การนำปัญญาประดิษฐ์มาประยุกต์ใช้กับระบบทำความเย็นของศูนย์ข้อมูล ถือเป็นนวัตกรรมที่สำคัญที่สุดประการหนึ่งในการปรับปรุงประสิทธิภาพการใช้พลังงานในภาคอุตสาหกรรม

‍

ระบบอัตโนมัติที่พัฒนาโดย Google DeepMind ซึ่งเปิดใช้งานตั้งแต่ปี 2018 ได้แสดงให้เห็นว่า AI สามารถเปลี่ยนแปลงการจัดการความร้อนของโครงสร้างพื้นฐานที่สำคัญได้อย่างไร และบรรลุผลลัพธ์ที่เป็นรูปธรรมในแง่ของประสิทธิภาพการทำงาน

‍

นวัตกรรมที่เปลี่ยนแปลงศูนย์ข้อมูล

‍

ปัญหาประสิทธิภาพการใช้พลังงาน

ศูนย์ข้อมูลสมัยใหม่ใช้พลังงานมหาศาล โดยระบบทำความเย็นคิดเป็นประมาณ 10% ของปริมาณการใช้ไฟฟ้าทั้งหมด จากข้อมูลของโจนาธาน คูมีย์ ผู้เชี่ยวชาญด้านประสิทธิภาพพลังงานระดับโลก ทุก ๆ ห้านาที ระบบ AI บนคลาวด์ของ Google จะบันทึกภาพระบบทำความเย็นจากเซ็นเซอร์หลายพันตัว เพื่อวิเคราะห์ความซับซ้อนในการปฏิบัติงานที่ท้าทายวิธีการควบคุมแบบเดิม

‍

ระบบทำความเย็น AI ของ Google ใช้เครือข่ายประสาทเทียมเชิงลึกเพื่อคาดการณ์ผลกระทบของการผสมผสานการกระทำต่างๆ ที่มีต่อการใช้พลังงานในอนาคต โดยระบุการกระทำที่จะช่วยลดการใช้พลังงานลงได้ พร้อมทั้งปฏิบัติตามข้อจำกัดด้านความปลอดภัยที่เข้มงวด DeepMind AI ลดค่าไฟฟ้าศูนย์ข้อมูลของ Google ลง 40% - Google DeepMind

‍

ผลลัพธ์ที่เป็นรูปธรรมและวัดผลได้

ผลลัพธ์ที่ได้จากการปรับปรุงประสิทธิภาพการทำความเย็นนั้นมีนัยสำคัญ: ระบบสามารถลดการใช้พลังงานในการทำความเย็นได้อย่างต่อเนื่องถึง 40% DeepMind AI ลดค่าไฟฟ้าระบบทำความเย็นของศูนย์ข้อมูล Google ลง 40% - Google DeepMind อย่างไรก็ตาม เมื่อพิจารณาว่าระบบทำความเย็นคิดเป็นประมาณ 10% ของการใช้พลังงานทั้งหมด นั่นหมายความว่าศูนย์ข้อมูลโดยรวมสามารถประหยัดพลังงานได้ประมาณ 4%

‍

ตาม เอกสารทางเทคนิคต้นฉบับของ Jim Gao เครือข่ายประสาทเทียมบรรลุข้อผิดพลาดสัมบูรณ์เฉลี่ยที่ 0.004 และค่าเบี่ยงเบนมาตรฐานที่ 0.005 ซึ่งเทียบเท่ากับข้อผิดพลาด 0.4% สำหรับ PUE ที่ 1.1 DeepMind AI ลดค่าทำความเย็นศูนย์ข้อมูลของ Google ลง 40% - Google DeepMind

‍

สถานที่ทำงาน: ศูนย์ข้อมูลที่ได้รับการยืนยัน

การใช้งานที่ได้รับการตรวจสอบ

การนำระบบ AI ไปใช้ได้รับการยืนยันอย่างเป็นทางการใน ศูนย์ข้อมูลเฉพาะสามแห่ง :

