A mesterséges intelligencia (AI) témája megragadta a közvélemény fantáziáját, és ma már alig telik el hét újabb áttörésről szóló hírek nélkül. A szakértők és nem szakértők által egyaránt hangoztatott, olykor drámai előrejelzések között szerepel a munkahelyek megszűnésének lehetősége.
Ezek a várakozások részben – de csak részben – tükröződnek az adatközpont-iparban is: az Uptime Institute 2023-as, éves adatközpont-felmérésében a válaszadók negyede úgy vélte, hogy az AI csökkenteni fogja az adatközpont-üzemeltetési személyzet létszámát a következő öt évben. Egy jóval nagyobb csoport azonban óvatosabb, közel fele úgy véli, hogy a munkahelyek csak hosszabb idő alatt fognak megszűnni.
Ezek a nézetek egyelőre pusztán feltételezések, de érthető az ebben az ágazatban is jelen lévő szkepticizmus. A nagy nyelvi modellek, például a ChatGPT és más generatív AI-alkalmazások körüli felhajtás ellenére az ilyen AI-eszközök felhasználási lehetőségei az adatközpontok működésében jelenleg korlátozottnak tűnnek. Vannak azonban az AI-nak más formái is, amelyeket már használnak az adatközpontban – értékesnek is bizonyultak -, de nem érintettek egyetlen munkahelyet sem.
Az AI-alapú technológiák a múltban több hype-ciklus tárgyát képezték, és közvetlen hatásuk mindig kisebb volt az előrejelzettnél. Ez alátámasztja azt a nézetet, hogy a szoftvereszközök új generációjára való áttérés valószínűleg nem lesz gyors, vagy egyelőre nem lesznek olyan messzemenő hatásai, mint ahogy azt az egyes AI rajongók gondolják.
Két tényező van, amely valószínűleg lassítani fogja az AI hatását az adatközpontokkal kapcsolatos munkahelyekre:
- A legtöbb AI-alapú technológia kockázati profilja jelenleg elfogadhatatlan az adatközpontok üzemeltetői számára.
- Azok az AI-alapú technológiák, amelyek már eljutottak az adatközpontokba, inkább kiegészítik, mint helyettesítik az alkalmazottakat.
Az AI kontextusba helyezése
A mesterséges intelligencia egy kényelmetlenül tág gyűjtőfogalom, amelyet olyan számítógépes szoftverek leírására használnak, amelyek képesek olyan viselkedést tanúsítani, amelyet az emberek intelligens viselkedésként érzékelnek. A kifejezés olyan tudományágakat foglal magában, mint a gépi tanulás (machine learning, ML), amely olyan összetett matematikai modellek fejlesztésével foglalkozik, amelyek képesek adatokból tanulni, hogy idővel javítsák a modell teljesítményét.
Az ML fontos szerepet játszik bizonyos feladatok automatizálásában. Az ilyen modellek az adatközpontok működési adatain betanítva sokkal gyorsabban és részletesebben tudnak reagálni az eseményekre, mint az emberi alkalmazottak. Ez a tulajdonság az alapja a legtöbb jelenlegi AI-alapú adatközpont-alkalmazásnak, például a dinamikus hűtésoptimalizálásnak és a berendezések állapotfigyelésének.
A mesterséges intelligencia kifejezés azonban számos más fogalmat is magában foglal, amelyek az alkalmazások széles skáláját ölelik fel. A mostani legnépszerűbb modellek a mély neurális hálózatokat egy betanítási folyamat segítségével komplex logikai rendszerré alakítják. Az ilyen rendszerek olyan számítási problémákat oldanak meg, amelyeket kézi programozással nem lehet. A legismertebb példák közé tartozik a természetes nyelvfeldolgozás, a gépi látás, a kereső- és ajánlórendszerek, és újabban a generatív tartalomrendszerek, mint például a ChatGPT (text) és a Stable Diffusion (text-to-image).
Bár az érdeklődés és a befektetések jelenlegi mértéke példa nélküli, van okunk némi szkepticizmussal tekinteni a mesterséges intelligencia legújabb fellendülésére. A mesterséges intelligencia azon kevés technológiák közé tartozik, amelyek több hype-cikluson is keresztülmentek már, mióta 1956-ban akadémiai tudományágként létrejöttek. Ezeket az időszakokat gyakran nevezik “AI-nyárnak”, amikor a technológia iránti izgalom és a befektetések a csúcson vannak, és “AI-télnek”, amikor a mélyponton.
