Проблема: «Жир» в ПО и низкая утилизация
Глобальный бум строительства дата-центров создает колоссальную нагрузку на электросети, вынуждая полагаться на ископаемое топливо. Кристина Делимиру, доцент кафедры электротехники и компьютерных наук MIT, выявила ключевую причину неэффективности: программное обеспечение работает на пределе, в то время как аппаратное обеспечение используется слабо. Исследования показали, что большинство крупных вычислительных систем работают всего при 15% утилизации, что является неустойчивой моделью масштабирования.
Решение: ИИ для оптимизации ресурсов
Команда Делимиру применяет машинное обучение для перепроектирования облачных систем, чтобы они лучше соответствовали возможностям существующего оборудования. Главная задача — убрать программный «жир» без ущерба для производительности. Если утилизацию довести до 100%, операторам не придется строить новые центры для удовлетворения растущего спроса. Особое внимание уделяется интерпретируемости ИИ: система должна не только оптимизировать, но и объяснять причины решений разработчикам.
Инструмент Seer: Предиктивная аналитика
Одним из главных достижений группы является инструмент Seer, использующий глубокое обучение для прогнозирования сбоев в веб-приложениях до их возникновения. Это позволяет предотвращать масштабные замедления и простои, которые обычно возникают при ручном исправлении ошибок. Оптимизация ресурсов в облаке обеспечивает пользователям более предсказуемую производительность приложений на смартфонах.
Эволюция подхода: От монолитов к микросервисам
Ранние работы Делимиру фокусировались на управлении ресурсами в единых системах. Однако с переходом индустрии к микросервисной архитектуре (разбиение приложений на мелкие части для ускорения развертывания) старые методы стали неэффективны. Серверы не были спроектированы под такой стиль разработки, что потребовало создания новых ИИ-систем, адаптированных под распределенные вычисления.
| Параметр | Стандартное состояние (до оптимизации) | Целевое состояние (с ИИ-оптимизацией) |
|---|---|---|
| Утилизация серверов | ~15% | Близко к 100% |
| Реакция на сбои | Ручное исправление, простои | Предиктивное предотвращение (Seer) |
| Экологический след | Высокий (строительство новых ЦОД) | Сниженный (использование существующих мощностей) |
Значение для отрасли
Работа Делимиру демонстрирует, что экологическая проблема дата-центров решается не только переходом на «зеленую» энергию, но и архитектурной оптимизацией. Интеграция объяснимого ИИ (Explainable AI) в системное администрирование позволяет инженерам понимать логику оптимизации, что критически важно для внедрения таких решений в критически важную инфраструктуру.
Источник: MIT News AI ↗