Haciendo que los centros de datos sean más ecológicos al corregir sistemas informáticos derrochadores
Los centros de datos masivos consumen enormes cantidades de energía y saturan las redes eléctricas. Una investigadora del MIT utiliza el aprendizaje automático para hacer que estas redes de computadoras sean más eficientes y reduzcan el desperdicio.
En resumen: Los centros de datos masivos consumen enormes cantidades de energía y saturan las redes eléctricas. Una investigadora del MIT utiliza el aprendizaje automático para hacer que estas redes de computadoras sean más eficientes y reduzcan el desperdicio.
Cada vez que transmites música o te unes a una videollamada, almacenes distantes llenos de computadoras zumbantes entran en acción, pero estos gigantes hambrientos de energía a menudo desperdician una cantidad pasmosa de electricidad.
Qué ocurrió, en palabras sencillas
Christina Delimitrou, profesora asociada en el Instituto de Tecnología de Massachusetts, está rediseñando cómo operan los centros de datos masivos y los sistemas de computación en la nube. Mediante la aplicación del aprendizaje automático, su equipo ayuda a que las computadoras funcionen de manera más eficiente, gestiona mejor el hardware compartido y corrige errores de aplicaciones para reducir la energía desperdiciada y evitar la construcción de nuevas plantas de energía.
Puntos clave
- Capacidad desperdiciada: Muchos grandes sistemas informáticos operan a solo un 15 por ciento de su capacidad a pesar de la alta demanda de los usuarios, lo que lleva a un uso ineficiente de la energía.
- Soluciones de aprendizaje automático: Delimitrou utiliza el aprendizaje automático para automatizar la gestión de recursos en la nube, ayudando a los sistemas a extraer más potencia del hardware existente.
- Prevención de ralentizaciones en aplicaciones: Su grupo desarrolló una herramienta llamada Seer, que utiliza el aprendizaje profundo para anticipar y prevenir problemas en aplicaciones web antes de que causen ralentizaciones generalizadas.
- Imitación de sistemas cerrados: Debido a que las empresas de tecnología utilizan hardware y software privado al que los equipos académicos no tienen acceso, su grupo construye clones como una herramienta llamada Ditto para estudiar el rendimiento del sistema.
Términos explicados
- Aprendizaje automático — Un tipo de tecnología informática que permite al software aprender de los datos y tomar decisiones sin ser programado explícitamente para cada paso. Ejemplo: Una aplicación de música que aprende tus canciones favoritas y sugiere automáticamente pistas similares que podrías disfrutar.
- Computación en la nube — El uso de una red de servidores remotos alojados en internet para almacenar, gestionar y procesar datos, en lugar de utilizar una computadora local. Ejemplo: Guardar tus fotos en un servicio de almacenamiento de fotos en línea para que puedas verlas desde cualquier dispositivo.
- Aprendizaje profundo — Una rama avanzada del aprendizaje automático que utiliza redes neuronales digitales complejas para resolver problemas difíciles como el reconocimiento de voz o imágenes. Ejemplo: Una aplicación de teléfono inteligente que identifica diferentes tipos de plantas a partir de una foto que tomas.
Por qué importa
Hacer que los sistemas en nube sean más eficientes puede ayudar a reducir la intensa presión sobre la red eléctrica causada por los crecientes centros de datos, al tiempo que otorga a los usuarios cotidianos de teléfonos inteligentes un rendimiento de aplicaciones más predecible.
Lo que aún no sabemos
Las empresas de tecnología utilizan hardware y software privado al que los equipos académicos no tienen acceso, lo que significa que las soluciones de laboratorio pueden no funcionar siempre en el mundo real.
Basado en información de MIT News. Este es un texto explicativo independiente, escrito con palabras propias y ayuda de IA; MIT News no lo ha revisado ni respaldado. Lee el original para ver todos los detalles.