کریستینا دلیمیترو، استاد تازه‌منتخب MIT، با استفاده از یادگیری ماشین تلاش می‌کند مراکز داده بزرگ را کارآمدتر، ایمن‌تر و قابل‌اعتمادتر کند تا اثرات زیست‌محیطی آن‌ها کاهش یابد.
در پی افزایش ساخت مراکز داده پرمصرف در سراسر جهان و فشار بر شبکه‌های برق، کریستینا دلیمیترو، استاد دانشکده مهندسی برق و علوم کامپیوتر MIT، راهکارهایی مبتنی بر هوش مصنوعی برای بهبود بهره‌وری این مراکز ارائه می‌دهد. به گفته دلیمیترو، اگر مراکز داده به‌درستی استفاده نشوند، انرژی بیشتری نسبت به نیاز واقعی مصرف می‌کنند و این موضوع وابستگی به سوخت‌های فسیلی را افزایش می‌دهد.
دلیمیترو و گروهش با بازطراحی سیستم‌های ابری و توسعه روش‌هایی برای مدیریت منابع سخت‌افزاری مشترک، تلاش می‌کنند توان محاسباتی بیشتری از سخت‌افزار موجود استخراج کنند. او می‌گوید: «در این سیستم‌ها، به‌ویژه در بخش نرم‌افزار، تورم زیادی وجود دارد. اگر بتوانیم این تورم را بدون کاهش عملکرد حذف کنیم، نیاز به ساخت مراکز داده جدید کمتر می‌شود.»
نقش هوش مصنوعی در بهبود مراکز داده
دلیمیترو از هوش مصنوعی برای کمک به برنامه‌نویسان در یافتن و رفع مشکلات برنامه‌های ابری مانند سرویس‌های پخش موسیقی یا ویدئوکنفرانس استفاده می‌کند. این کار باعث کاهش زمان ازکارافتادگی برنامه‌ها و جلوگیری از هدررفت منابع محاسباتی می‌شود. او همچنین با استفاده از هوش مصنوعی، سیستم‌های نرم‌افزاری را به گونه‌ای بازطراحی می‌کند که با سخت‌افزار موجود سازگارتر باشند.
به گفته دلیمیترو، یکی از چالش‌های اصلی در به‌کارگیری هوش مصنوعی در این حوزه، عدم شفافیت مدل‌هاست. او می‌گوید: «بخش زیادی از کار فعلی ما افزودن قابلیت توضیح‌پذیری به این ابزارهای هوش مصنوعی است تا کاربران بتوانند بازخورد مفیدی از سیستم دریافت کنند.»
افزایش بهره‌وری و کاهش مصرف انرژی
دلیمیترو در پژوهش‌های قبلی خود دریافته است که بسیاری از مراکز داده بزرگ تنها با حدود ۱۵ درصد ظرفیت خود کار می‌کنند. او با استفاده از یادگیری ماشین، به دنبال افزایش این بهره‌وری و نزدیک کردن آن به ظرفیت کامل است. به گفته او، مدیریت منابع با هوش مصنوعی می‌تواند راه‌حل‌هایی ارائه دهد که توسعه‌دهندگان به‌تنهایی قادر به یافتن آن‌ها نیستند.
ابزارها و رویکردهای جدید
یکی از ابزارهایی که گروه دلیمیترو توسعه داده، Seer نام دارد که با یادگیری عمیق، مشکلات احتمالی در برنامه‌های وب را پیش‌بینی و از بروز آن‌ها جلوگیری می‌کند. همچنین، ابزار Ditto برای شبیه‌سازی ساختار و عملکرد برنامه‌های ابری اختصاصی طراحی شده تا امکان مطالعه و آزمایش گسترده‌تر فراهم شود.
