TheAIMeters Logo

Duomenų centrų triukšmo tarša

Duomenų centrai gali kelti nuolatinį triukšmą, kurį sukelia aušinimo sistemos, elektros įranga, atsarginiai generatoriai ir didelio tankio infrastruktūra. Dirbtinis intelektas (AI) nepadaro kiekvienos vietos triukšmingos, tačiau didelio masto AI įrenginiai gali padaryti šią problemą labiau pastebimą aplinkinėms bendruomenėms.

Illustration of sound waves from data center cooling and backup equipment reaching nearby homes
Triukšmas yra fizinės infrastruktūros vietinis poveikis. Jis priklauso nuo įrangos konstrukcijos, atstumo, barjerų, eksploatacijos laiko, oro sąlygų, reljefo bei nuo to, ar garsas yra toninis, ar žemo dažnio.

Svarbiausia išvada

Duomenų centrų triukšmą paprastai sukelia ne tik serveriai. Jis dažnai kyla iš aušinimo įrangos, ventiliatorių, šaldymo agregatų, transformatorių ir rezervinių maitinimo sistemų. Dirbtinio intelekto įrenginiai gali dar labiau paaštrinti šią problemą, kai didelio tankio GPU infrastruktūra padidina aušinimo ir energijos poreikius netoli gyvenamųjų rajonų.

Turinys

Kodėl duomenų centrai gali būti triukšmingi

Duomenų centras yra fizinis pramoninis objektas, o ne tik tylus pastatas, pilnas kompiuterių. Serveriai skleidžia šilumą, kurią reikia nuolat šalinti. Sistemos, kurios cirkuliuoja orą, pumpuoja skysčius, šalina šilumą ir užtikrina rezervinį maitinimą, gali sukelti nuolatinį triukšmą.

Triukšmas gali sklisti iš ant stogo įrengtų aušinimo įrenginių, šaldymo agregatų, ventiliatorių, siurblių, transformatorių, pastočių, atsarginių generatorių ar laikinosios elektros įrangos. Dalis šio triukšmo yra plačiajuosčio dažnio, pavyzdžiui, oro srauto triukšmas. Kita dalis gali būti toninis, žemo dažnio arba pasikartojantis, ir žmonėms jis gali atrodyti labiau trikdantis, net jei išmatuotas decibelų lygis nėra itin aukštas.

Poveikis labai priklauso nuo atstumo ir objekto projekto. Pramoninėje zonoje, toli nuo gyvenamųjų namų, esantis objektas gali būti vos pastebimas. Tuo tarpu panašus objektas, esantis netoli gyvenamųjų rajonų, mokyklų ar ramusių kaimo kelių, gali tapti tikra vietos bendruomenės problema.

Ar duomenų centro triukšmas yra būdingas būtent dirbtiniam intelektui?

Triukšmo tarša nėra būdinga tik dirbtiniam intelektui. Triukšmą gali kelti ir tradiciniai debesų duomenų centrai, kolokacijos centrai bei telekomunikacijų įrenginiai. Ši problema kyla dėl fizinės infrastruktūros, reikalingos kompiuterinės įrangos maitinimui ir aušinimui.

Dirbtinis intelektas gali padėti geriau įvertinti šią problemą, nes dideli GPU klasteriai yra tankūs, sunaudoja daug energijos ir generuoja daug šilumos. Kai operatoriai diegia labai didelio tankio stelažus, laikinąsias elektros tiekimo sistemas arba vykdo greitą plėtrą, pagalbinė įranga gali tapti didesnė, gausesnė arba intensyviau naudojama.

Tai nereiškia, kad kiekvienas dirbtinio intelekto duomenų centras yra triukšmingas. Tai reiškia, kad planuojant ir vertinant dirbtinio intelekto infrastruktūrą, triukšmo klausimą reikėtų nagrinėti kartu su elektros energijos, vandens, žemės naudojimo ir prisijungimo prie elektros tinklo aspektais. Norėdami susipažinti su platesniu infrastruktūros vaizdu, žr. Kaip veikia dirbtinio intelekto duomenų centrai.

Pagrindiniai duomenų centrų triukšmo šaltiniai

Aušinimas dažnai yra svarbiausias veiksnys. Oro aušinimo sistemose naudojami dideli ventiliatoriai ir šilumos šalinimo įranga. Skysčio aušinimas gali sumažinti oro srauto poreikį pastato viduje, tačiau vis tiek reikalingi siurbliai, sausi aušintuvai, šaldymo agregatai ar kita įranga, skirta šilumai pašalinti iš patalpų.

