看起来DeepMind用AlphaGo战败李世石后似乎就没啥动静了，但其实不是的，这家公司正推动着AI往纵深发展，而不是单纯的停留在围棋这样的领域。只不过这些事情没有那么抓眼球，所以很多人并没注意到。很有意思的是从当前DeepMind所做的事情里我们其实可以抽取出一些更有价值的模式，比如什么是人工智能+，到底应该怎么加。

案例1：降低能源消耗

DeepMind第一件在做的事情是用机器学习来管理数据中心，期望达到比人管理更省电的效果。最终结果非常不错，实际成绩是：比人管理的时候节电40%。

为把事情说清楚需要简单介绍一下背景：

Google这类大互联网公司的应用比如搜索、Gmail、公有云服务等是完全跑在自己的服务器集群上的，这些集群无比庞大通常有数百万台服务器。

由于服务器太多因此并不会只放在一个地方，而是分布在多个数据中心里。管理各个数据中心时，一个核心问题就是冷却。我们手机用时间长了还发热，那么多总是在跑的服务器如果没有有效的冷却措施，那数据中心会变的火炉一样。

数据中心的冷却系统和中央空调差不多，这样一来就需要来根据环境来控制什么时候开冷却系统，开多少度等。但每个数据中心所处的地点、架构并不完全一致，这就给管理带来了一些麻烦。

DeepMind把这种麻烦总结为三点：

1. 冷却设备、操作设备的方法、环境之间不是简单的线性关系。也就是说不是环境温度是30度时，那冷却系统调成20度就完了。

2. 冷却系统并不能迅速响应内部或外部的变化。也就是说外部气温上升，你据此进行调整，但实际起效果的时候，外部气温可能又下降了。

3. 每个数据中心都有自己独特的架构和地理位置。

DeepMind解决这问题时显然又会用神经网络，这次他们训练了三个神经网络：

一个神经网络用各种传感器收集来的数据进行训练，比如：温度、功率、泵速等；

一个神经网络被训练用于预测下一小时的温度；

一个神经网络被训练用于预测下一小时的工作负荷。