麻省理工學(xué)院的專家說，運行人工智能(AI)的數(shù)據(jù)中心將比使用人工編輯算法時間表的數(shù)據(jù)中心效率更高。研究人員表示，他們已經(jīng)開發(fā)了一種自動調(diào)度程序，可以將群集作業(yè)的速度提高20%或30%，在高峰期甚至可以提高2倍。
麻省理工學(xué)院人工智能作業(yè)調(diào)度程序可使用一種稱為“強化學(xué)習(xí)”(RL)的人工智能。這是一種基于反復(fù)試驗的機器學(xué)習(xí)方法，可以根據(jù)特定集群中的實際工作量來修改調(diào)度決策。如果做得正確，人工智能可以取代當(dāng)前的最新方法，即算法。它們通常必須由工作人員進(jìn)行微調(diào)，從而導(dǎo)致效率低下。
麻省理工學(xué)院在與該技術(shù)相關(guān)的新聞文章中說：“該系統(tǒng)可以使數(shù)據(jù)中心使用更少的資源以更高的速度處理相同的工作負(fù)載。適應(yīng)數(shù)據(jù)中心的強化學(xué)習(xí)形式可以徹底改變運營。”
麻省理工學(xué)院電氣工程與計算機科學(xué)系的學(xué)生Honghong Mao說，“如果使用機器進(jìn)行反復(fù)試驗的方法，他們可以嘗試不同的調(diào)度工作方式，并自動找出哪種策略比其他方法更好。利用率稍有改善，即使是1%，也能節(jié)省數(shù)百萬美元和大量能源。”
當(dāng)今的數(shù)據(jù)中心算法面臨哪些問題
當(dāng)前在數(shù)千臺服務(wù)器上運行任務(wù)的當(dāng)前算法的問題是它們效率不高。理論上，它們應(yīng)該是這樣的，但是由于工作負(fù)載(任務(wù)的組合)是不同的，因此人類需要參與調(diào)整性能(例如，可能需要在作業(yè)之間共享資源，或者某些作業(yè)可能需要比其他作業(yè)更快地執(zhí)行)但是人類無法處理修改的范圍或范圍;這項工作太大了。
在人工編輯的調(diào)度中，人類無法理解的排列可以包括以下事實：較低的節(jié)點(較小的計算任務(wù))直到上節(jié)點(更大的、需要功率的計算任務(wù))完成其工作才能開始工作。科學(xué)家們解釋說，計算資源的分配非常復(fù)雜。
麻省理工學(xué)院的系統(tǒng)Decima可以處理節(jié)點和邊緣(邊緣連接節(jié)點和鏈接任務(wù))的動態(tài)圖形(表示)。而強化學(xué)習(xí)(RL)以前不可能做到這一點，因為無法充分理解圖表，傳統(tǒng)的強化學(xué)習(xí)(RL)系統(tǒng)不習(xí)慣處理這樣的動態(tài)圖。
麻省理工學(xué)院基于圖形的人工智能與其他形式的圖像人工智能有所不同。例如，機器人通過處理圖像并在正確的情況下獲取獎勵信號來了解不同場景下對象之間的差異。
但是，類似于向機器人呈現(xiàn)圖像，Decima系統(tǒng)中的工作負(fù)載被模仿，直到該系統(tǒng)通過接收人工智能獎勵信號來改善其決策為止。這樣，一種特殊的基準(zhǔn)(與歷史進(jìn)行比較)就可以幫助Decima找出哪些行動是好事，哪些是不好的事，即使由于工作結(jié)構(gòu)的復(fù)雜化使工作速度減慢，工作序列僅提供了較差的獎勵信號。基線是MIT系統(tǒng)中的關(guān)鍵差異因素。
麥迪遜威斯康星大學(xué)教授Aditya Akella說，“Decima可以找到調(diào)度優(yōu)化的機會，而這是繁重的工作，無法通過人工設(shè)計/調(diào)整過程來實現(xiàn)。那里的團隊開發(fā)了許多高性能的調(diào)度程序。”
