국내에선 이세돌 9단과의 대결로 잘 알려진 알파고를 만든 딥마인드(DeepMind)는 구글에 인수된 뒤에도 영국 런던에 본사를 두고 독자적으로 인공지능 연구를 계속해왔다. 딥마인드가 개발 중인 인공지능 기술은 자가 학습 게임 향상 알고리즘인 DQN이나 알파고 등이 있다. 그런데 이번에는 구글 데이터센터 내 에너지 절감에도 큰 기열르 하고 있는 것으로 밝혀져 눈길을 끈다.
전 세계에 있는 구글 데이터센터는 구글 검색과 지메일, 유튜브 같은 구글 내 다양한 서비스를 지원하는 역할을 한다. 데이터센터를 효율화하면 구글 서비스 품질 향상으로 이어질 수 있다. 이런 이유로 구글은 데이터센터를 시스템 수준에서 지속적으로 업데이트하고 있다. 예를 들어 데이터센터에 사용하는 서버를 고효율 모델로 대체하거나 신재생에너지로 전력을 조달하는 등 다방면으로 노력을 기울인다.
이 중에서도 데이터센터의 품질을 말할 때 냉각 효율은 상당히 중요하다. 많은 열을 발생시키는 데이터센터를 적절하게 냉각시키는 건 데이터센터를 안정성을 보장하는 중요한 요소다. 데이터센터 냉각에 필요한 에너지는 데이터센터에서 사용되는 에너지 대부분을 차지한다. 냉각 에너지를 절감하게 되면 환경 부하를 낮추는 데 도움이 되는 건 물론이다.
따라서 구글은 냉각 효율은 높이면서 에너지를 절감하기 위한 노력을 하고 있다. 클라우드 서비스 등을 구글 데이터센터로 이용 중인 기업 입장에서도 구글 데이터센터가 에너지 절감을 하게 되면 간접적으로 지구 환경 보호에 도움을 줄 수 있다.
하지만 데이터센터 냉각 시스템은 데이터센터를 구성하는 기기가 너무 복잡한 데다 비선형적인 상호 영향을 주는 탓에 인간의 직관으로는 적용하기 어렵다는 특성이 있다. 전 세계 데이터센터는 환경이나 아키텍처 자체가 달라 데이터센터에 최적화된 냉각 모델을 만들어도 다른 데이터센터에 적용할 수 없다는 어려움까지 있다. 따라서 데이터센터 내 냉각 시스템 효율은 일반적인 프레임워크를 구축하는 데 그친다. 데이터센터 냉각 시스템 전체를 효율화하는 건 어려운 작업인 것이다.
구글은 이런 데이터센터 냉각 효율을 높이기 위해 2년 전부터 머신러닝을 받아들였다고 한다. 머신러닝을 통해 데이터센터 사용량을 예측하는 모델을 만들어 효율성을 높이겠다는 것이다.이런 구글 데이터센터 냉각 시스템 효율화 프로젝트에 딥마인드가 몇 개월 동안 참여했다. 딥마인드는 엔지니어 수천 명이 수집한 데이터센터 내 온도와 전력, 냉각 펌프 냉각수의 유속 등 다양한 데이터를 신경망을 이용한 딥러닝으로 분석, 효율을 높이는 프레임워크를 만들었다.
그 결과 냉각 시스템 소비 전력을 일정하게 40% 줄이는 데 성공했다고 한다. 이는 에너지 지표인 PUE(Power Usage Effectiveness)로 15% 개선에 해당한다. 더구나 구글 데이터센터팀이 2년에 걸쳐 머신러닝을 통해 꾸준히 높여온 냉각 효율을 불과 몇 개월 만에 40%까지 절감했다는 건 더 놀랍다. 하지만 딥마인드 측은 복잡한 변화 속에서 최적의 조건을 찾는 머신러닝 기법에 범용성을 갖추고 있어 앞으로 몇 개월에 걸쳐 발전 설비 효율화와 반도체 부분 에너지 절감, 물 사용량 절감 등 데이터센터 내의 다른 부분에 대한 효율화를 진행할 예정이라고 한다. 관련 내용은 이곳에서 확인할 수 있다.