สิงคโปร์ : การปรับใช้ครั้งสำคัญครั้งแรกในปี 2559 โดยศูนย์ข้อมูลใช้น้ำรีไซเคิลเพื่อการทำความเย็น หน้าแรก – Google Data Centers และแสดงให้เห็นถึงการลดการใช้พลังงานในการทำความเย็นลง 40%

‍

Eemshaven, เนเธอร์แลนด์ : ศูนย์ข้อมูลแห่งนี้ใช้น้ำระดับอุตสาหกรรมและใช้น้ำไป 232 ล้านแกลลอนในปี 2023 หน้าแรก – ศูนย์ข้อมูล Google Marco Ynema หัวหน้าศูนย์ ข้อมูล ดูแลการดำเนินงานของศูนย์ข้อมูลขั้นสูงแห่งนี้

‍

Council Bluffs, ไอโอวา : MIT Technology Review ได้นำเสนอศูนย์ข้อมูล Council Bluffs เป็นพิเศษในระหว่างการหารือเกี่ยวกับ ระบบ Google Cloud AI ในหัวข้อ "ตำแหน่งศูนย์ข้อมูล: ภูมิภาคและโซนความพร้อมใช้งาน - Dgtl Infra " Google ได้ลงทุน 5 พันล้านดอลลาร์ในวิทยาเขต Council Bluffs สองแห่ง ซึ่งใช้น้ำไป 980.1 ล้านแกลลอนในปี 2023 จีนขับเคลื่อนการเติบโตของ AI ด้วยศูนย์ข้อมูลใต้น้ำ | Scientific American

‍

ปัจจุบันระบบควบคุม AI ที่ใช้ระบบคลาวด์ได้ดำเนินการจริงแล้วและสามารถประหยัดพลังงานได้ที่ศูนย์ข้อมูล ProphetStor หลายแห่งของ Google Smart Liquid Cooling: เอาชนะ Google ในด้านประสิทธิภาพ แต่บริษัทไม่ได้เปิดเผยรายชื่อสิ่งอำนวยความสะดวกทั้งหมดที่ใช้เทคโนโลยีนี้

‍

สถาปัตยกรรมทางเทคนิค: วิธีการทำงาน

เครือข่ายประสาทลึกและการเรียนรู้ของเครื่องจักร

‍

ตาม สิทธิบัตร US20180204116A1 ระบบใช้ สถาปัตยกรรมการเรียนรู้เชิงลึก ที่มีคุณลักษณะทางเทคนิคที่แม่นยำ:

• 5 ชั้นที่ซ่อนอยู่ โดยมี 50 โหนดต่อชั้น
• ตัวแปรอินพุตปกติ 19 ตัว รวมถึงภาระความร้อน สภาพอากาศ สถานะอุปกรณ์
• ตัวอย่างการฝึกอบรม 184,435 ตัวอย่าง ที่ความละเอียด 5 นาที (ข้อมูลปฏิบัติการประมาณ 2 ปี)
• พารามิเตอร์การปรับค่าปกติ : 0.001 เพื่อป้องกันการโอเวอร์ฟิตติ้ง

สถาปัตยกรรมนี้ใช้ Model Predictive Control ร่วมกับโมเดล ARX เชิงเส้นที่ ผสานรวมกับเครือข่ายประสาทเทียมเชิงลึก เครือข่ายประสาทเทียมไม่จำเป็นต้องให้ผู้ใช้กำหนดปฏิสัมพันธ์ระหว่างตัวแปรในแบบจำลองไว้ล่วงหน้า แต่เครือข่ายประสาทเทียมจะค้นหารูปแบบและปฏิสัมพันธ์ระหว่างฟีเจอร์ต่างๆ เพื่อสร้างแบบจำลองที่เหมาะสมที่สุดโดยอัตโนมัติ DeepMind AI ลดค่าใช้จ่ายด้านระบบทำความเย็นศูนย์ข้อมูลของ Google ลง 40% - Google DeepMind

