L'kecerdasan kecerdasan buatan yang diterapkan pada pendinginan data merupakan salah satu inovasi paling signifikan dalam bidang optimalisasi energi industri.
Sistem otonom yang dikembangkan oleh Google DeepMind, yang telah beroperasi sejak tahun 2018, telah mendemonstrasikan bagaimana AI dapat mengubah manajemen termal infrastruktur penting, mencapai hasil nyata dalam hal efisiensi operasional.
Pusat data modern merupakan konsumen energi yang sangat besar, dengan pendinginan yang mencapai sekitar 10 persen dari total konsumsi listrik menurut Jonathan Koomey, pakar global dalam bidang efisiensi energi. Setiap lima menit, sistem AI berbasis cloud Google menangkap cuplikan sistem pendingin dari ribuan sensor AI yang mengutamakan keselamatan untuk pendinginan pusat data otonom dan kontrol industri - Google DeepMind, menganalisis kompleksitas operasional yang menentang metode kontrol tradisional.
Sistem pendingin AI Google menggunakan jaringan saraf dalam untuk memprediksi dampak kombinasi tindakan yang berbeda pada konsumsi energi di masa depan, mengidentifikasi tindakan mana yang akan meminimalkan konsumsi sekaligus memenuhi batasan keamanan yang kuat DeepMind AI Mengurangi Tagihan Pendinginan Pusat Data Google hingga 40% - Google DeepMind
Hasil yang dicapai dalam optimalisasi pendinginan sangat signifikan: sistem mampu secara konsisten mencapai pengurangan 40% energi yang digunakan untuk pendinginan. Namun, mengingat pendinginan menyumbang sekitar 10% dari total konsumsi, ini berarti sekitar 4% penghematan energi secara keseluruhan di pusat data.
Menurut makalah teknis asli Jim Gao, jaringan saraf mencapai kesalahan absolut rata-rata 0,004 dan deviasi standar 0,005, setara dengan kesalahan 0,4% untuk PUE 1,1.
Implementasi sistem AI secara resmi dikonfirmasi di tiga pusat data tertentu:
Singapura: Penerapan signifikan pertama di tahun 2016, di mana pusat data menggunakan air reklamasi untuk pendinginan dan menunjukkan pengurangan energi pendinginan sebesar 40%.
Eemshaven, Belanda: Pusat data ini menggunakan air industri dan mengkonsumsi 232 juta galon air pada tahun 2023. Marco Ynema, pemimpin lokasi fasilitas ini, mengawasi pengoperasian fasilitas canggih ini.
Council Bluffs, Iowa: MIT Technology Review secara khusus menunjukkan pusat data Council Bluffs selama diskusi tentang sistem AI. Google telah menginvestasikan $5 miliar di dua kampus Council Bluffs, yang menghabiskan 980,1 juta galon air pada tahun 2023.
Sistem kontrol AI berbasis cloud kini telah beroperasi dan memberikan penghematan energi di beberapa pusat data Google, namunperusahaan belum mempublikasikan daftar lengkap fasilitas yang menggunakan teknologi ini.
Menurut paten US20180204116A1, sistem ini menggunakanarsitektur pembelajaran mendalam dengan karakteristik teknis yang tepat:
Arsitekturnya menggunakan Model Predictive Control dengan model ARX linier yang terintegrasi dengan jaringan saraf dalam. Jaringan saraf tidak mengharuskan pengguna untuk menentukan interaksi antar variabel dalam model. Sebaliknya, jaringan saraf mencari pola dan interaksi antar fitur untuk secara otomatis menghasilkan model yang optimal.
PUE mewakili efisiensi energi yang mendasar dari pusat data:
PUE = Total Energi Pusat Data / Energi Peralatan TI
Google memegang sertifikasi ISO 50001 untuk manajemen energi, yang menjamin standar operasional yang ketat tetapi tidak secara khusus memvalidasi kinerja sistem AI.
Inti dari inovasi ini adalah kontrol prediktif yang memprediksi suhu dan tekanan pusat data di masa depan dalam satu jam ke depan, mensimulasikan tindakan yang direkomendasikan untuk memastikan tidak ada kendala operasional yang terlampaui.
Setelah melakukan uji coba, model ini sekarang 99,6 persen akurat dalam memprediksi PUE. Keakuratan ini memungkinkan optimalisasi yang tidak mungkin dilakukan dengan metode tradisional, sekaligus menangani interaksi non-linear yang kompleks antara sistem mekanis, elektrik, dan lingkungan.
Salah satu aspek yang signifikan adalah kemampuan pembelajaran evolusioner. Selama sembilan bulan, kinerja sistem meningkat dari peningkatan 12% pada saat peluncuran awal menjadi sekitar 30%.
Dan Fuenffinger, operator Google, mengatakan: "Sungguh menakjubkan melihat AI belajar untuk mengeksploitasi kondisi musim dingin dan menghasilkan air yang lebih dingin dari biasanya. Aturan tidak akan membaik seiring berjalannya waktu, tetapi AI akan membaik'.
Sistem ini mengelola 19 parameter operasional penting secara bersamaan:
Keamanan operasional dipastikan melalui mekanisme yang berlebihan. Tindakan optimal yang dihitung oleh AI diperiksa dengan daftar internal batasan keamanan yang ditentukan operator. Setelah dikirim ke pusat data fisik, sistem kontrol lokal akan memeriksa ulang instruksi yang diberikan DeepMind AI mengurangi energi yang digunakan untuk mendinginkan pusat data Google hingga 40 persen.
