AGI - Individuare e correggere rapidamente gli errori nelle elaborazioni dei data center per renderli più efficienti e a minor consumo di energia: è questo l'obiettivo di un nuovo progetto basato sull'intelligenza artificiale (IA) portato avanti dalla Thomas Jefferson National Accelerator Facility del Dipartimento dell'Energia degli Stati Uniti. I ricercatori del progetto hanno dettagliato i loro primi risultati su IEEE Software.
"Quando i cluster di elaborazione dati diventano più grandi, diventa difficile per gli amministratori di sistema tenere traccia di tutti i componenti che potrebbero guastarsi", ha affermato Ahmed Hossam Mohammed, ricercatore post-dottorato presso il Jefferson Lab "Volevamo automatizzare questo processo con un sistema che banalmente ci avverte con una luce rossa ogni volta che accade qualcosa di strano".
Per affrontare queste sfide, il gruppo ha sviluppato un sistema di gestione basato sul machine learning (ML) chiamato DIDACT (Digital Data Center Twin). Il sistema DIDACT è progettato per rilevare anomalie e diagnosticarne l'origine utilizzando un approccio di intelligenza artificiale denominato apprendimento continuo. Nell'apprendimento continuo, i modelli ML vengono addestrati su dati che arrivano in modo incrementale, in modo simile all'apprendimento continuo sperimentato da persone e animali. Il team DIDACT addestra più modelli in questo modo, ognuno dei quali rappresenta le dinamiche di sistema dei lavori di elaborazione attivi, quindi seleziona il top performer in base ai dati di quel giorno. L'obiettivo è contribuire a ridurre i tempi di inattività nei data center e a ottimizzare le risorse critiche, il che si traduce in costi inferiori e risultati scientifici migliori.