Google%E3%81%AF%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E3%81%A8%E3%83%8B%E3%83%A5%E3%83%BC%E3%83%A9%E3%83%AB%E3%83%8D%E3%83%83%E3%83%88%E3%83%AF%E3%83%BC%E3%82%AF%E3%82%92%E5%88%A9%E7%94%A8%E3%81%97%E3%81%A6%E3%83%87%E3%83%BC%E3%82%BF%E3%82%BB%E3%83%B3%E3%82%BF%E3%83%BC%E3%81%AE%E3%83%91%E3%83%95%E3%82%A9%E3%83%BC%E3%83%9E%E3%83%B3%E3%82%B9%E3%82%92%E6%9C%80%E9%81%A9%E5%8C%96%E3%81%97%E3%81%A6%E3%81%84%E3%82%8B

Googleは機械学習とニューラルネットワークを利用してデータセンターのパフォーマンスを最適化している

Googleは、機械学習(machine learning)によって、データセンターのパフォーマンスを最大化し、エネルギー消費を最小化している。同社はこのほど、その取り組みをまとめた研究報告書を公表した。その要点は: Googleが構築している高度にインテリジェントなサーバファームは、自分の過去のパフォーマンスから学び、未来の自己を改良する。

GoogleのAI化データセンターは、社員Jim Gaoの20%プロジェクトだ。彼は自分本来の仕事をしているときに、こいつはおもしろい!と目をつけたのだ。Googleには、拘束時間の20%は自分の好きなことをしてよい、という有名な勤務ルールがある。考えることと学習することのできるデータセンターは、たまたまGaoの、やってみたいことになったのだ。

Gaoは機械学習を勉強し、モデルの構築を開始した。そのために必要なデータとしては、Googleがデータセンターから毎日のように収集している膨大な量のパフォーマンスデータがすでにあり、そこには時間別・機器装置別・気温など気象条件別などに分類されているエネルギー消費に関するデータもあった。Gaoのコンピュータはそれらのデータをすべて分析して、さまざまな条件や要素とエネルギー消費量との相関関係をあぶりだした。そしてそれをもとに彼は、データセンターにおけるコンピューティングの効率を最大化するエネルギー(とくに電力)利用の方式を導き出した。報告書のその部分は、Power Usage Effectiveness(電力利用の実効性)というタイトルでまとめられている。

彼が作成したモデルは、以前Googleで実際にあったような、サーババンク全体を停止しなければならないほどの緊急事態でも、実は、冷房の設定温度など、ほかのパラメータを一時的に調整するだけで切り抜けられることを示している。その方が、高い出力レベルを維持しつつ、時間とエネルギーと経費を節約できるのだ。

[原文へ]
(翻訳:iwatani(a.k.a. hiwa))

広告

blog comments powered by Disqus