A gyorsabb és megfizethetőbb számítógépek, a modellképzéshez szükséges új adatforrások és a fizikai világ jobb megértését lehetővé tevő érzékelők miatt egyre innovatívabb AI alkalmazások jelennek meg. Amikor a kutatók elérik a kor technológiai korlátait, a finanszírozás és az érdeklődés elapad.
A hasznosnak bizonyuló mesterséges intelligencia-alkalmazások beépülnek a mainstream szoftverekbe, és gyakran már nem tekintik őket mesterséges intelligenciának, ami az úgynevezett “mesterséges intelligencia-hatás” jelenség része. A múltban ez történt a sakkozó számítógépekkel, az optikai karakterfelismeréssel, a gépi fordítással, az e-mail spamszűrőkkel, a műholdas navigációs rendszerekkel és az olyan személyes digitális asszisztensekkel, mint a Siri és Alexa. A rossz termék-piaci illeszkedéssel (product-market fit) rendelkező AI-alkalmazásokról lemondanak.
Az adatközpont-üzemeltetők, akárcsak más vezetők az egész iparágban, hajlamosak a hype-ciklusokra a felfújt vagy visszafogott elvárások hullámaival reagálni. 2019-ben az Uptime éves felmérésében a válaszadók 29%-a úgy vélte, hogy az AI a következő öt évben csökkenteni fogja az adatközpontok személyzetét (1. ábra). Közel öt évvel később nem látjuk bizonyítékát annak, hogy ez a csökkenés bekövetkezett volna.
1. ábra: Több üzemeltető számít arra, hogy a mesterséges intelligencia rövid távon csökkenteni fogja a személyzeti igényeket
AI az adatközpontban
Néhány mesterséges intelligencia-alapú alkalmazás már bekerült az adatközpontba. A mesterséges intelligenciát jelenleg a dinamikus energia- és hűtésoptimalizálásban, az anomáliák észlelésében, a prediktív karbantartásban és más típusú prediktív elemzésekben használják.
A mesterséges intelligenciát ritkán integrálják az adatközpontok irányítási eszközeibe, mint vezérlési mechanizmust. Ehelyett inkább a létesítményüzemeltetők támogatására használják. A létesítmény irányításának algoritmusokra vagy modellekre való átruházása hatékonyabbá teheti az infrastruktúrát, de egyben új típusú kockázatoknak is kitenné az adatközpontot – és az új hibapont vitathatatlanul magában az AI-mechanizmusban lenne keresendő. A modellek tervezésében vagy működtetésében elkövetett hibák elhúzódó kiesésekhez vezethetnek, amelyek több millió dollárba kerülhetnek. Ezt a kockázatot az üzemeltetők jelenleg nem hajlandóak vállalni.
A mesterséges intelligenciával kapcsolatos fokozott médiamegjelenések a mesterséges intelligencián alapuló eszközök jelenlegi generációjának hibáira és korlátaira is jobban felhívták a figyelmet, ami további óvatosságra késztet. Az egyik ilyen hiba, amely 2023-ban előtérbe került, a “mesterséges hallucináció” fogalma, amely a generatív AI modellek azon tendenciáját írja le, hogy időnként magabiztos, de pontatlan válaszokat adnak tényszerű kérdésekre. További problémák közé tartozik a döntéshozatal átláthatóságának és elszámoltathatóságának hiánya (gyakran a “fekete doboz” problémájaként írják le), valamint a modellek képzéséhez rendelkezésre bocsátott adatok biztonságával kapcsolatos aggályok.
Nincs új a nap alatt
Érdemes megjegyezni, hogy a mesterséges intelligenciának bőven volt ideje arra, hogy betörjön az adatközpontokba: az amerikai Vigilent vállalat – egy digitális infrastruktúrára összpontosító, AI-alapú eszközfejlesztő – 2008 óta alkalmazza az ML-t a hűtőberendezések optimalizálására szolgáló rendszerében. A gyártók közül többek között a Schneider Electric, a Siemens és a Hitachi Vantara is integrálta ezt a technológiát az adatközpont-menedzsment eszközeibe.
A Vigilent nincs egyedül az ilyen jellegű szolgáltatással. A hűtésoptimalizálási termékkategória legújabb belépői közé tartozik az amerikai Phaidra (2019-ben alapították) és az európai Coolgradient (2021-ben alapították). Az előbbit a DeepMind csapat néhány tagja alapította, amely egy ML-modellt épített a Google egyik adatközpontjához, amely állítólag 40%-kal csökkentette a hűtőberendezések energiafogyasztását.
Ezekben az eszközökben, amelyek a mesterséges intelligencia legsikeresebb megvalósításait képviselik az adatközpontok üzemeltetésében, az a közös, hogy inkább kiegészítik, mint helyettesítik az embert – olyan részletességgel vezérlik a hűtőrendszereket, amire az emberi agy egyedül nehezen vagy egyáltalán nem lenne képes.
