Rendre les centres de données plus écologiques en corrigeant les systèmes informatiques gaspilleurs

En bref: Les centres de données massifs consomment de vastes quantités d'énergie et soumettent les réseaux électriques à rude épreuve. Une chercheuse du MIT utilise l'apprentissage automatique pour rendre ces réseaux informatiques plus efficaces et réduire le gaspillage.

Chaque fois que vous écoutez de la musique en streaming ou participez à un appel vidéo, des entrepôts lointains remplis d'ordinateurs vrombissants entrent en action, mais ces géants voraces en énergie gaspillent souvent une quantité ahurissante d'électricité.

Ce qui s'est passé, en mots simples

Christina Delimitrou, professeure agrégée au Massachusetts Institute of Technology, repense le fonctionnement des centres de données massifs et des systèmes informatiques en nuage. En appliquant l'apprentissage automatique, son équipe aide les ordinateurs à fonctionner plus efficacement, gère mieux le matériel partagé et corrige les erreurs applicatives pour réduire le gaspillage d'énergie et éviter la construction de nouvelles centrales électriques.

Points clés

Capacité gaspillée: De nombreux grands systèmes informatiques ne fonctionnent qu'à environ 15 pour cent de leur capacité malgré une forte demande des utilisateurs, ce qui entraîne une utilisation inefficace de l'énergie.
Solutions d'apprentissage automatique: Delimitrou utilise l'apprentissage automatique pour automatiser la gestion des ressources dans le nuage, aidant les systèmes à tirer davantage de puissance du matériel existant.
Prévention des ralentissements d'applications: Son groupe a développé un outil appelé Seer, qui utilise l'apprentissage profond pour anticiper et prévenir les problèmes dans les applications web avant qu'ils ne provoquent des ralentissements généralisés.
Mimétisme des systèmes fermés: Parce que les entreprises technologiques utilisent du matériel et des logiciels privés auxquels les équipes académiques n'ont pas accès, son groupe construit des clones tels qu'un outil appelé Ditto pour étudier les performances du système.

Termes expliqués

Apprentissage automatique — Un type de technologie informatique qui permet aux logiciels d'apprendre à partir de données et de prendre des décisions sans être explicitement programmés pour chaque étape. Exemple: Une application de musique qui apprend vos chansons préférées et suggère automatiquement des morceaux similaires que vous pourriez apprécier.
Informatique en nuage — L'utilisation d'un réseau de serveurs distants hébergés sur Internet pour stocker, gérer et traiter des données, plutôt que d'utiliser un ordinateur local. Exemple: Sauvegarder vos photos sur un service de stockage en ligne afin de pouvoir les consulter depuis n'importe quel appareil.
Apprentissage profond — Une branche avancée de l'apprentissage automatique qui utilise des réseaux neuronaux numériques complexes pour résoudre des problèmes difficiles comme la reconnaissance vocale ou d'images. Exemple: Une application pour smartphone qui identifie différents types de plantes à partir d'une photo que vous prenez.

Pourquoi c'est important

Rendre les systèmes en nuage plus efficaces peut aider à réduire la forte tension sur le réseau électrique causée par la croissance des centres de données, tout en offrant aux utilisateurs de smartphones de tous les jours des performances d'applications plus prévisibles.

Ce que l'on ne sait pas encore

Les entreprises technologiques utilisent du matériel et des logiciels privés auxquels les équipes académiques n'ont pas accès, ce qui signifie que les solutions de laboratoire ne fonctionnent pas toujours dans le monde réel.

D'après un article de MIT News. Ceci est une explication indépendante, rédigée avec nos propres mots et l'aide d'une IA ; MIT News ne l'a ni relue ni approuvée. Consultez l'original pour tous les détails.