوی دادههای کوچک و عریض (wide)، تغییر دهند. این چشمانداز، زمینه را برای تجزیه و تحلیل بیشتر دادهها با کمک هوش مصنوعی تسهیل میکند. رویکرد دادههای کوچک، بینشهای مفیدی را با دادههای کمتری به مدیران میدهد؛ در حالیکه دادههای گسترده، تحلیلهایی ارائه میکند که مبتنی بر حجم وسیعی از دادههای غیرساختارمند و دارای قالبهای متنوع دادهای هستند. هر دو روش با هم، امکان تجزیه و تحلیل پیشرفته مبتنی بر هوش مصنوعی را فراهم کرده و قابلیت اطمینان کلاندادهها را افزایش میدهند.
کاهش دخالت نیروی انسانی
فناوریهای خودکارسازی در مراکزداده، نویدبخش مداخله کمتر نیروی انسانی در وظایف تکراری و منظم هستند. در این صورت، کارمندان دیتاسنتر میتوانند وظایف پیش پا افتادهای مانند بهینهسازی فضای ذخیرهسازی، توزیع سیستم سرمایشی، تنظیمات امنیتی و مشابه آنها را رها کرده و روی وظایف و مسایل مهمتر تمرکز کنند. این رویکرد، نه تنها کارایی بیشتری به همراه میآورد؛ بلکه خطر اشتباهات انسانی را در هنگام رسیدگی به حجم کارهای پیچیده و متنوع، کاهش خواهد داد. به عنوان مثال، در مرکزداده Yotta NM1، یک سیستم تشخیص نشت مبتنی بر سنسور نصب شده است که نه تنها میتواند نشتی یک لوله چیلر را تشخیص دهد؛ بلکه میتواند سریعا و به صورت بیدرنگ، بدون دخالت دست، مشکل نشتی را کاهش دهد. با تشخیص نشتی در یک خط لوله چیلر، سیستم به طور خودکار، جریان آب را به سمت یک خط لوله جایگزین منحرف میکند و مانع از بروز خرابی در مرکزداده میشود. اتوماسیون، مسیری را در مراکزداده ایجاد میکند تا از حالت واکنشی به حالت پیشگیرانه برسند که منجر به پیشبینی خواهد شد.
حداکثر بازدهی مصرف انرژی
مصرف برق، بزرگترین چالش دیتاسنترها در سراسر جهان است. هر سال، هزینههای انرژی ۱۰ درصد افزایش پیدا میکند و مصرف بالاتر برق در سرورهای با چگالی بالا، از نظر زیست محیطی خوب نیست و باعث ناپایداری در محیط زیست میشود. به کارگیری فناوریهای هوش مصنوعی و یادگیری ماشینی، میتواند راهحلی برای افزایش مصرف انرژی در مراکزداده؛ بدون افزایش هزینهها باشد. سیستمهای موجود در مراکزداده، گرمای قابل توجهی تولید میکنند. به طور سنتی، سیستمهای تهویه مطبوع، چیلرها و پمپهای آب توسط سیستمهای مدیریت ساختمان (BMS)، برای وضعیت دما، کنترل میشوند ولی مصرف انرژی آنها کارآمد نیست. مدیریت انرژی با استفاده از هوش مصنوعی، میتواند با تجزیه و تحلیل تاریخچهای از دادهها و ایجاد یک مدل قابل پیشبینی PUE (سرنام Power Usage Effectiveness)، به کاهش هزینههای مصرف انرژی و بهبود بهرهوری و بهینهسازی سیستمهای سرمایشی کمک کند.
افزایش امنیت
در یک مرکزداده ابرمقیاس که چندین رویداد با هم اتفاق میافتد؛ تقریبا برای انسانها غیرممکن است که در صورت بروز موقعیتهای تهدیدآمیز، همهچیز را تحت کنترل داشته باشند. در چنین وضعیتهایی، ابزارهای هوش مصنوعی مفید هستند. به عنوان مثال، قابلیتهای تشخیص صدا و تصویر، به طور گستردهای برای افزایش امنیت در دیتاسنترها استفاده میشود. ابزارهای تجزیه و تحلیل هوش مصنوعی، به عنوان یک راهحل نظارت تصویری برای پایش اطلاعات جمعآوری شده از دوربینهای نظارتی و امنیتی در سراسر مرکزداده به کار گرفته میشوند. تکنیکهای یادگیری ماشینی نیز برای تشخیص ناهنجاریها، کاربرد دارند. در این زمینه، سیستم برای شناسایی الگوهای معمول و الگوهای غیرطبیعی و نامنظم آموزش میبیند.
برای ذکر یک مثال، دوباره سراغ دیتاسنتر Yotta NM1 میرویم. در این دیتاسنتر، دوربینهای متصل به یک سیستم یکپارچه هوش مصنوعی استفاده شده است تا مکانهای حیاتی، زیر نظر باشند. این دوربینها طوری طراحی شدهاند که اگر بیش از ۱۰ نفر در یک نقطه، مثلا جلوی درب ورودی دیتاسنتر تجمع کرده باشند، تشخیص داده و پیام هشدار میدهد یا اینکه میتواند یک وسیله رها شده در یک اتاق دیتاسنتر را شناسایی و گزارش کند. همچنین، قادر است کلیدها و کارتهای احراز هویت ورودی به اتاق کنترل مرکزداده را کاملا تحت نظر بگیرد تا بفهمد چه کسی آنها را برداشته و استفاده کرده است. بدون استفاده از اتوماسیون و هوش مصنوعی، صدها نفر پرسنل برای نظارت و کنترل امنیت فیزیکی یک دیتاسنتر به صورت 7*24 مورد نیاز است.
هوش مصنوعی برای تجزیه و تحلیل پیشبینی رویدادهای امنیتی نیز مفید است؛ جایی که میتواند یک رویداد غیرعادی را از قبل علامتگذاری کند تا پیش از خرابی، سیستم مورد بازرسی قرار بگیرد. امنیت مرکزداده، یکی از حوزههایی است که با ورود و استقرار هوش مصنوعی در دیتاسنتر، کاملا متحول شده است و برای تشخیص الگوهای تهدید و نظارتهای مستقل از نیروی انسانی موثر ظاهر میشود.
قطعا، آینده مراکزداده با هوش مصنوعی عجین و درهم آمیخته شده است و تقریبا تمام عملیات زیرساختها به طور خودکار انجام میشوند. اگرچه فناوریهای هوش مصنوعی برای مراکزداده فعلا در دست چند شرکت بزرگ حوزهی فناوری است اما با ارتقای دانش، افزایش اعتماد، و کاهش هزینهها، بهزودی سایر بازیگران مرکزداده نیز به دنبال توسعه و استقرار AI خواهند رفت. شیوع ویروس کرونا، به این حرکت شتاب بیشتری بخشیده است و امیدواریم که شاهد پیشرفتهای زودتری در این زمینه باشیم.