‍

ประสิทธิภาพการใช้พลังงาน (PUE): ตัวชี้วัดสำคัญ

PUE แสดงถึงประสิทธิภาพการใช้พลังงานพื้นฐาน ของศูนย์ข้อมูล:

PUE = พลังงานศูนย์ข้อมูลทั้งหมด / พลังงานอุปกรณ์ไอที

• ค่า PUE ของรถยนต์ทั้งคันของ Google : 1.09 ในปี 2024 (ตามรายงานด้านสิ่งแวดล้อมของ Google)
• ค่าเฉลี่ยอุตสาหกรรม : 1.56-1.58
• ค่า PUE ที่เหมาะสม : 1.0 (ในทางทฤษฎีเป็นไปไม่ได้)

Google ได้รับการรับรองมาตรฐาน ISO 50001 สำหรับการจัดการพลังงาน ซึ่งรับรองมาตรฐานการปฏิบัติงานที่เข้มงวด แต่ไม่ได้ตรวจสอบประสิทธิภาพของระบบ AI โดยเฉพาะ

‍

การควบคุมเชิงทำนายแบบจำลอง (MPC)

หัวใจสำคัญของนวัตกรรมนี้คือ การควบคุมเชิงคาดการณ์ ที่คาดการณ์อุณหภูมิและแรงดันของศูนย์ข้อมูลในอนาคตภายในหนึ่งชั่วโมงข้างหน้า พร้อมจำลองการดำเนินการที่แนะนำเพื่อให้แน่ใจว่าจะไม่เกินข้อจำกัดในการปฏิบัติงาน DeepMind AI ลดค่าทำความเย็นศูนย์ข้อมูลของ Google ลง 40% - Google DeepMind

‍

‍

ประโยชน์ในการปฏิบัติงานของ AI ในการทำความเย็น

ความแม่นยำในการทำนายที่เหนือกว่า

หลังจากการลองผิดลองถูก แบบจำลองเหล่านี้มีความแม่นยำถึง 99.6% ในการทำนาย PUE การประยุกต์ใช้การเรียนรู้ของเครื่องสำหรับการเพิ่มประสิทธิภาพศูนย์ข้อมูล ช่วยให้สามารถเพิ่มประสิทธิภาพในแบบที่วิธีการแบบดั้งเดิมไม่สามารถทำได้ ขณะเดียวกันก็จัดการปฏิสัมพันธ์แบบไม่เชิงเส้นที่ซับซ้อนระหว่างระบบกลไก ไฟฟ้า และสิ่งแวดล้อมได้

‍

การเรียนรู้และการปรับตัวอย่างต่อเนื่อง

สิ่งสำคัญประการหนึ่งคือ ความสามารถในการเรียนรู้เชิงวิวัฒนาการ ตลอดระยะเวลาเก้าเดือน ประสิทธิภาพของระบบเพิ่มขึ้นจาก 12% ในช่วงเริ่มต้นใช้งาน เป็นประมาณ 30% Jim Gao, Google - DocsLib การปรับปรุงประสิทธิภาพศูนย์ข้อมูล

Dan Fuenffinger ผู้ให้บริการ Google ให้ความเห็นว่า "เป็นเรื่องน่าเหลือเชื่อที่ได้เห็น AI เรียนรู้ที่จะใช้ประโยชน์จากสภาพอากาศในฤดูหนาวและสร้างน้ำที่เย็นกว่าปกติ กฎเกณฑ์ไม่ได้ดีขึ้นเมื่อเวลาผ่านไป แต่ AI ดีขึ้น" การระบายความร้อนศูนย์ข้อมูลโดยใช้การควบคุมแบบจำลองเชิงทำนาย

‍

การเพิ่มประสิทธิภาพหลายตัวแปร

ระบบจะจัดการ พารามิเตอร์การทำงานที่สำคัญ 19 รายการ พร้อมกัน:

• ภาระไอทีรวมของเซิร์ฟเวอร์และเครือข่าย
• สภาพอากาศ (อุณหภูมิ ความชื้น เอนทัลปี)
• สถานะอุปกรณ์ (เครื่องทำความเย็น หอหล่อเย็น ปั๊ม)
• การควบคุมจุดตั้งค่าและการปฏิบัติงาน
• ความเร็วพัดลมและระบบ VFD

ความปลอดภัยและการควบคุม: รับประกันความปลอดภัยจากความล้มเหลว

การตรวจสอบหลายระดับ

ความปลอดภัยในการปฏิบัติงานได้รับการรับรองผ่าน กลไกที่ซ้ำซ้อน การดำเนินการที่เหมาะสมที่สุดที่คำนวณโดย AI จะได้รับการตรวจสอบเทียบกับรายการข้อจำกัดด้านความปลอดภัยภายในที่ผู้ปฏิบัติงานกำหนดไว้ เมื่อส่งไปยังศูนย์ข้อมูลจริงแล้ว ระบบควบคุมภายในจะตรวจสอบคำสั่งอีกครั้ง DeepMind AI ช่วยลดการใช้พลังงานในการทำความเย็นศูนย์ข้อมูลของ Google ลง 40%

‍

ผู้ปฏิบัติงานยังคงสามารถควบคุมได้ตลอดเวลาและสามารถออกจากโหมด AI ได้ทุกเมื่อ โดยเปลี่ยนผ่านไปสู่กฎเกณฑ์แบบเดิมได้อย่างราบรื่น DeepMind AI ช่วยลดการใช้พลังงานในการทำความเย็นศูนย์ข้อมูลของ Google ลง 40%

‍

ข้อจำกัดและการพิจารณาเชิงวิธีการ

‍

เมตริก PUE และข้อจำกัด

อุตสาหกรรมตระหนักถึงข้อจำกัดของประสิทธิภาพการใช้พลังงานในฐานะตัวชี้วัด ผลสำรวจของ Uptime Institute ในปี 2014 พบว่า 75% ของผู้เข้าร่วมเชื่อว่าอุตสาหกรรมจำเป็นต้องมีตัวชี้วัดประสิทธิภาพใหม่ ปัญหาต่างๆ ได้แก่ อคติทางสภาพภูมิอากาศ (ไม่สามารถเปรียบเทียบสภาพภูมิอากาศที่แตกต่างกันได้) การจัดการเวลา (การวัดในสภาวะที่เหมาะสมที่สุด) และการยกเว้นส่วนประกอบ

‍

ความซับซ้อนในการใช้งาน

ศูนย์ข้อมูลแต่ละแห่งมีสถาปัตยกรรมและสภาพแวดล้อมที่เป็นเอกลักษณ์เฉพาะตัว แบบจำลองที่ปรับแต่งมาสำหรับระบบหนึ่งอาจไม่สามารถนำไปใช้กับอีกระบบหนึ่งได้ จึงจำเป็นต้องใช้กรอบการทำงานแบบปัญญาประดิษฐ์ทั่วไป DeepMind AI ลดค่าใช้จ่ายด้านระบบทำความเย็นของศูนย์ข้อมูล Google ลง 40% - Google DeepMind

‍

คุณภาพข้อมูลและการตรวจสอบ

ความแม่นยำของแบบจำลองขึ้นอยู่กับ คุณภาพและปริมาณของข้อมูลอินพุต โดยทั่วไปแล้ว ข้อผิดพลาดของแบบจำลองจะเพิ่มขึ้นสำหรับค่า PUE ที่สูงกว่า 1.14 เนื่องจากข้อมูลฝึกอบรมที่เกี่ยวข้องมีไม่เพียงพอ DeepMind AI ลดค่าใช้จ่ายด้านระบบทำความเย็นศูนย์ข้อมูลของ Google ลง 40% - Google DeepMind

ไม่พบการตรวจสอบอิสระจากบริษัทตรวจสอบบัญชีรายใหญ่หรือห้องปฏิบัติการระดับชาติ และ Google "ไม่ได้ดำเนินการตรวจสอบจากบุคคลที่สาม" เกินกว่าข้อกำหนดขั้นต่ำของรัฐบาลกลาง