Elektros infrastruktūra taip pat gali būti girdima. Transformatoriai ir pastočių įranga gali skleisti dūzgimo garsą. Atsarginiai generatoriai paprastai yra periodiškai tikrinami ir gali veikti elektros tiekimo pertraukų ar tinklo sutrikimų metu. Laikinai įrengtos dujų turbinos ar mobiliosios elektros gamybos sistemos gali būti ypač pastebimos, jei veikia ilgą laiką.

Statybos darbai sudaro atskirą kategoriją. Dar prieš pradedant eksploatuoti objektą, gyvenvietėse gali pasireikšti sunkvežimių eismas, polių kalimas, sunkiosios technikos veikla ir statybvietės darbai. Atliekant išsamų vertinimą, reikėtų atskirti statybų triukšmą nuo ilgalaikio eksploatacijos triukšmo.

Kodėl bendruomenės pastebi duomenų centrų keliamą triukšmą

Triukšmas jaučiamas vietoje. Pasaulinė dirbtinio intelekto paslauga gali atrodyti abstrakti, tačiau netoliese gyvenantis gyventojas konkrečioje vietoje ir konkrečiu laiku girdi ventiliatorių, signalų ar generatoriaus veikimo garsus. Naktinis triukšmas gali būti ypač trukdantis, nes foninis triukšmas yra silpnesnis, o žmonės tikisi tylos.

Žemo dažnio arba toninį garsą taip pat gali būti sunku įvertinti remiantis vien tik vidutiniais decibelų rodikliais. Dvi vietos, kuriose garso lygis yra panašus, gali būti suvokiamos skirtingai, priklausomai nuo garso aukščio, vibracijos, krypties, kliūčių, oro sąlygų ir to, kaip dažnai tas garsas pasigirsta.

Būtent todėl bendruomenės susirūpinimas neturėtų būti atmestas kaip nereikšmingas šalutinis klausimas. Net jei duomenų centras teikia naudingas skaitmenines paslaugas ir skatina ekonominę veiklą, jis vis tiek gali sukelti vietos mastu pasireiškiančią naštą, kurią reikia įvertinti, atskleisti ir sumažinti.

Užfiksuoti atvejai rodo, kodėl šis klausimas yra svarbus

Šiaurės Virdžinija tapo vienu iš ryškiausių pavyzdžių, kai duomenų centrų keliamas triukšmas tampa urbanistinio planavimo problema. Vietos žiniasklaidos pranešimuose ir apskrities diskusijose aprašyti gyventojų skundai dėl nuolatinio ar toninio triukšmo, o Princo Viljamo apskritis patvirtino taisykles, kuriomis siekiama riboti duomenų centrų keliamą triukšmą šalia gyvenamųjų namų.

Memfio regione taip pat buvo atkreiptas dėmesys į dirbtinio intelekto infrastruktūros keliamą triukšmą. Žiniasklaidos pranešimuose apie „xAI“ „Colossus“ objektą ir netoliese gyvenančius Southaveno gyventojus buvo aprašyti skundai, susiję su turbinomis ir kita su šiuo objektu susijusia infrastruktūra. Šis atvejis yra svarbus, nes jis susieja plačiai žinomą dirbtinio intelekto plėtrą su vietos gyventojų susirūpinimu aplinkos ir gyvenimo kokybės klausimais.

Šiuos pavyzdžius reikėtų vertinti atsargiai. Jie neįrodo, kad visi duomenų centrai kelia triukšmą arba kad visi dirbtinio intelekto objektai daro tokį patį poveikį. Jie rodo, kad triukšmas gali tapti rimta problema, kai didelė skaičiavimo infrastruktūra įrengiama pakankamai arti gyvenviečių be tinkamų kontrolės priemonių.

Kaip galima sumažinti duomenų centro triukšmą

Triukšmą galima sumažinti tinkamai parenkant statybos vietą, laikantis atstumų reikalavimų, tinkamai orientuojant pastatą, įrengiant akustines užtvaras, naudojant įrangos gaubtus, tylesnius ventiliatorius, taikant vibracijos izoliaciją, tvarkant aplinką, nustatant eksploatavimo ribas ir kruopščiai planuojant generatorių bandymų grafiką.