Operator selalu memegang kendali dan dapat keluar dari mode AI kapan saja, dengan mulus beralih ke aturan tradisional.
Industri mengakui keterbatasan Efektivitas Penggunaan Daya sebagai sebuah metrik. Survei Uptime Institute tahun 2014 menemukan bahwa 75 persen responden percaya bahwa industri ini membutuhkan metrik efisiensi baru. Masalahnya meliputi bias iklim (tidak mungkin membandingkan iklim yang berbeda), manipulasi waktu (pengukuran selama kondisi optimal), dan pengecualian komponen.
Setiap pusat data memiliki arsitektur dan lingkungan yang unik. Model yang disesuaikan untuk satu sistem mungkin tidak dapat diterapkan pada sistem lainnya, sehingga membutuhkan kerangka kerja intelijen umum.
Keakuratan model tergantung pada kualitas dan kuantitas data input. Kesalahan model umumnya meningkat untuk nilai PUE di atas 1,14 karena kelangkaan data pelatihan yang sesuai.
Tidak ada audit independen oleh perusahaan audit besar atau laboratorium nasional yang ditemukan, dan Google 'tidak mengupayakan audit pihak ketiga' di luar persyaratan minimum federal.
Pada tahun 2024-2025, Google mengubah penekanannya secara dramatis ke arah:
Perubahan ini mengindikasikan bahwa optimalisasi AI telah mencapai batas praktis untuk beban termal aplikasi AI modern.
Optimalisasi AI untuk pendinginan telah memperluas aplikasi di luar pusat data:
Penghematan energi pada sistem pendingin menghasilkan:
Fase 1 - Penilaian: Audit energi dan pemetaan sistem yang ada Fase2 - Percontohan: Pengujian dalam lingkungan yang terkendali pada bagian yang terbatas Fase3 - Penyebaran: Peluncuran progresif dengan pemantauan intensif Fase4 - Optimalisasi: Penyetelan dan perluasan kapasitas yang berkelanjutan
Tiga pusat data secara resmi telah dikonfirmasi: Singapura (penerapan pertama 2016), Eemshaven di Belanda, dan Council Bluffs di Iowa. Sistem ini beroperasi di beberapa pusat data Google, tetapi daftar lengkapnya tidak pernah diungkapkan kepada publik.
Sistem ini mencapai pengurangan 40% energi yang digunakan untuk pendinginan. Dengan mempertimbangkan bahwa pendinginan menyumbang sekitar 10 persen dari total konsumsi, penghematan energi secara keseluruhan adalah sekitar 4 persen dari total konsumsi pusat data.
Sistemini mencapai akurasi 99,6% dalam memprediksi PUE dengan kesalahan absolut rata-rata 0,004 ± 0,005, setara dengan kesalahan 0,4% untuk PUE 1,1. Jika PUE yang sebenarnya adalah 1,1, AI memprediksi antara 1,096 dan 1,104.
Sistem ini menggunakan verifikasi dua tingkat: pertama, AI memeriksa batasan keamanan yang ditentukan oleh operator, kemudian sistem lokal memeriksa instruksi lagi. Operator selalu dapat menonaktifkan pemeriksaan AI dan kembali ke sistem tradisional.
Implementasi biasanya memakan waktu 6-18 bulan: 3-6 bulan untuk pengumpulan data dan pelatihan model, 2-4 bulan untuk uji coba, 3-8 bulan untuk penerapan bertahap. Kompleksitasnya sangat bervariasi, tergantung pada infrastruktur yang ada.
Dibutuhkan tim multidisiplin dengan keahlian dalam ilmu data/AI, teknik HVAC, manajemen fasilitas, keamanan siber, dan integrasi sistem. Banyak perusahaan memilih untuk bermitra dengan pemasok khusus.
Ya, AI secara otomatis belajar untuk mengeksploitasi kondisi musiman, seperti menghasilkan air yang lebih dingin di musim dingin untuk mengurangi energi pendinginan. Sistem ini terus meningkat dengan mengenali pola cuaca dan iklim.
Setiap pusat data memiliki arsitektur dan lingkungan yang unik, sehingga membutuhkan penyesuaian yang signifikan. Kompleksitas implementasi, kebutuhan akan data yang spesifik, dan keahlian yang dibutuhkan membuat pemasaran langsung menjadi rumit. Setelah delapan tahun, teknologi ini tetap menjadi milik internal Google secara eksklusif.
Tidak ada audit independen oleh perusahaan audit besar (Deloitte, PwC, KPMG) atau laboratorium nasional yang ditemukan. Google memiliki sertifikasi ISO 50001 tetapi 'tidak melakukan audit pihak ketiga' di luar persyaratan minimum federal.
Tentu saja. Pengoptimalan AI untuk pendinginan dapat diterapkan pada pabrik industri, pusat perbelanjaan, rumah sakit, kantor perusahaan, dan fasilitas apa pun dengan sistem HVAC yang kompleks. Prinsip-prinsip pengoptimalan multi-variabel dan kontrol prediktif dapat diterapkan secara universal.
Sistem pendingin Google DeepMind AI mewakili inovasi teknik yang mencapai peningkatan inkremental dalam domain tertentu. Bagi perusahaan yang mengoperasikan infrastruktur yang intensif energi, teknologi ini menawarkan peluang konkret untuk optimalisasi pendinginan, meskipun dengan keterbatasan skala yang disoroti.
Sumber utama: Jim Gao Makalah Penelitian Google, Blog Resmi DeepMind, Tinjauan Teknologi MIT, Paten US20180204116A1
.svg)
.svg)
.svg)
