Tornando os Centros de Dados Mais Verdes ao Corrigir Sistemas de Computadores Desperdiçadores
Grandes centros de dados consomem imensas quantidades de energia e sobrecarregam as redes elétricas. Uma pesquisadora do MIT usa aprendizado de máquina para tornar essas redes de computadores mais eficientes e reduzir o desperdício.
Resumo rápido: Grandes centros de dados consomem imensas quantidades de energia e sobrecarregam as redes elétricas. Uma pesquisadora do MIT usa aprendizado de máquina para tornar essas redes de computadores mais eficientes e reduzir o desperdício.
Toda vez que você transmite música ou participa de uma chamada de vídeo, armazéns distantes cheios de computadores zumbindo entram em ação, mas esses gigantes vorazes por energia frequentemente desperdiçam uma quantidade impressionante de eletricidade.
O que aconteceu, em palavras simples
Christina Delimitrou, professora associada do Instituto de Tecnologia de Massachusetts, está redesenhando o funcionamento de grandes centros de dados e sistemas de computação em nuvem. Ao aplicar aprendizado de máquina, sua equipe ajuda os computadores a funcionarem com mais eficiência, gerenciam melhor o hardware compartilhado e corrigem erros de aplicativos para reduzir o desperdício de energia e evitar a construção de novas usinas.
Pontos principais
- Capacidade desperdiçada: Muitos grandes sistemas de computação operam com apenas cerca de 15% da capacidade, apesar da alta demanda dos usuários, levando ao uso ineficiente de energia.
- Soluções de aprendizado de máquina: Delimitrou usa aprendizado de máquina para automatizar o gerenciamento de recursos na nuvem, ajudando os sistemas a extrair mais desempenho do hardware existente.
- Prevenção de lentidão em aplicativos: Seu grupo desenvolveu uma ferramenta chamada Seer, que usa aprendizado profundo para antecipar e prevenir problemas em aplicativos web antes que causem lentidão generalizada.
- Imitação de sistemas fechados: Como as empresas de tecnologia usam hardware e software privados aos quais as equipes acadêmicas não têm acesso, seu grupo cria clones, como uma ferramenta chamada Ditto, para estudar o desempenho do sistema.
Termos explicados
- Aprendizado de máquina — Um tipo de tecnologia de computador que permite que o software aprenda com dados e tome decisões sem ser explicitamente programado para cada etapa. Exemplo: Um aplicativo de música que aprende suas músicas favoritas e sugere automaticamente faixas semelhantes que você possa gostar.
- Computação em nuvem — O uso de uma rede de servidores remotos hospedados na internet para armazenar, gerenciar e processar dados, em vez de usar um computador local. Exemplo: Salvar suas fotos em um serviço de armazenamento online para poder visualizá-las de qualquer dispositivo.
- Aprendizado profundo — Um ramo avançado do aprendizado de máquina que usa redes neurais digitais complexas para resolver problemas difíceis, como o reconhecimento de fala ou imagens. Exemplo: Um aplicativo de smartphone que identifica diferentes tipos de plantas a partir de uma foto que você tira.
Por que isso importa
Tornar os sistemas em nuvem mais eficientes pode ajudar a reduzir a forte sobrecarga na rede elétrica causada pelo crescimento dos centros de dados, ao mesmo tempo em que oferece aos usuários comuns de smartphones um desempenho de aplicativos mais previsível.
O que ainda não sabemos
As empresas de tecnologia usam hardware e software privados aos quais as equipes acadêmicas não têm acesso, o que significa que as soluções de laboratório podem nem sempre funcionar no mundo real.
Com base em reportagem de MIT News. Este é um texto explicativo independente, escrito com palavras próprias e auxílio de IA; MIT News não o revisou nem o endossou. Leia o original para ver todos os detalhes.