AI はデータセンターをよりスマートにするためにどのように役立ちますか?

[[383176]]

今日、人工知能 (AI) は、これまで以上に高速にデータを収集、処理、分析する上で重要な役割を果たしています。人工知能技術を使用してデータを統合し、データセンターを管理することも、より効率的かつ有用になります。

ほぼすべての組織にとって、業務を遂行して洞察とビジネス成果を得るにはデータが前提条件となるため、データ センターはデジタル変革の鍵となります。コンピューターや機器を収容するこれらの物理的な施設は、現代経済の情報ニーズに応えます。データ センターは、クラウド ストレージ アプリケーションとトランザクションをサポートしながら、シームレスなデータ バックアップおよびリカバリ機能を提供します。データセンターのエコシステムは、経済発展を促進するだけでなく、より多くのテクノロジー企業の参入も促しています。さらに、データセンターの構築と運営により、地域社会に良好な投資環境と雇用機会を確保することができます。

データセンターはデジタル革命の実現に重要な役割を果たしてきましたが、問題や課題がないわけではありませんでした。調査会社ガートナーのアナリスト、デイブ・カプッチョ氏は、2025年までに世界中の組織の80％がオンプレミスのデータセンターを閉鎖するだろうと述べた。アップグレードへの準備不足、インフラストラクチャの課題、環境問題など、従来のデータセンターが直面している多くの問題を考慮すると、これらのデータセンターを閉鎖し、段階的に廃止することが適切です。これらの問題の解決策は、人工知能を使用してデータセンター インフラストラクチャの機能を強化することです。

Forbes Insightsが発表した調査レポートによると、2020年の初めに人工知能はデータセンターの管理、生産性、インフラストラクチャに大きな影響を与えました。一方、AI テクノロジーは、データセンターの長期的な運用を改善するための潜在的なソリューションを提供し続けています。その結果、AI で加速されたコンピューティング能力を備えたデータセンターは、AI ワークロードをより効率的に処理できるようになります。

データセンターは大量のエネルギーを消費することはよく知られているため、データセンターの電力使用効率 (PUE) を向上させるように AI システムをトレーニングすることが重要な目標です。 PUE はデータセンターの効率を測定する重要な指標です。 2014 年、Google はデータ センター施設の 1 つに Deepmind AI を導入することで、冷却施設の電力消費量を 40% 削減しました。これは、電力損失やその他の非冷却施設での損失を考慮すると、全体的な PUE コストが 15% 削減されることに相当します。また、データセンターで記録された史上最低の PUE 値も生成しました。 DeepMind は、データセンター内の 100 を超えるさまざまな変数を分析して、運用効率を向上させ、電力消費を削減します。

データセンターはさまざまなサイバー脅威に対しても脆弱です。サイバー攻撃者は常に、データセンターからデータを入手したり、データ流出攻撃を実行したりするための新しい方法を探しています。人工知能は、通常のネットワーク動作を学習し、この動作からの逸脱に基づいてサイバー脅威を検出する能力を再び証明しました。人工アルゴリズムは、複数のシステムからのイベントと入力を分析し、適切なインシデント対応システムを設計することで、現在のセキュリティ インシデントおよびイベント管理 (SIEM) システムを補完できます。

データ センターの運用では、IT 機器がラックに頻繁に導入されたりラックから取り外されたりするため、監視や管理ができず、簡単に無駄になる可能性のある断片化されたリソースが大量に発生します。 AI はスマート ハードウェアと IoT センサーを使用することで、効果的なデータ センター インフラストラクチャ管理ソフトウェアによるデータ センターの監視を可能にし、自動化テクノロジーを通じて反復的なタスクを削減します。ここで、データ センター管理者は、温度管理、機器の状態監視、フロアのセキュリティ、火災危険の軽減、換気および冷却システムの管理などのアクティビティを自動化できます。予測分析と組み合わせることで、自動化テクノロジーはデータセンターの予測メンテナンスにも役立ちます。

さらに、この AI ベースの予測分析は、データ センターが組織の多数のサーバーにワークロードを分散するのに役立ちます。その結果、データセンターの負荷をより効率的に予測および管理できるようになります。また、サーバー ストレージ システムを最適化し、システム内の障害の可能性のあるポイントを特定し、処理時間を短縮し、リスクをより迅速に軽減するのにも役立ちます。

MIT の研究者らは最近、数千台のサーバーにわたるデータ処理操作のスケジュール方法を自動的に学習できる人工知能システムを開発した。重要なデータセンターのタスクを完了するためのトラフィック量が多い期間中は、処理速度が 2 倍になることが観察されています。研究者らは、この AI システムにより、データセンターは同じ作業負荷をより少ないリソースでより速く処理できるようになると指摘している。

さらに、ディープラーニング (DL) アプリケーションを通じて、AI は障害やダウンタイムを事前に予測できます。たとえば、HPE の AI 予測エンジンは、データセンターのボトルネックを特定して解決するのに役立ちます。 200 社の調査によると、世界中のデータ センターはダウンタイムにより毎年 265 億ドル以上の損失を被っており、ネットワーク ダウンタイムのコストは 1 分あたり約 7,900 ドルです。 AI はサーバー パフォーマンス、ネットワークの輻輳、ディスク使用率を監視することで、データの停止を検出し、予測できます。さらに、データセンターがデータ停止から回復するのを支援する緩和戦略を実装できるため、顧客満足度が向上し、停止中の損失が最小限に抑えられます。