Η ραγδαία ανάπτυξη νέων εφαρμογών της τεχνητής νοημοσύνης, του Διαδικτύου των πραγμάτων και της επιστήμης των δεδομένων σε ολοένα και περισσότερους τομείς απαιτεί τη χρήση τεράστιων υπολογιστικών πόρων σε κέντρα δεδομένων (data centers), που ενσωματώνουν στη λειτουργία τους σύνθετους υπολογιστικά και ενεργοβόρους αλγορίθμους τεχνητής νοημοσύνης. Το ενεργειακό αποτύπωμα των σύγχρονων κέντρων δεδομένων έχει αυξηθεί σημαντικά τα τελευταία χρόνια, φτάνοντας περίπου στο 2% της παγκόσμιας κατανάλωσης ηλεκτρικής ενέργειας, ενώ ήδη είναι στο 4% σε χώρες της Ε.Ε. και στις ΗΠΑ, με την Ιρλανδία που φιλοξενεί πολλά data centers να φτάνει στο 20%.
Εκτιμήσεις υπολογίζουν ότι πολύ σύντομα, το 2026, το μερίδιο αυτό θα διπλασιαστεί, ενώ στο κοντινό μέλλον αναμένεται ακόμα πιο μεγάλη άνοδος των ενεργειακών απαιτήσεων. Πώς θα μπορούσε να υπάρχουν βιώσιμα data centers; Πώς μπορεί να μειωθεί η κατανάλωση ενέργειας; Ένα έργο του ερευνητικού κέντρου «Αθηνά» έρχεται να δώσει απαντήσεις, με σύγχρονες εφαρμογές με χρήση τεχνητής νοημοσύνης, που μειώνουν τη δέσμευση υπολογιστικών συστημάτων από 7% έως και 38% σε περιόδους αιχμής, με συνέπεια ανάλογη εξοικονόμηση ενέργειας.
«Η κατανάλωση ενέργειας από data center είναι ήδη σημαντική και βαίνει αυξανόμενη. Το 40% της ενέργειας πηγαίνει στη λειτουργία των υπολογιστικών συστημάτων, το 40% στην ψύξη τους και το υπόλοιπο σε άλλες απαιτήσεις. Η επερχόμενη λειτουργία σε ευρεία κλίμακα υπηρεσιών που βασίζονται στα νέα μεγάλα γλωσσικά μοντέλα τεχνητής νοημοσύνης (Large Language Models), όπως είναι το ChatGPT, καθώς και η αύξηση των υπηρεσιών κρυπτονομισμάτων αναμένεται να αυξήσουν ακόμα περισσότερο την κατανάλωση ενέργειας», λέει στην «Κ» ο δρ Γιώργος Παπαστεφανάτος, κύριος ερευνητής στο Ινστιτούτο Πληροφοριακών Συστημάτων του «Αθηνά».
Βροχή επενδύσεων στα Σπάτα
Το έργο ARCADIA, που υλοποιήθηκε από την ομάδα του κ. Παπαστεφανάτου σε συνεργασία με την Intracom Telecom, στοχεύει στη βελτιστοποίηση της διαδικασίας δέσμευσης υπολογιστικών πόρων σε ένα data center. «Ενα κέντρο δεδομένων έχει πολλούς και διάφορους υπολογιστικούς πόρους: Επεξεργαστές (CPU), μνήμη, όγκος δεδομένων (bandwidth) κ.ά. Εμείς στοχεύουμε να κατανείμουμε βέλτιστα τη χρήση των πόρων λαμβάνοντας υπόψη τόσο τις κυμαινόμενες απαιτήσεις των χρηστών, όσο και τους περιορισμούς στην κατανάλωση ενέργειας. Για παράδειγμα, υπηρεσίες με μεγάλες ενεργειακές απαιτήσεις να εκτελούνται τις ώρες με διαθεσιμότητα ενέργειας από ανανεώσιμες πηγές», εξηγεί ο κ. Παπαστεφανάτος. «Συνήθως, Δευτέρα πρωί που πολλές εταιρείες κάνουν τηλεσυσκέψεις για να οργανώσουν το εβδομαδιαίο πρόγραμμά τους οι απαιτήσεις είναι πολύ μεγάλες. Το ίδιο κι όταν βρέχει και υπάρχει μποτιλιάρισμα στους δρόμους, και πολύ περισσότεροι αναζητούν στη συσκευή πλοήγησης μια εναλλακτική διαδρομή. Τότε πρέπει να δώσεις περισσότερους πόρους. Τη νύχτα όμως η κίνηση σε ένα κέντρο δεδομένων και η απαίτηση πόρων είναι μειωμένη συγκριτικά με άλλες ώρες της ημέρας, αφήνοντας έτσι αρκετά μηχανήματα με χαμηλό φόρτο εργασίας. Μεταφέροντας τις εφαρμογές από τα μηχανήματα με χαμηλό φόρτο σε μηχανήματα με μεγαλύτερο φόρτο, συγκεντρώνεται η εξυπηρέτηση των εφαρμογών σε λιγότερα μηχανήματα, χωρίς να επηρεάζονται οι επιδόσεις του κέντρου ή να απειλείται η σωστή λειτουργία των εφαρμογών και η τήρηση των όποιων συμφωνιών με εταιρείες», συμπληρώνει ο ερευνητής του «Αθηνά». Το ARCADIA, που χρηματοδοτήθηκε από την Ε.Ε. – NextGenerationEU, επικεντρώνεται κατ’ αρχάς σε συστήματα που φιλοξενούν εφαρμογές με δυναμικές απαιτήσεις πόρων, όπως επίσης και σε περιβάλλοντα με υψηλές απαιτήσεις κατανάλωσης ενέργειας λόγω της ταυτόχρονης και συνεχούς λειτουργίας συστάδων διακομιστών και φυσικού εξοπλισμού, όπως συμβαίνει στα τηλεπικοινωνιακά δίκτυα νέας γενιάς. Η ομάδα του ARCADIA αποτελείται από τους Γ. Παπαστεφανάτο, Γ. Γιαννόπουλο, Δ. Παρανού και Δ. Κατσίρο από το Ε.Κ. «Αθηνά» και τους Δ. Τσόλκα, Ν. Αναστόπουλο, Ε. Αγγέλου, Α. Πεντέλα, Γ. Δούκα, Κ. Χονδραλή από την Intracom – Telecom.
Αλγόριθμοι προβλέπουν τις μελλοντικές απαιτήσεις πόρων και η εξοικονόμηση ενέργειας γίνεται μέσω απενεργοποίησης διακομιστών που δεν χρησιμοποιούνται σε περιόδους χαμηλής ζήτησης.
Βεβαίως, όλα αυτά γίνονται αυτοματοποιημένα. Αλλά επειδή η μεταφορά εργασιών και το άνοιγμα ή το κλείσιμο των μεγάλων υπολογιστικών συστημάτων των κέντρων δεδομένων απαιτεί κάποιο χρόνο, το ARCADIA διαμορφώνει αλγορίθμους με τεχνικές μηχανικής μάθησης, οι οποίοι προβλέπουν τις μελλοντικές απαιτήσεις πόρων σε μια υποδομή με στόχο την καλύτερη κατανομή αυτών σε συστάδες διακομιστών, καθώς και τη συνεκτέλεση υπηρεσιών με σκοπό τη μείωση της κατανάλωσης ενέργειας σε πραγματικό χρόνο. Η εξοικονόμηση πραγματοποιείται μέσω της απενεργοποίησης διακομιστών που δεν χρησιμοποιούνται σε περιόδους χαμηλής ζήτησης.
Οι παραπάνω μέθοδοι ενσωματώθηκαν σε εμπορική πλατφόρμα της Intracom Telecom, η οποία έχει υλοποιηθεί επιτυχώς σε τηλεπικοινωνιακό πάροχο της Ιαπωνίας και έχει βραβευθεί διεθνώς από τον Παγκόσμιο Οργανισμό Καινοτομίας, Τεχνολογίας και Υπηρεσιών (WITSA).
«Στο πλαίσιο του ARCADIA παρήχθησαν επίσης δεδομένα που αφορούν μετρήσεις κατανομής πόρων και κατανάλωσης ενέργειας σε διαφορετικά σενάρια χρήσης (π.χ. υπηρεσίες ΑΙ, υπηρεσίες τηλεπικοινωνιακού φορτίου κ.ά.) και τα οποία έχουν διατεθεί ανοιχτά με στόχο τη χρήση τους από την επιστημονική κοινότητα για την ανάπτυξη νέων μοντέλων και μεθόδων», δίνει μία ακόμα διάσταση του έργου ο κ. Παπαστεφανάτος.
Πηγή: kathimerini.gr