A munkahelyekre gyakorolt hatás
Az Uptime Institute és a világ néhány legnagyobb adatközpont-üzemeltetője által közösen kifejlesztett Data Center Career Pathfinder szerint legalább 25 különböző karrierlehetőség van az adatközpont-üzemeltetésben és további 25 az üzemeltetési mérnöki területen. Ezek közé a munkakörök közé tartoznak a mérnökök, a szerelők, a villanyszerelők, a HVAC-technikusok, a beszállítói minőségellenőrök, a környezetvédelmi, egészségügyi és biztonsági koordinátorok és a takarítási szakemberek.
A legtöbb üzemeltetési munkakör fizikai jelenlétet igényel a helyszínen, és az adatközponton belüli fizikai berendezésekkel való interakciót. Bármilyen intelligens is, egy szoftverrendszer nem tud telepíteni egy szervert vagy megjavítani egy gyengélkedő generátorkészletet.
Van azonban néhány olyan adatközponti pozíció, amelyet közvetlenül veszélyeztethetnek az AI-eszközök. A megelőző karbantartás tervezőinek létszáma csökkenhet, mivel az AI-alapú eszközök jelenlegi generációja fejlett statisztikai módszerek segítségével képes megjósolni a meghibásodási arányokat és optimális, állapotalapú karbantartási ütemterveket javasolni. A fizikai biztonsági személyzetre is kevesebb szükség lehet: az észlelési, felismerési és követési funkciókkal felszerelt CCTV-rendszerek képesek figyelmeztetni a recepciót, ha valaki a megfelelő igazolványok nélkül tartózkodik a létesítményben. A jövőben az ilyen rendszerek egyre intelligensebbek lesznek, így az összetett mintafelismerés révén egyre többféle fenyegetéstípus azonosítására lesznek képesek az adatközpontban és annak környezetében.
Ugyanakkor az adatközponti iparág súlyos munkaerőhiánytól szenved. Az Uptime éves felmérésére a válaszadók fele mondta, hogy nehézségekbe ütközik, ha a nyitott állásokra képzett jelölteket kell találni. Még ha a mesterséges intelligencia alapú eszközök elég megbízhatóvá válnak is ahhoz, hogy átvegyék az emberi alkalmazottak egyes feladatait, a valószínű hatás inkább a további munkaerő-felvétel szükségességének csökkentése lenne, ellensúlyozva a munkaerőhiányt, mintsem az adatközpontokban már foglalkoztatottak helyettesítésére.
Összességében a mesterséges intelligencia nem fog sok munkahelyet – ha egyáltalán fog bármennyit is – felemészteni az adatközpontokban. Hasonlóképpen korai lenne az AI-t az iparág munkaerő-problémáinak rövid távú megoldásaként tekinteni. Ehelyett az adatközpont-iparnak lépéseket kell tennie annak érdekében, hogy több munkatársat vonzzon be az ágazatban való munkavégzés előnyeinek reklámozásával a képzett álláskeresők számára, és különösen a fiatalabb korosztályok vonzásával, a képzés és a karrierépítés világos útvonalának felkínálásával.
Talán ezúttal a mesterséges intelligencia valóban megváltoztatja a társadalom szerkezetét és a munka természetét. Addig is az intelligensebb AI-rendszerek fejlesztése és telepítése sokkal több infrastrukturális kapacitást igényel, ami új adatközpontok munkahelyeit fogja generálni, mielőtt a technológia kiszorítaná azokat.
Az Uptime Intelligence véleménye
A nagy nyelvi modellek és a generatív AI-alkalmazások a címlapokra kerültek, de nem valószínű, hogy sok felhasználási területet találnak az adatközpontok irányításában és üzemeltetésében. Ehelyett a jelenlegi hype-ciklus miatt az üzemeltetők talán fogékonyabbak lesznek a jobban megalapozott és jobban megértett AI-típusokra – azokra, amelyeket az elmúlt 15 évben az adatközpontokban telepítettek, de még nem jutottak el a mainstream elfogadásig. Aligha kétséges, hogy előbb-utóbb egyes munkaköröket a mesterséges intelligencia-alapú szoftverek segítségével automatizálnak majd. Az adatközpontok azonban továbbra is biztos munkahelyeket fognak biztosítani, és különösen az operatív személyzetre továbbra is nagy lesz a kereslet.
A cikk az Uptime Institute Journal-on megjelent angol nyelvű cikk fordítása, szerzője Max Smolaks.