在過去幾年中，谷歌一直在測試一種算法，讓計算機自我學習如何最好地對冷卻系統做出調整，以達到降低功耗的目的。該 AI 系統之前就曾向數據中心管理員提出過一些降低冷卻功耗的建議方案，再由管理員來決定是否采納，事實證明這些方案能使功耗降低 40%。

谷歌表示，一些數據中心冷卻系統的控制權已經交到這些算法的手上，這些算法可以在無人為干預的條件下進行自主工作。

“就我們所知，這是全世界范圍內第一次如此大規模部署工業自動控制系統”人工智能公司 DeepMind 的聯合創始人兼應用 AI 負責人 Mustafa Suleyman 說道。

這展示了人工智能管理基礎設施的潛力，以及先進的 AI 系統可以如何與人類合作。在這一項目中，雖然算法可以獨立地運作，但還是有管理人員進行監督，并在認為可能出現危險的情況下進行人為干預。

此次采用的算法運用了強化學習技術，通過不斷試錯來達到學習的目的。同樣利用了強化學習的，還有此前在圍棋比賽中擊敗了頂級人類棋手的 AlphaGo。

在項目中，DeepMind 將谷歌數據中心收集的大量相關信息輸入給算法，讓其自行進行學習并最終確定哪種冷卻配置能夠減少能源消耗。谷歌數據中心副總裁 Joe Kava 表示，該項目將可以節省數百萬美元的能源消耗，并能幫助公司降低碳排放量。

Kava 說，管理人員一直都更信任他們之前使用的系統，對 AI 系統控制冷卻系統還是有些擔心。因此他們為新系統設置了一些安全措施，以防止 AI 系統對整個冷卻工作產生任何不利影響。此外還有一位數據中心經理可以隨時觀察系統的運行情況，及時了解 AI 對系統做出的調整指令，并在認為 AI 做出了不當的舉措時進行人為干預。

最近幾年來，數據中心的能源消耗已成為科技行業中一個亟待解決的問題。美國能源部勞倫斯·伯克利國家實驗室的研究人員在 2016 年做的一份報告指出，2014 年美國所有數據中心的總耗電量約為 700 億千瓦時，約占全國用電量的 1.8%。

不過，近年來在提高能源效率上的努力已經有了顯著的成效。根據這份報告中的數據，因效率提升而節約的能源幾乎抵消了由于數據中心數量增加而造成的能源消耗的增加。不過，報告預計到 2020 年，全美數據中心的總能源消耗量將達到約 730 億千瓦時。

數據中心能源使用方面的一位頂級專家 Jonathan Koomey 說：“機器學習的實際運用是一項重要的發展，但在數據中心的總能源消耗中，制冷系統消耗的只占一小部分，大約只有 10%。”

Koomey 認為，利用機器學習來降低計算機芯片的耗能會有更重大的意義，芯片才是整個數據中心最耗能的部分，他說：“我更希望看到谷歌和其他大公司應用這些工具去優化在計算上的用的負荷，在計算方面的節能潛力要比冷卻多數十倍。”