Google DeepMind lanza un sistema de aprendizaje por refuerzo para optimizar el consumo de energía de los centros de datos
El sistema de aprendizaje por refuerzo desarrollado por Google DeepMind puede controlar dinámicamente la refrigeración de los centros de datos y la programación de cargas de trabajo, aprendiendo la estrategia óptima basada en datos históricos de telemetría, y operando en un ciclo cerrado supervisado por humanos con restricciones de seguridad. La implementación inicial logró una reducción de dos dígitos en el consumo de energía de refrigeración, manteniendo al mismo tiempo la fiabilidad y los límites térmicos. El sistema también introduce una programación consciente de la red eléctrica, transfiriendo tareas de IA flexibles a períodos de baja presión en la red o con alta generación de energías renovables, como un caso de análisis de la aplicación de RL en sistemas industriales a gran escala, Google expresó su disposición a compartir experiencias con los operadores. Los defensores de la privacidad y del medio ambiente están atentos, y la industria está trabajando para contrarrestar el aumento en el consumo de energía causado por las cargas de trabajo de IA.