데이터샤우츠
[2026-04-13 | Viz Insight] 구글 딥마인드(DeepMind), 강화 학습(Reinforcement Learning)과 베이지안 최적화로 데이터센터 냉각 전력을 40% 절감하다 본문
[2026-04-13 | Viz Insight] 구글 딥마인드(DeepMind), 강화 학습(Reinforcement Learning)과 베이지안 최적화로 데이터센터 냉각 전력을 40% 절감하다
gibdata 2026. 4. 13. 15:28구글 데이터센터는 2016년 한 해 동안 거대한 냉각 시스템을 가동하며 엄청난 양의 전기를 썼다. DeepMind는 이 냉각 시스템에 인공지능을 도입해 단번에 에너지 소비량을 40% 줄였다. 거대 기업이 1년 만에 전기료를 절반 가까이 아낀 것은 전례 없는 사건이었다.
데이터센터는 수만 대의 서버가 뿜어내는 열을 식히는 일이 운영의 핵심이다. 서버가 과열되면 고장이 나고 서비스가 멈춘다. 이를 막기 위해 거대한 냉각기, 펌프, 냉각탑을 24시간 가동한다. 이 과정에서 들어가는 전력은 전체 데이터센터 운영비의 상당 부분을 차지한다.
운영진은 그동안 숙련된 엔지니어의 경험에 의존해 냉각기를 조절했다. 외부 기온과 서버 사용량을 보고 수동으로 밸브를 열거나 닫았다. 하지만 변수가 너무 많았다.DeepMind는 데이터센터 곳곳에 설치된 수천 개의 센서 데이터를 수집했다. 온도, 전력 사용량, 펌프 속도 같은 수치들이다. 이 데이터를 인공지능에 학습시켰다. 인공지능은 과거의 냉각기 설정 값과 그에 따른 에너지 소비량 사이의 상관관계를 분석했다. DeepMind의 데이터센터 에너지 효율 최적화 논문에 따르면, 인공지능은 단순히 과거를 복습하지 않았다.
인공지능은 스스로 가상의 시나리오를 만들어 시뮬레이션을 돌렸다. 특정 환경에서 냉각기 설정을 바꾸면 전력이 얼마나 줄어드는지 수만 번 계산했다. 이 과정에서 인공지능은 시행착오를 거치며 학습하는 강화학습(Reinforcement Learning, 보상을 통해 최적의 행동을 배우는 기법)을 활용했다. 마치 게임에서 높은 점수를 얻기 위해 반복해서 수를 익히는 방식과 같다.
데이터센터의 냉각 효율은 여러 변수가 복잡하게 얽혀 있다. 인공지능은 베이지안 최적화(Bayesian Optimization, 적은 시도로 최적값을 찾는 통계적 기법)를 사용해 불필요한 계산을 줄였다. 냉각기 온도를 1도 올릴 때와 펌프 속도를 5% 낮출 때의 결과를 비교하며 가장 에너지를 적게 쓰는 조합을 찾아냈다. 인공지능은 5분마다 냉각 시스템에 최적의 설정 값을 제안했다.
도입 초기에는 현장 엔지니어들의 반발이 컸다. 인공지능이 제안한 설정 값이 안전하지 않다고 판단했기 때문이다. DeepMind는 인공지능의 제안을 즉시 실행하지 않고 엔지니어가 승인하는 단계를 거쳤다. 안전성을 확인하는 과정을 반복하며 인공지능에 대한 신뢰를 쌓았다. 기술적 정확도만큼이나 현장 운영과의 조화가 중요했다.
데이터센터의 냉각 전력은 40% 감소했다. 이는 데이터센터 전체 에너지 효율 지표인 PUE(Power Usage Effectiveness)를 역대 최저 수준으로 낮췄다. 냉각 시스템의 가동 효율을 극대화하면서도 서버 과열 사고는 단 한 건도 발생하지 않았다.
[TIP] 복잡한 시스템의 효율을 높이려면, 전체를 한 번에 바꾸려 하지 말고 '데이터 간 상관관계'부터 파악하라.
참고 출처
DeepMind AI Reduces Google Data Centre Cooling Bill by 40%
Reducing energy usage has been a major focus for us over the past 10 years: we have built our own super-efficient servers at Google, invented more efficient ways to cool our data centres and invested heavily in green energy sources, with the goal of being
deepmind.google