مهندسی کارآمدی داده‌سنترها؛ تلاش پژوهشگر ام‌آی‌تی برای کاهش تهدیدات زیست‌محیطی هوش مصنوعی

رشد جهانی مراکز داده پرمصرف باعث تحت فشار قرار گرفتن شبکه‌های برق و وابستگی بیشتر به سوخت‌های فسیلی آلاینده شده است. کریستینا دلیمیترو، دانشیار ام‌آی‌تی، با بازنگری در نحوه عملکرد سرورهای کامپیوتری و تجهیزات شبکه درون این مراکز، به مبارزه با این تهدید زیست‌محیطی برخسته است. او و گروهش با به‌کارگیری یادگیری ماشین، سیستم‌های رایانش ابری مقیاس‌پذیر را کارآمدتر، امن‌تر و قابل‌اعتمادتر می‌کنند.

این پیشرفت‌ها به اپراتورهای مراکز داده اجازه می‌دهد قدرت محاسباتی بیشتری از سخت‌افزارهای موجود استخراج کنند. به گفته دلیمیترو، اگر مراکز داده به بهترین شکل استفاده نشوند، انرژی بسیار بیشتری نسبت به نیاز کاربران مصرف خواهند کرد. هدف این است که با حذف اضافات نرم‌افزاری بدون افت عملکرد، از ساخت مراکز داده جدید جلوگیری شود. او همچنین از هوش مصنوعی برای کمک به برنامه‌نویسان در یافتن و رفع مشکلات برنامه‌های ابری استفاده می‌کند که باعث کاهش زمان خرابی و بهینه‌سازی منابع می‌شود.

دلیمیترو پس از تحصیل در رشته مهندسی کامپیوتر در یونان و دریافت مدرک دکتری از دانشگاه استنفورد، به تحقیق روی ناکارآمدی سیستم‌های ابری پرداخت. او و استاد راهنمایش دریافتند که بسیاری از سیستم‌های محاسباتی بزرگ تنها با ۱۵ درصد ظرفیت خود کار می‌کنند. برای رساندن این بهره‌وری به نزدیک ۱۰۰ درصد، او استفاده از راه‌حل‌های یادگیری ماشین را برای خودکارسازی مدیریت منابع آغاز کرد.

یکی از ابزارهای توسعه‌یافته توسط گروه او به نام Seer، از یادگیری عمیق برای پیش‌بینی و پیشگیری از مشکلات در برنامه‌های وب استفاده می‌کند. در ام‌آی‌تی، او به تدریس و پژوهش در زمینه تطبیق سیستم‌های نرم‌افزاری با قابلیت‌های سخت‌افزاری ادامه می‌دهد و ابزارهایی مانند Ditto را برای شبیه‌سازی سیستم‌های اختصاصی شرکت‌ها توسعه داده است. با این حال، او بر این نکته تأکید می‌کند که استفاده از هوش مصنوعی باید با احتیاط صورت گیرد تا قابلیت درک و ممیزی راه‌حل‌ها حفظ شود.