Intelligenza artificiale che “impara” da sola rende più efficienti i server

Sono sempre di più i tentativi di applicare i nuovi metodi di intelligenza artificiale ai server onde utilizzarli in maniera sempre più proficua.
A tal proposito un nuovo sistema sviluppato da ingegneri informatici del Massachusetts Institute of Technology aiuta gli analisti e i responsabili dei server a pianificare le operazioni di elaborazione dei dati e lo fa per migliaia di server.

Attualmente ad aiutare gli umani ad elaborare piani del genere sono algoritmi spesso imprecisi e comunque progettati dall’uomo.
L’utilizzo di un sistema di machine learning come questo potrebbe invece aiutare, come descritto nel comunicato stampa sul sito del MIT, “i data center affamati di energia di oggi a funzionare in modo molto più efficiente”.

Il sistema del MIT, infatti, prevede che la codifica manuale degli algoritmi venga fatta dai computer. Ciò avviene grazie alla tecnica definita come “apprendimento di rinforzo” (reinforcement learning), una tecnica di apprendimento automatico “per personalizzare le decisioni di pianificazione a carichi di lavoro specifici in cluster di server specifici”.

Anche durante la fase di “addestramento” del software, non c’è bisogno di intervento umano, tranne semplici istruzioni iniziali.
I ricercatori calcolano che rispetto ai migliori algoritmi di programmazione dedicati ai server e codificati a mano, questo nuovo sistema risulta dal 20 al 30% più veloce nell’allocare i carichi di lavoro e dunque nel risparmiare tempo ed energia.

Mohammad Alizadeh, Uno degli autori della ricerca nonché ricercatore nel Computer Science and Artificial Intelligence Laboratory (CSAIL) Dell’Università californiana, così commenta l’utilità di questo nuovo sistema basato sull’intelligenza artificiale:
“Non esiste una soluzione unica per prendere decisioni sulla pianificazione. Nei sistemi esistenti, questi sono parametri codificati che devi decidere in anticipo. Il nostro sistema impara invece a ottimizzare le caratteristiche dei suoi criteri di pianificazione, a seconda del data center e del carico di lavoro.”

Approfondimenti

Articoli correlati

Condividi questo articolo


Resta aggiornato su Facebook