在Google，人工智能不只是局限于自动驾驶汽车，手机语音服务，以及可以识别数字图像的搜索引擎，也是提高各个大型数据中心效率的重要工具，是这个网络帝国的重要武器。
据监管Google全球数据中心网络设计和运营的Joe Kava介绍，这个网络巨头正在使用“类神经网络”技术分析其众多数据中心的工作情况，并根据所得数据进行维护。这个“类神经网络”的核心部分其实是一些算法，可以识别模型(patterns)，并根据相应模型做出判断。它们无法超越人脑，但在某些情况下却更快，更全面。这就是Google使用这些算法管理数据中心的原因。“通过反复处理数据，这些算法就可以获得‘学习‘能力”，Kava对WIRED网站讲到。
人工智能热潮再次掀起，不仅Google积极相应，Facebook，微软，IBM，以及其它无数科技企业也推波助澜，造就了很多备受瞩目的项目，如Google的自动驾驶汽车，IBM的Watson超级电脑系统。而在表象背后，很多公司正在应用另一项人工智能技术-“深度学习”，它将给这个领域带来翻天覆地的变化。
据Kava介绍，Google这个数据中心项目是青年工程师Jim Gao的杰作。在公司的数据中心团队中，Jim Gao享有“天才男孩”的美誉。在网上观看斯坦福大学教授吴恩达(人工智能研究领域领军人物，目前就职于百度)的教学视频后，他用自己在Google“20%的时间”进行探索-”类神经网络“是否可以提高公司数据中心的效率。最后的结论是，可以。
每隔几秒，Google就会收集数据中心所有的处理信息，从设备耗能多少，到硬件冷却到室温需要多少水无一不包括。Gao的贡献就是使用这些数据构造人工智能模型，在不同条件下预测数据中心效率。在为期12个月的开发阶段，他将这个模型的预测准确率优化到了99.6%的精准度。确保可靠性后，Google将这个模型应用到了数据中心，以提高其效率。
这个模型的工作原理是，如果数据中心的效率低于模型预测，公司就会收到相关信息。这个模型，同样可以帮助Google决定何时管理数据中心的设备，比如何时清理热交换器，提高设备冷却性能。两个月前，Google被迫停用了一些服务器，这通常会意味着能源效率的降低，不过由于采用了Gao的人工智能模型，中心的能源效率依然保持在相当高的水平。Kava称，这个模型具有辨别功能，从而解放了Google的工程师们。
在Google发表的一份白皮书中，详细说明了Gao的这个数据中心模型与“深度学习”完全无关。而只是采用了“类神经网络”框架，与零售网站生成产品推荐的机制没有多大区别。而大数据创业公司Cloudera前工程师Josh Patterson表示，网络世界越来越复杂，效率要提高就不得不采用与Google相似的模式。他解释到，从产品推荐，到“思维搜索”，再到分析复杂的网络世界，“深度学习”作为一种“更高级”的机器学习工具，可服务于各类人工智能工程。
今天，Google正在使用人工智能提高数据中心效率；明天，我们会使用新的穿戴式电脑和智能硬件设备，整个网络将越来越复杂，类似的技术也就有了用武之地。换句话讲，人工智能将成为未来网路世界必不可少的一项工具。
参考资料：CADE METZ
