近日，DeepMind 正與英國國家電網公司討論，利用 AI 平衡英國電力供需問題。
英國國家電網擁有將電力輸往英國各地的基礎設施，以確保任何時候有足夠電力滿足英國各地需求。不過近些年平衡電網供需有些棘手，其主要因客觀因素：如風能和太陽能等可再生能源已經成為英國能源架構中重要的組成部分。
鑑於能源種類變多，如何使可再生能源的規格和適當排程，成了英國電網需要解決的問題。
基於此，DeepMind 認為，機器學習可以更準確地預測需求型態，有效平衡英國國家電力系統中的供需矛盾。
DeepMind 發言人提到，預測性機器學習在輔助電力系統減少對環境的影響上有巨大潛力。一個真正令人感興趣的前景是，DeepMind 是否可利用機器學習技術預測電力需求和供應的高峰，進而幫助英國國家電網公司最大限度利用可再生能源。
DeepMind CEO 哈薩比斯說：「目前，我們正在與英國國家電網公司以及其他大型電力供應商進行初步探討，以便幫助解決這些機構面臨的種種問題。無需投入新的基礎設施，只要透過最佳化，就可幫助英國節省 10% 的電力使用量，這一成效將非常令人興奮。」
之前也曾報導，去年 7 月 DeepMind 就有成功電力節能應用的案例，其利用機器學習將Google 資料中心的用電量減少了 15%。
DeepMind 的智慧演算法能更有效預測 Google 資料中心的冷卻系統和控制裝置的負載，進而將冷卻電量減少 40%。DeepMind 人工智慧軟體控制資料中心內大約 120 個裝置參數變量，包括風扇、空調系統、甚至窗戶等。雖然 DeepMind 人工智慧系統僅幫助資料中心降低了十幾個百分點的耗電量，但由於總量巨大，一定程度上也節約了很多成本。根據 2014 年資料，Google 公司的總耗電量達 4,402,836 百萬瓦小時，相當於 366,903 個美國家庭平均年用電量總和，而其中最大的耗電源就是資料中心──用於支援全球網頁及行動應用服務。分析師估計，未來幾年這可能會為 Google 節省數億美元。
這裡需要指出，Google 並不是擁有 DeepMind 後才想用人工智慧節能，而是 2014 年就將機器學習技術用在一資料中心上，當時使用神經網路預測能耗隨時間的變化，更有效地安排裝置使用情況。
哈薩比斯稱，「因為效果非常好，所以將這技術的應用擴大至整個 Google，但我們希望看到它能用於英國國家電網這樣的規模上。我們認為，能用於資料中心的技術沒有理由無法用在國家電網上。」