Geras projektavimas prasideda dar anksti. Lengviau triukšmingą įrangą nukreipti toliau nuo gyvenamųjų namų, aušinimo sistemas įrengti už užtvarų ir imituoti toninį triukšmą dar prieš statybų pradžią, nei modernizuoti objektą, kai gyventojai jau pradeda skųstis problemomis.

Taip pat svarbu vykdyti stebėseną. Bendruomenėms ir reguliavimo institucijoms reikalingi aiškūs atskaitos taškai, naktiniai matavimai ir vieši skundų nagrinėjimo procesai. Operatoriams reikia paskatų spręsti problemas, kol jos neperaugo į ilgai trunkančius ginčus.

Kodėl triukšmo klausimas turi būti įtrauktas į diskusijas apie dirbtinio intelekto poveikį aplinkai

Dauguma viešų diskusijų apie dirbtinio intelekto infrastruktūrą sutelktos į elektros energiją, vandenį ir anglies dioksido išmetimus. Šie rodikliai yra svarbūs, tačiau jie neapima visų duomenų centrų komplekso vietos lygmens padarinių. Triukšmas, eismas, žemės naudojimas ir vizualinis poveikis taip pat lemia, ar bendruomenės priims naują infrastruktūrą.

Todėl atsakinga dirbtinio intelekto infrastruktūros strategija turėtų apimti tiek bendrųjų rodiklių vertinimą, tiek vietos poveikio analizę. Objekto energijos vartojimo efektyvumas gali būti aukštas, tačiau jis vis tiek gali būti netinkamai išdėstytas, jei sukelia nuolatines triukšmo problemas aplinkiniams gyventojams.

„TheAIMeters“ organizacijai tai reiškia, kad triukšmas turi būti vertinamas kaip aplinkos poveikio grupės dalis, o ne kaip atskira ginčytina tema. Tai dar kartą primena, kad dirbtinis intelektas priklauso nuo fizinės infrastruktūros, o ta infrastruktūra turi sugyventi su realiomis bendruomenėmis. Taip pat žr. AI poveikis aplinkai.

Papildoma literatūra ir šaltiniai

Susiję puslapiai

Susiję straipsniai

Ar dirbtinio intelekto duomenų centrai kenkia aplinkai?

Dirbtinio intelekto duomenų centrai savaime nėra žalingi aplinkai, tačiau jų poveikis priklauso nuo elektros energijos paklausos, elektros tinklo energijos šaltinių sudėties, vandens suvartojimo, aušinimo sistemos konstrukcijos, vietinių apribojimų ir skaidrumo.

Kodėl dirbtinio intelekto duomenų centrai sunaudoja tiek daug vandens?

Dirbtinio intelekto duomenų centrai naudoja vandenį, nes didelio tankio GPU serveriai generuoja šilumą, kurią būtina nuolat šalinti. Aušinimas vandeniu gali būti efektyvus, tačiau jo vietinis poveikis priklauso nuo klimato, aušinimo sistemos konstrukcijos, elektros energijos gamybos ir vandens prieinamumo.

Kodėl dirbtinis intelektas sunaudoja tiek daug elektros energijos?

AI naudoja tiek daug elektros, nes treniravimas, inferencija ir pasaulinio masto diegimas priklauso nuo skaičiavimams imlios infrastruktūros.

Kaip mokomi dirbtinio intelekto modeliai

AI modeliai treniruojami mokantis šablonų iš didelių duomenų rinkinių, koreguojant vidinius parametrus ir vėliau naudojant šiuos šablonus atsakyti į naujas įvestis. Šis treniravimo procesas yra AI modelių veikimo pagrindas.

Kas yra AI inferencija?

AI inferencija – tai momentas, kai apmokytas modelis naudojamas atsakyti į užklausą, sukurti turinį, klasifikuoti duomenis arba pateikti prognozę pagal naują įvestį.

Kaip veikia dirbtinio intelekto modeliai?

Dirbtinio intelekto modeliai veikia taip: jie iš duomenų išmoksta atpažinti dėsningumus, šiuos dėsningumus įrašo į parametrus ir naudoja juos prognozėms daryti arba naudingiems rezultatams generuoti iš naujų įvesties duomenų.

Susiję klausimai

Dalytis šiuo puslapiu