‍

‍

อนาคต: วิวัฒนาการสู่การระบายความร้อนด้วยของเหลว

การเปลี่ยนผ่านทางเทคโนโลยี

ในปี 2024-2025 Google ได้เปลี่ยนจุดเน้นอย่างมากไปที่:

• ระบบไฟฟ้า +/-400 VDC สำหรับแร็ค 1MW
• หน่วยจ่ายความเย็น "โครงการเดสชุตส์"
• ระบบระบายความร้อนด้วยของเหลวโดยตรงสำหรับ TPU v5p พร้อม "เวลาทำงาน 99.999%"

การเปลี่ยนแปลงนี้บ่งชี้ว่าการเพิ่มประสิทธิภาพ AI ได้ถึง ขีดจำกัดในทางปฏิบัติสำหรับภาระความร้อนของแอปพลิเคชัน AI สมัยใหม่แล้ว

แนวโน้มที่เกิดขึ้นใหม่

• การผสานรวมการประมวลผลแบบ Edge : AI แบบกระจายเพื่อลดเวลาแฝง
• ฝาแฝดดิจิทัล : ฝาแฝดดิจิทัลสำหรับการจำลองขั้นสูง
• มุ่งเน้นความยั่งยืน : การเพิ่มประสิทธิภาพพลังงานหมุนเวียน
• ระบบระบายความร้อนแบบไฮบริด : การผสมผสานของเหลว/อากาศที่ปรับให้เหมาะสมกับ AI

แอปพลิเคชันและโอกาสสำหรับธุรกิจ

ภาคส่วนแอปพลิเคชัน

การเพิ่มประสิทธิภาพ AI เพื่อการระบายความร้อน มีการประยุกต์ใช้ที่กว้างขวางนอกเหนือจากศูนย์ข้อมูล:

• โรงงานอุตสาหกรรม : การเพิ่มประสิทธิภาพระบบ HVAC ในการผลิต
• ศูนย์การค้า : ระบบจัดการเครื่องปรับอากาศอัจฉริยะ
• โรงพยาบาล : การควบคุมสภาพแวดล้อมในห้องผ่าตัดและพื้นที่สำคัญ
• สำนักงานใหญ่ : การบริหารจัดการอาคารและสิ่งอำนวยความสะดวกอัจฉริยะ

ผลตอบแทนจากการลงทุนและผลประโยชน์ทางเศรษฐกิจ

การประหยัดพลังงานบนระบบทำความเย็น แปลว่า:

• การลดต้นทุนการดำเนินงานของระบบย่อยการทำความเย็น
• การปรับปรุงความยั่งยืนด้านสิ่งแวดล้อม
• การยืดอายุการใช้งานอุปกรณ์
• ความน่าเชื่อถือในการปฏิบัติงานที่มากขึ้น

การดำเนินการเชิงกลยุทธ์สำหรับบริษัท

แผนงานการรับเลี้ยงบุตรบุญธรรม

ระยะที่ 1 - การประเมิน : การตรวจสอบพลังงานและการทำแผนที่ระบบที่มีอยู่ ระยะที่ 2 - โครงการนำร่อง : การทดสอบในสภาพแวดล้อมที่มีการควบคุมบนพื้นที่จำกัด ระยะที่ 3 - การปรับใช้ : การเปิดตัวแบบก้าวหน้าพร้อมการตรวจสอบแบบเข้มข้น ระยะที่ 4 - การเพิ่มประสิทธิภาพ : การปรับแต่งอย่างต่อเนื่องและการขยายกำลังการผลิต

ข้อควรพิจารณาทางเทคนิค

• โครงสร้างพื้นฐานเซ็นเซอร์ : เครือข่ายการตรวจสอบที่สมบูรณ์
• ทักษะการทำงานเป็นทีม : วิทยาศาสตร์ข้อมูล, การจัดการสิ่งอำนวยความสะดวก, ความปลอดภัยทางไซเบอร์
• การบูรณาการ : ความเข้ากันได้กับระบบเดิม
• การปฏิบัติตาม : ข้อบังคับด้านความปลอดภัยและสิ่งแวดล้อม

คำถามที่พบบ่อย

‍

1. ระบบ AI ใช้งานจริงอยู่ที่ศูนย์ข้อมูลของ Google แห่งไหน?

