Jim Gao, ingeniero en el equipo de data centers de Google, ha estado trabajando en el aprendizaje de máquinas, en particular el tema de las redes neuronales, y ha logrado aumentar considerablemente la ya alta eficiencia energética de los centros de datos de Google valiéndose para sus modelos predictivos de la capacidad de los datacenters para generar y ahora también autoanalizar sus índices de eficiencia.
Las variables que influyen en esos índices de eficiencia relacionan datos como la temperatura de los servidores, la del aire exterior y la de la demanda por parte de las IT, siendo registradas cada 30 segundos y resumidas en una medida típica general llamada PUE (Power Usage Effectiveness, una relación entre gasto energético y su aprovechamiento real en IT). Pues bien, lo que ha logrado este genio de nombre Jim Gao es establecer modelos que predicen la eficiencia energética para su mejoría luego de determinadas acciones, modelos que han conseguido hasta un 99.6% de efectividad.
Para más información, especialmente para quienes trabajan en áreas relativas a los centros de datos y deben enfrentarse a diario con el enfriamiento de la infraestructura de servidores y la optimización de la eficiencia energética, se ha dispuesto un artículo completo titulado Machine Learning Applications for Data Center Optimization (PDF) en el que se explica al detalle la metodología, su base estadística, ejemplos reales de lo conseguido y finalmente algunas conclusiones, limitaciones y referencias extra.
Ahorro y dinero destacan en el blog oficial de Google es lo que representa el importante trabajo de Jim Gao el cual, como Gmail y otros grandes productos de la compañía, ha sido conseguido gracias al aprovechamiento del 20% del tiempo que brinda Google a todos sus empleados para que lo inviertan en ideas personales, sólo el restante 80% en el desarrollo de ideas para la compañía.
Crédito de imagen: Datacenter de Google en Dallas – Blog oficial de Google – Google.com/datacenters
Confirman en The verge que entre un 
Pocas veces 
