Google DeepMind lance un système d'apprentissage par renforcement pour optimiser la consommation d'énergie des centres de données
Le système d'apprentissage par renforcement développé par Google DeepMind peut contrôler dynamiquement le refroidissement des centres de données et la planification des charges de travail, en apprenant la stratégie optimale à partir de données télémétriques historiques, et fonctionne sous supervision humaine dans une boucle fermée avec des contraintes de sécurité.
Le déploiement initial a permis une réduction à deux chiffres de la consommation d'énergie de refroidissement, tout en maintenant la fiabilité et les limites thermiques.
Ce système introduit également une planification sensible au réseau électrique, transférant les tâches d'IA flexibles vers des périodes où la pression sur le réseau est faible ou où la part d'énergie renouvelable est élevée, comme étude de cas pour l'application de RL dans de grands systèmes industriels, Google indique être prêt à partager son expérience avec les opérateurs.
Les défenseurs de la vie privée et de l'environnement surveillent de près, l'industrie s'efforçant de compenser la croissance de la consommation d'énergie causée par la charge de travail de l'IA.
Le déploiement initial a permis une réduction à deux chiffres de la consommation d'énergie de refroidissement, tout en maintenant la fiabilité et les limites thermiques.
Ce système introduit également une planification sensible au réseau électrique, transférant les tâches d'IA flexibles vers des périodes où la pression sur le réseau est faible ou où la part d'énergie renouvelable est élevée, comme étude de cas pour l'application de RL dans de grands systèmes industriels, Google indique être prêt à partager son expérience avec les opérateurs.
Les défenseurs de la vie privée et de l'environnement surveillent de près, l'industrie s'efforçant de compenser la croissance de la consommation d'énergie causée par la charge de travail de l'IA.