ศูนย์ข้อมูลสามแห่งได้รับการยืนยันอย่างเป็นทางการแล้ว ได้แก่ สิงคโปร์ (ติดตั้งครั้งแรกในปี 2016), Eemshaven ในเนเธอร์แลนด์ และ Council Bluffs ในรัฐไอโอวา ระบบนี้ใช้งานได้ในศูนย์ข้อมูล Google Smart Liquid Cooling หลายศูนย์: เอาชนะ Google ในด้านประสิทธิภาพ | ProphetStor แต่รายชื่อทั้งหมดไม่เคยเปิดเผยต่อสาธารณะ

‍

2. จริงๆ แล้วสามารถประหยัดพลังงานได้เท่าไรจากการใช้พลังงานทั้งหมด?

ระบบนี้ช่วยลดการใช้พลังงานในการทำความเย็นได้ถึง 40% DeepMind AI ลดค่าไฟฟ้าระบบทำความเย็นของศูนย์ข้อมูล Google ลง 40% - Google DeepMind เมื่อพิจารณาว่าระบบทำความเย็นคิดเป็นประมาณ 10% ของการใช้พลังงานทั้งหมด การประหยัดพลังงานโดยรวมจึงคิดเป็นประมาณ 4% ของการใช้พลังงานทั้งหมดของศูนย์ข้อมูล

‍

3. ระบบการพยากรณ์มีความแม่นยำเพียงใด?

ระบบมีความแม่นยำ 99.6% ในการคาดการณ์ PUE โดยมีความคลาดเคลื่อนสัมบูรณ์เฉลี่ย 0.004 ± 0.005 ซึ่งเทียบเท่ากับความคลาดเคลื่อน 0.4% สำหรับ PUE ที่ 1.1 Google DeepMind Google Research หาก PUE จริงคือ 1.1 AI จะคาดการณ์ได้ระหว่าง 1.096 ถึง 1.104

‍

4. คุณมั่นใจถึงความปลอดภัยในการปฏิบัติงานได้อย่างไร?

ใช้การตรวจสอบสองระดับ: ขั้นแรก AI จะตรวจสอบข้อจำกัดด้านความปลอดภัยที่ผู้ปฏิบัติงานกำหนด จากนั้นระบบภายในจะตรวจสอบคำสั่งอีกครั้ง ผู้ปฏิบัติงานสามารถปิดใช้งานการตรวจสอบ AI และกลับไปใช้ระบบเดิมได้ตลอดเวลา DeepMind AI ช่วยลดการใช้พลังงานในการทำความเย็นศูนย์ข้อมูลของ Google ลง 40%

‍

5. การจะพัฒนาระบบแบบนี้ต้องใช้เวลานานเท่าใด?

โดยทั่วไปการนำไปปฏิบัติจะใช้เวลา 6-18 เดือน โดยใช้เวลา 3-6 เดือนสำหรับการรวบรวมข้อมูลและการฝึกอบรมแบบจำลอง 2-4 เดือนสำหรับการทดสอบนำร่อง และ 3-8 เดือนสำหรับการปรับใช้แบบแบ่งระยะ ความซับซ้อนอาจแตกต่างกันอย่างมากขึ้นอยู่กับโครงสร้างพื้นฐานที่มีอยู่

‍

6. ต้องมีทักษะทางเทคนิคอะไรบ้าง?

