人工智能和機器學習正在逐步接管日常任務和高級任務。管理者和員工會被掃地出門嗎？

大多數IT領導者都認為自己完全掌握了數據中心的管理、運營和規劃。實際上，他們沒并沒有掌握。

沒有一個IT領導者或IT專家團隊能對數據中心的重要任務施加精確（甚至更精細）的控制——精確到每一秒。人類（即使是受過高等教育和訓練的人）也往往會受個人喜好、偏見和誤解蒙蔽，無法對未來的規劃和其它重要職責形成清晰的看法。

人工智能（AI）就沒有這樣的缺點。這就是為什么，即使當數據中心運營商為混合環境、物聯網和其它難題時而煩惱時，他們也需要考慮人工智能對一大群關鍵的數據中心運營和服務所產生的影響。

以下是所有IT領導者需要了解的七件事，這些事情關系到人工智能如何將數據中心變成更強大，更高效的設施。

1． 許多不同類型的數據中心可以從人工智能中受益

Joe Merces（他是企業備份和災難恢復技術提供商Cloud Daddy的首席執行官和紐約市法務部的前首席信息官）說，所有類型的數據中心都可以從人工智能中受益，但受益最大的數據中心往往是大型設施，如大型企業數據中心、公共云數據中心、托管主機的數據中心和外包數據中心。

電氣和電子工程師協會（IEEE）的研究員兼數據存儲分析公司Coughlin Associates的總裁Tom Coughlin認為，所有的數據中心都可以利用機器學習等人工智能方法來更好地管理內部資源，并預測即將推出的硬件和數據需求。他指出：“人工智能正在成為最重要的（數據中心）應用程序之一。”

數據中心維護服務提供商Park Place Technologies的創新負責人Paul Mercina解釋說，機器學習正在從基本的模式識別和傳統算法轉變為更復雜的深度學習領域。他說：“機器學習的一個關鍵貢獻是，它能夠使用迭代的方法發現數據中的結構，而無需人類從任何理論或假設開始進行測試”。深度學習使用多層人工神經網絡，在對象檢測和分類、語音識別和語言翻譯等任務中帶來極高的準確度。

2． 人工智能幫數據中心提高能效

在過去幾年中，人工智能工具在減少數據中心能耗和浪費方面發揮著越來越重要的作用。Mercina指出：“這些應用程序有助于降低功耗，對低下的冷卻效率發出報告并分析關鍵任務系統的健康狀況，以提高效率并節約能源。”

荷蘭數據中心協會的常務董事Stijn Grove說：“數據中心的環境不斷發生變化”。他認為，人工智可以監督當前室內外的溫度并預測未來的天氣，這使數據中心能夠優化制冷資源并節約能源。

服務器是所有數據中心的用電大戶。Grove說：“當你想在需要的時候自動擴展或縮小云服務器的規模時，只要充分利用每臺服務器的潛力并關閉未使用的容量，你就能節約更多的能源。”

人工智能還可以顯著減少存儲能耗。只要用人工智能的監控和分析來預測各類用戶的活動，數據中心就可以快速將不太常用的數據轉移到能耗較低的存儲源，并將頻繁使用的數據轉移到能性能更好的存儲源。Coughlin說：“此外，使用人工智能來最大限度地減少處理過程中來回移動的數據是可能做到的”。他解釋說：“使用中的數據可以進行智能布局，這可以使數據和處理數據的地方挨得更近，從而減少過度數據移動所消耗的能量。”

3． 人工智能可以提高數據中心的安全性

數據中心的安全需求正在迅速發生變化。直到最近，數據中心面臨的最大威脅依然來自內部的員工或來自外部的相對原始的暴力攻擊。卡內基梅隆大學泰珀商學院的商業技術副教授Param Vir Singh表示：“如今，黑客正在創建基于人工智能的算法，這些算法試圖發現數據中心的弱點”。他指出，人工智能是應對這一挑戰的最佳技術。

Mercina說：“人工智能應用程序使數據中心能夠更快地適應不斷變化的安全要求，同時為用戶提供更安全的環境，而無需強制執行嚴格的規則。人工智能解決方案還有助于檢測惡意軟件和垃圾郵件，分析正常和異常的活動模式，發現弱點并加強對潛在威脅的保護。”

Coughlin說，人工智能還可以將惡意入侵隔離在‘蜜罐’中，“在這里，人們可以對其進行密切監控，甚至可以追蹤入侵者。”

