您正在使用IE低版浏览器,为了您的FUTUREAI账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
FUTUREAI 业界
发私信给FUTUREAI
发送

首个应用到大规模真实工业场景的神经网络控制系统在谷歌上线了

本文作者:FUTUREAI 2018-08-23 10:40
导语:即便深度学习和其它机器学习办法近几年现已取得了不小的开展,可是把它们直接应用在实在工业场景中、让它们直接操控工业体系还未曾见到。深度学习自身缺少鲁棒性、面临新情况

即便深度学习和其它机器学习办法近几年现已取得了不小的开展,可是把它们直接应用在实在工业场景中、让它们直接操控工业体系还未曾见到。深度学习自身缺少鲁棒性、面临新情况难以猜测行为等一些特性固然是重要的掣肘之处,怎么让算法逐步提高操控规划、和谐与人类的协作办法也是难题。DeepMind 和谷歌最近就做出了新一步尝试,取得了不小的成功,然后在 DeepMind 博客进步行了介绍。景智AI 科技评论编译如下。

首个应用到大规模真实工业场景的神经网络控制系统在谷歌上线了

咱们人类社会面临的许多急迫问题中,有许多问题还在变得越来越杂乱,所有人都急迫地想要找到好的解决办法。关于 DeepMind 和谷歌来说,他们信任如果人类能够把 AI 作为探寻新知识的东西加以运用,找到解决办法就会简单得多。

2016 年时,DeepMind 和谷歌联手开发了一个依据 AI 的动作引荐体系,向担任保护、调理冷却体系的数据中心运营人员引荐不同情况下的应对办法,它让谷歌当时现已具有很高动力效率的引荐体系数据中心向前更进了一步。他们的出发点也很简单,为了应对全球气候变化,大型能耗场所的一点点小改进也能在在削减动力消耗、削减二氧化碳排放方面有严重影响。

最近,DeepMind 把这个体系升级到了一个全新的级别上:不再像本来的体系那样向人类引荐一些动作,然后由人类去完结,AI 体系现在会直接操控数据中心的冷却体系,当然了它也依然遭到数据中心运营人员的专业监控。这是首个依据云的操控体系,现已在多个谷歌的数据中心中安静地运转、继续地节省动力。

工作办法

每隔 5 分钟,这个依据云的 AI 会从数据中心的数千个传感器中收集数据,取得数据中心冷却体系的状况快照,然后把它输入深度神经网络。这个网络会猜测各种可能的操作的不同组合会怎么影响数据中心的能量消耗。然后 AI 就会就会在满意鲁棒安全性约束的条件下判断出一组能够最小化动力消耗的动作。这些动作的判断成果接下来会被发回给数据中心,由本地的操控体系验证并履行。

首个应用到大规模真实工业场景的神经网络控制系统在谷歌上线了

这种体系运转的主意其实来自于在数据中心运用本来那个 AI 引荐体系的操作人员。他们通知 DeepMind 的研究人员们,尽管体系给他们教了一些最新最好的操作技巧,比方让冷却介质掩盖更多的设备,而不是更少,可是完成这些引荐操作其实需求花费十分多的操作精力和长期规划。所以他们自然地就很想知道,能不能不需求人来出力就到达相似的动力节省作用。

现在他们就能够很快乐地宣告,答案是能。谷歌的一位数据库操作人员表明:「咱们期望能够节省动力,一同也下降操作人员的工作强度。主动化的体系就能够让咱们以更高的频率履行更细粒度的举动,一同出的过错还更少。」

统筹安全性和牢靠性

谷歌的数据中心里一般都有上千台效劳器,它们支撑着谷歌查找、Gmail、YouTube 等用户们每天都会运用的效劳。保证这些效劳能够牢靠、高效地运转是最关键的一件事。DeepMind 和谷歌一同规划 AI 智能体以及背面的操控界面时,都是带着安全、牢靠的思想从头规划的,还运用了 8 种不同的机制保证体系能够总是能够依照预期举动。

他们运用的办法里,其中一种较为简单的是估量不确定性。关于总计上亿个可能的动作中的每一种,AI 智能体都需求核算自己以为这是一个好的动作的决心。估量出来决心太低的动作就不去考虑了。

另一个办法是两层验证。AI 核算出的最优举动首要需求依据一个内置的、由数据中心运营人员们拟定的安全约束清单做查看。核算的成果经过查看、从云端发送到实际的数据中心之后,当地的操控体系还会再次把指令依据自己的一套安全约束清单再查看一遍。这种冗余规划的查看流程保证了体系的运转总是在当地的约束之内的,操作人员们也总是对操作的鸿沟有彻底的操控。

最重要的是,谷歌的数据中心总是会遭到人类的彻底操控的,人类随时能够挑选退出 AI 操控形式。这时候,操控体系会主动从 AI 操控无缝地切换到依据现代主动化工业运用的依据现场规矩的以及启发式规划的操控体系。

他们规划的其它安全机制如下图:

首个应用到大规模真实工业场景的神经网络控制系统在谷歌上线了

连续监控、主动过错重启、滑润切换、两层验证、不间断通讯、不确定性估量、规矩与启发式规划的备用操控体系、人类指令优先

越用越节省动力

相比于本来的动作引荐体系需求操作人员自己查看以及施行引荐的动作,新的 AI 操控体系是自己直接完成这些动作的。DeepMind 和谷歌的研究人员在开发它时也有有意识地把体系的优化鸿沟设定到了一个更窄更小的战略中,让它把安全和牢靠作为首要方针,也就是说关于节省动力的方针来说,它需求在过于节省导致的不稳定危险和优化缺乏的低反应之间找到平衡。

尽管只上线了几个月时间,这个体系现已能够稳定地节省平均 30% 左右的动力,并且他们还等待体系未来能够改进更多。这是由于跟着数据更多,体系的优化判断能力也会变得更强,如下图。跟着技能越来越老练,DeepMind 和谷歌的研究人员未来也会把体系的优化鸿沟设置得宽松一些,来到达更好的动力节省作用。

首个应用到大规模真实工业场景的神经网络控制系统在谷歌上线了

这个 AI 直接操控的体系时不时找到一些新的办法管理冷却体系,有一些办法乃至让数据库操作人员觉得惊奇。与这个体系严密协作的一位谷歌数据中心运营人员就惊奇道:「这个 AI 会运用冬季外面比较冷的特色,发生比平常更冷的冷却水,然后削减了给数据中心降温所需的动力消耗。规矩是不会自己变得越来越好的,可是 AI 能够啊。」

关于现已安全运转、独立运转、下降能耗的 AI 直接操控体系,DeepMind 和谷歌都觉得十分激动。不过,在数据中心中运用这样的体系才仅仅是个开始。在久远的未来,他们以为还有许多的潜力把这样的技能运用在其他工业场景中,也就能够在更大的规划上协助对抗气候变化。


声明:景智AI网尊重行业规范,任何转载稿件皆标注作者和来源;景智AI网的原创文章,请转载时务必注明文章作者和"来源:景智AI网", 不尊重原创的行为将受到景智AI网的追责;转载稿件或作者投稿可能会经编辑修改或者补充,有异议可投诉至:mailto:813501038@qq.com

分享:
相关文章
最新文章