Riello UPS首席执行官Leo Craig在看似无法避免的向人工智能（AI）和自动化技术的全面过渡的背景下，想知道：叛乱是不可避免的吗？如果是的话，这将如何影响未来的数据中心工作？英国近三分之一的人口每天至少使用五个连接的设备。 大约有2千万人拥有超过1亿部智能手机，可穿戴设备，虚拟助手和其他小工具。 这只是冰山一角。 据专家称，到2020年，全球将有超过500亿个设备连接到物联网（IoT），并且据著名的国际数据公司（International Data Corporation）称，未来十年5G无线网络的出现将创造一个价值7万亿美元的市场。
地球上已经有比人更多的连接设备。 这意味着只有一件事-很多数据，很多数据要处理！ 为了适应不断增长的需求，现代数据中心必须做更多的事情，使用越来越少的工作空间，能源和理想的人力资源。
解决这一艰巨任务的唯一方法是进行称为工业4.0的技术革命。 自动化，大数据，人工智能，机器学习-“智能”数据中心是我们唯一的出路。
因此，这些机器正在进步……但是它们将能够完全控制吗？
什么是数据中心自动化？
简单来说，这意味着使人们通常执行的所有任务自动化：从管理和控制数据到维护。
主要目标：对于需要决策的任务，不使用人员，而是使用能够“学习”并通过分析所连接设备上的传感器信息做出决策的机器。 因此，根据过去的数据预测未来的结果。
现代化的数据中心已经变得如此庞大和复杂，以至于人们通常没有时间来处理整个多样化的信息流。
相比之下，机器几乎可以像接收数据一样快地分析和处理数据。 使用智能插件机，这意味着实时实时响应。 如有必要，数据中心经理可以立即扩展所使用的资源，这将快速处理许多错误，而无需人工干预。
此外，汽车不睡觉，不需要休假和病假：它们每周7天，每天24小时都在工作。
机器间通信允许使用AI技术自动执行IT管理员和IT团队执行的许多操作。 瞬间无法计数的原始数据量变得可以理解和实际适用。
结合数据中心基础架构管理软件（DCIM），AI可以自动化许多关键任务，例如，通过远程断开第三方系统的连接来隔离安全威胁。
通过将系统升级到最新，最安全的版本来承担补丁程序管理的耗时工作。 AI可用于执行所有任务：从启动灾难恢复流程到相对平淡但重要的自动每日报告例程。
当然，这种“智能”通信并不是今天的发明。 该技术成功应用的显着例子之一是不间断电源设备。 UPS传感器收集有关设备本身的指示器（例如电池电量）以及有关外部环境的信息，并相互传递信息。
现代UPS还可以与智能电网进行通信和集成，从而使您能够存储，智能地花费和管理其需求。 需求管理（DSR）是一种概念，通过该概念激励能源消费者减少高峰时段的能耗，这有助于电网平衡供需而不会产生额外的能源。
因此，实际上，在单位成本较低时，数据中心可以在非高峰负载时段使用其UPS来存储多余的电量，然后在高峰负载或停电期间使用它，或将其卖回给供应商。 尽管UPS需要配备锂离子电池才能在“虚拟电厂”模式下运行，但它将使该公司宣布自己是一个对社会负责，对环境友好的组织，并提供额外的收入来源。
那么，除了IT专家团队的空闲时间明显增加之外，为什么在数据中心中引入自动化也会有利可图？明显的优势是速度和可保证的预期性能，而无需人工干预。 可以实时识别和解决潜在问题，从而增加了数据中心的生产时间，并减少了停机的有害时间。 另一个潜力巨大的领域是提高数据中心的效率并降低能耗。
行动中的AI：Google服务的DeepMind
Google在数据中心引入自动化可以带来令人难以置信的结果的最惊人的例子之一。 早在2014年，这家技术巨头就开始使用最近收购的DeepMind AI部门的机器学习来管理其庞大的数据中心网络中的能耗。
在分析了
120个变量 （例如能耗，泵速和温度）的存档数据之后，人工智能算法能够计算并创建效率更高的冷却数据中心设备的方法。
结果如何？ 冷却需求降低了
40％ ，总能耗降低了
15％ ，这是令人印象深刻的结果，这使该公司节省了数亿美元。
尽管很明显，大多数其他公司甚至都没有这样的资源，通常也没有像Google这样的技术知识，但朝着这个方向发展可以为优化数据中心的工作做出巨大贡献，而不论它们的规模如何。
确实，连接到网络的现代UPS在类似用例中对“智能”控制和电力消耗大有帮助。 UPS传感器连续收集关键性能指标的统计数据，并根据这些数据以及对市电质量的分析，在必要时使设备进入节能模式。 结果，UPS的效率提高
到99％ 。 通过这种优化，数据中心可以节省能源并减少二氧化碳排放量。
勇敢的新世界？
现在，在大多数情况下，数据中心流程的自动化被简化为以易于理解的形式向其员工提供信息：大部分决策仍留给人们。 但是，随着AI和机器学习技术的改进，这种三权分立的方式将越来越不明显。
如果早期的数据中心只能用作存储数据的手段，那么未来的新型“智能”数据中心将已经能够实时分析，解释和处理所有传入的信息。
机器的兴起会严重影响数据中心的工作在任何时候，都会谨慎地引入新技术和工艺流程，因为这预示着裁员：机器承担着以前由人们执行的任务。 Luddites第一次表达了这些担忧，自那时以来，工业革命的每个新阶段都遇到了这种阻力。
但是，如果我们仔细研究历史，就会发现实际上只有个人工作的性质在变化，而工作本身并没有变小。 而且，在“智能”数据中心的情况下，这种趋势可能还会继续。
与许多行业相比，管理数据中心所需的人员数量已经非常有限。 人工智能的传播也许会导致IT专家职位的减少，而转向具有更广泛或普遍性的专家。
经理和数据中心的管理人员应该将自动化视为其武库中的附加工具，而不应担心更改。 如果我们以驾驶为类比，它将使IT专家能够专注于带来实际利益的任务，而不必从事“使发动机和机器保持良好状态”的工作。
最终，人工智能和机器的完美程度无关紧要：它们只有在考虑到算法和程序的前提下才是好。 汽车容易受到人甚至其他机器的影响，而且没有人消除隐私和数据安全性方面的问题。
尽管AI，自动化和机器学习技术必将在我们生活的各个方面发挥越来越重要的作用，但我们仍然处在一个完全由机器人控制的世界（在我们的情况下为数据中心）中。