4． 人工智能可以優化數據中心的性能

只要不斷監控和調整包括處理數據的地方、網絡和內存在內的資源，人工智能就可以使企業以最高的效率運行數據中心。Merces指出：“人工智能可用來監控負載分配，使基礎架構更具可擴展性，同時優化冷卻和功耗方面的效率”。人工智能還可用來優化服務器的配置和利用率。他說：“例如，只要移動負載并通過重啟、循環啟動和重新制作鏡像的方法來嘗試修復，人工智能就可以發現基礎設施的問題并進行自我修復。”

Coughlin認為，人工智能特別有效地優化服務器的使用。他說：“這可能包括將合適的處理能力交給應用程序所特有的處理器，例如GPU和TPU”。人工智能還可以優化數據中心軟件的性能。他補充說“例如，限制數據庫中相同數據的輪詢或限制重復過程。”

5． 人工智能將改善基礎設施管理

Ponemon Institute的一項研究稱，2016年各行業數據中心停機時間的平均成本約為每分鐘8，850美元。Singh說：“如果我們能夠預測維護方面的問題，我們就可以采取預防措施。”

只要使用不斷改進的基礎設施管理技術和智能傳感器，人們就可以訓練神經網絡來分析現有基礎設施的需求和容量，以便利用最合適的設備來滿足需求。律師事務所Tucker Ellis的合伙人Tuck Northman說（他專于商業法和企業法）：“因為，相比于一個人或一群人，人工智能能處理更多的信息，而且幾乎是即時處理的，所以人工智能導向的系統更有效，更可靠”。他指出，傳感器還有助于數據中心的管理者預測或減輕災難性故障。

Mercina指出，如今，大多數數據中心都由訓練有素，執行日常任務（如遍歷數據中心行，搜索表明硬件發生故障的指示燈）的人員來進行管理、監控和維護。他說：“只要不必再做無謂的猜測并將積極性賦予整個生態系統，人工智能和機器學習就能徹底改變這種過時的范式。”

人工智能有望對數據中心安排日常維護任務的方式產生重大影響。只要仔細審查所有相關的數據中心資源，人工智能不久將可以預測特定設施何時需要服務、升級和更換。因此，定期的維護計劃將逐漸被人工智能生成的建議所取代，Grove做了這樣的預測。他報告說：“這將改善正常運行時間并降低成本。”

6． 人工智能正在成為一個強大的數據中心規劃工具

人工智能最振奮人心的應用之一就是為數據中心做規劃。Northman說，只要從數據中心的傳感器中提取大量信息，并利用從以往情境中進行學習的能力，人工智能就可以提供精細的預測，更重要的是，它可以對修改了的假設中的差異進行建模。他說：“系統就緒的時間越長，獲得的信息就越多，人工智能所作的預測就越準。”

Merces報告說：“這就發生在當下”，例如，人工智能用來規劃和配置電力資源，以及預測冷卻需求。他指出：“人工智能還被用于規劃和管理網絡和帶寬利用率和優化。”

7． 人工智能將管理越來越多的數據中心任務，鮮有人工參與，或根本沒有

Grove說，人工智能很有可能全面搶占目前由人工處理的數據中心任務。他說：“數字生態系統需要更多即時控制和操作，這些控制和操作只能通過人工智能和機器學習來實現。此外，隨著邊緣計算的出現，你需要人工智能來正確地做這樣的事情，這樣才能夠管理大量無人值守的數據中心。”

可以監控、診斷和自我修復的完全自動化的據中心，這是人們夢寐以求的東西。大數據分析公司Guavus的首席科學家Roger Brooks說：“這就需要人工智能、機器人甚至增強現實技術——機器之間互相幫助。”

樂觀地看，至少從人的角度來看，人工智能仍然無法可靠地執行高層次的推理和決策任務，哪怕只是接近較低程度的可靠性。Merces預測道：“人工智能包攬了大大小小的工作，它被劃分為特定的功能，雖然這些功能極盡高效，但最終，它們還是不會獲得智慧。”

Northman表示同意，他說：“雖然管理者將越來越依賴人工智能，靠它來操作和管理數據中心，但我預計，人類并不會完全被排除在流程之外。雖然管理者無需再為某些數據中心承擔太多的職責。..。..但人類將繼續發揮作用，防止故障的出現。”