首個應用到大規模真實工業場景的神經網路控制系統,在 Google 上線了

作者 | 發布日期 2018 年 08 月 20 日 15:00 | 分類 AI 人工智慧 , Google , 能源科技 follow us in feedly

即便深度學習和其他機器學習方法近幾年進展不小,但直接應用到真實工業場景、直接控制工業系統還未見到。深度學習本身缺乏穩健性、面對新狀況難以預測行為等一些特徴固然是重要的制肘之處,如何讓演算法逐步提高控制範圍、協調與人類的合作也是難題。DeepMind 和 Google 最近的嘗試取得不小成功,DeepMind 部落格做了介紹,以下編譯原文



人類社會面對許多緊迫問題,其中有些變得越來越複雜,所有人都急切想找到好的解決方法。對 DeepMind 和 Google 來說,相信如果人類可把 AI 當作探尋新知識的工具,找到解決方法就容易得多。

2016 年時,DeepMind 和 Google 聯手開發基於 AI 的動作建議系統,建議負責維護、調節冷卻系統的資料中心營運人員不同狀況下的應對方法,讓 Google 當時已有很高能源效率的建議系統資料中心向前更進一步。出發點也很簡單,為了應付全球氣候變化,大型能耗場所的一點小改進也能在減少能源消耗、減少二氧化碳排放產生重大影響。

最近,DeepMind 把這個系統升級到全新等級:不再像原來的系統建議一些動作,然後由人類完成,AI 系統現在會直接控制資料中心的冷卻系統,當然 AI 仍受營運人員的專業監控。這是首個基於雲端的控制系統,已在多個 Google 資料中心安靜執行、持續節省能源。

工作方式

每隔 5 分鐘,這個基於雲端的 AI 會從資料中心數千個感測器採集資料,獲得資料中心冷卻系統的狀態快照,然後匯入深度神經網路。網路會預測各種可能作業的不同組合如何影響資料中心的能量消耗。然後 AI 會在滿足穩健安全性限制的條件下判斷出一組最小化能源消耗的動作。判斷結果接下來會發回資料中心,由區域控制系統驗證並執行。

這種系統執行想法其實來自使用原來 AI 建議系統的作業人員。他們告訴 DeepMind 研究人員,雖然系統給了一些最新最好的作業技巧,比如讓冷卻介質涵蓋更多裝置,而不是更少,但實現這些建議其實需要花費非常多精力和長期規劃,所以他們自然很想知道,能否不需要人力就達到類似效果。

現在他們很高興地宣布,答案是能。Google 一位作業人員表示:「我們希望節省能源,同時也降低作業員的工作強度。自動化系統就可讓我們以更高頻率執行更細節的行動,同時出錯更少。」

兼顧安全性和可靠性

Google 資料中心一般有上千台伺服器,支撐 Google 搜尋、GmailYouTube 等用戶每天使用的服務。確保這些服務可靠、高效執行是最關鍵的事。DeepMind 和 Google 一起設計 AI 智慧體及背後控制介面時,都是以安全、可靠的思維從頭設計,還使用 8 種不同機制確保系統總能按照預期行動。

使用的方法裡,其中一種較簡單的是估計不確定性。對於總計上億個可能動作的每一種,AI 都需要計算自身認為這是一個好動作的信心,信心太低的動作就不考慮。

另一方法是兩層驗證。AI 計算出的最優行動首先需要根據內建、營運人員制定的安全限制清單來檢查。計算結果通過檢查、從雲端傳送到實際資料中心之後,當地控制系統還會再次根據自己的安全限制清單再檢查一遍指令。這種多餘設計的檢查流程確保系統執行總在當地限制之內,作業人員也總能完全控制作業。

最重要的是,Google 資料中心總會受人類的完全控制,人類隨時可選擇結束 AI 控制型態。這時,控制系統會自動從 AI 控制切換到基於現代自動化工業使用、基於現場規則及啟發式設計的控制系統。

其他安全機制如下圖:

連續監控、自動錯誤重啟、平滑切換、兩層驗證、不間斷通訊、不確定性估計、規則與啟發式設計的備用控制系統、人類指令優先。

越用越節省能源

相比於原來動作建議系統需要作業人員自己檢查及動作,新的 AI 控制系統自己直接動作。DeepMind 和 Google 研究人員開發時,也有意識地把系統最佳化邊界設定更窄小的策略,讓 AI 把安全和可靠列為首要目標,也就是說對節約能源的目標來說,AI 需要在過度節約導致不穩定風險和最佳化不足的低回饋之間找到平衡。

雖然只上線幾個月,此系統已可穩定節約平均 30% 能源,他們還期待系統未來可以改善更多。這是因為隨著資料更多,系統的最佳化判斷能力也會變得更強,如下圖。隨著技術越來越成熟,DeepMind 和 Google 研究人員未來也會把系統最佳化範圍設定寬鬆些,達到更佳的能源節約效果。

AI 直接控制的系統時不時找到一些新方法管理冷卻系統,有一些方法甚至讓作業人員驚訝。與這個系統緊密合作的 Google 資料中心營運人員驚訝說:「這個 AI 會利用冬天外面較冷,產生比平時更冷的冷卻水,然後減少資料中心降溫所需的能源消耗。規則不會自己變得越來越好,但 AI 可以。」

對已安全執行、獨立執行、降低能耗的 AI 直接控制系統,DeepMind 和 Google 非常激動。不過,資料中心使用這種系統才剛開始。長遠的未來,他們認為還有很多潛力把這種技術運用到其他工業場景,幫助人類對抗氣候變化。

(本文由 雷鋒網 授權轉載;圖片來源:DeepMind