จำเป็นต้องมีทีมสหวิทยาการที่มีความเชี่ยวชาญด้านวิทยาศาสตร์ข้อมูล/ปัญญาประดิษฐ์ (AI) วิศวกรรม HVAC การจัดการสิ่งอำนวยความสะดวก ความปลอดภัยทางไซเบอร์ และการบูรณาการระบบ หลายบริษัทเลือกที่จะร่วมมือกับผู้จำหน่ายเฉพาะทาง

‍

7. ระบบสามารถปรับตัวตามการเปลี่ยนแปลงตามฤดูกาลได้หรือไม่?

ใช่ AI เรียนรู้โดยอัตโนมัติเพื่อใช้ประโยชน์จากสภาพแวดล้อมตามฤดูกาล เช่น การผลิตน้ำเย็นในฤดูหนาวเพื่อลดพลังงานที่ใช้ในการทำความเย็น ระบบทำความเย็นของศูนย์ข้อมูลโดยใช้การควบคุมแบบจำลองเชิงพยากรณ์ ระบบจะปรับปรุงอย่างต่อเนื่องโดยการรับรู้รูปแบบเวลาและสภาพภูมิอากาศ

‍

8. เหตุใด Google จึงไม่นำเทคโนโลยีนี้ไปใช้ในเชิงพาณิชย์?

ศูนย์ข้อมูลแต่ละแห่งมีสถาปัตยกรรมและสภาพแวดล้อมเฉพาะตัว ซึ่งจำเป็นต้องมีการปรับแต่งอย่างมาก DeepMind AI ลดค่าใช้จ่ายด้านระบบทำความเย็นศูนย์ข้อมูลของ Google ลง 40% - Google DeepMind ความซับซ้อนของการใช้งาน ความต้องการข้อมูลเฉพาะ และความเชี่ยวชาญที่จำเป็น ทำให้การนำระบบไปใช้เชิงพาณิชย์โดยตรงเป็นเรื่องยาก หลังจากผ่านไป 8 ปี เทคโนโลยีนี้ยังคงเป็นเทคโนโลยีภายในของ Google เท่านั้น

‍

9. มีการตรวจสอบประสิทธิภาพการทำงานอิสระหรือไม่

ไม่พบการตรวจสอบอิสระจากบริษัทตรวจสอบบัญชีรายใหญ่ (Deloitte, PwC, KPMG) หรือห้องปฏิบัติการระดับชาติ Google ได้รับการรับรองมาตรฐาน ISO 50001 แต่ "ไม่ดำเนินการตรวจสอบโดยบุคคลที่สาม" เกินกว่าข้อกำหนดขั้นต่ำของรัฐบาลกลาง

‍

10. สามารถนำไปประยุกต์ใช้กับอุตสาหกรรมอื่นๆ นอกเหนือจากศูนย์ข้อมูลได้หรือไม่?

แน่นอน การปรับประสิทธิภาพระบบทำความเย็นด้วย AI สามารถนำไปประยุกต์ใช้กับโรงงานอุตสาหกรรม ศูนย์การค้า โรงพยาบาล สำนักงาน และอาคารใดๆ ที่มีระบบ HVAC ที่ซับซ้อน หลักการของการปรับประสิทธิภาพแบบหลายตัวแปรและการควบคุมเชิงพยากรณ์สามารถนำไปประยุกต์ใช้ได้อย่างกว้างขวาง

‍

ระบบระบายความร้อน AI DeepMind ของ Google ถือเป็นความก้าวหน้าทางวิศวกรรมที่นำไปสู่การปรับปรุงที่ดีขึ้นทีละเล็กทีละน้อยภายในขอบเขตเฉพาะ สำหรับบริษัทที่ดำเนินงานโครงสร้างพื้นฐานที่ใช้พลังงานมาก เทคโนโลยีนี้มอบโอกาสที่เป็นรูปธรรมสำหรับการเพิ่มประสิทธิภาพการระบายความร้อน แม้จะมีข้อจำกัดด้านขนาดที่เน้นย้ำ

‍

แหล่งข้อมูลสำคัญ: Jim Gao Google Research Paper , DeepMind Official Blog , MIT Technology Review , สิทธิบัตร US20180204116A1