⚡ electrical engineering

DCoPilot: Generative AI-Empowered Policy Adaptation for Dynamic Data Center Operations

إن DCoPilot هو إطار عمل هجين للذكاء الاصطنا التوليدي يجمع بين النماذج اللغوية الكبيرة لتوليد المكافآت الرمزية والشبكات الفائقة لتوليد أوزان السياسة البارامترية لتمكين التكيف السريع وصفرِي الاستباق لسياسات التحكم لعمليات مراكز البيانات عالية الكثافة والديناميكية، مما يضمن السلامة وكفاءة الطاقة وسط التغيرات المتكررة في أعباء العمل والمواصفات.

المؤلفون الأصليون: Minghao Li, Ruihang Wang, Rui Tan, Yonggang Wen

نُشر 2026-02-26

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Minghao Li, Ruihang Wang, Rui Tan, Yonggang Wen

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل مركز بيانات حديث ليس كغرفة باردة وصامتة من الخوادم، بل كـ مطبخ ضخم عالي الأداء يطهو لأكثر الطهاة تطلبًا في العالم (الذكاء الاصطناعي).

في هذا المطبخ:

الخوادم (Servers) هي المواقد، التي تسخن بشكل هائل وتتغير نواتج حرارتها كل بضع ثوانٍ.
نظام التبريد (Cooling System) هو مكيف الهواء ومروحة الطاهي، التي تحاول الحفاظ على درجة حرارة مثالية حتى لا يحترق الطعام (البيانات).
القواعد (SLA) هي طلبات الزبائن: "حافظ على الحساء عند درجة حرارة 70 مئوية بالضبط، ولكن لا تستخدم أكثر من 5 جالونات من الماء".

المشكلة: "الوصفة اليدوية" بطيئة للغاية

تقليديًا، إذا قام زبون بتغيير طلبه (على سبيل المثال: "أريد الآن الحساء عند درجة 72 مئوية" أو "لقد أضفنا 50 موقدًا جديدًا")، كان على كبير الطهاة (مشغل مركز البيانات) أن يوقف كل شيء، ويكتب وصفة جديدة تمامًا من الصفر ويختبرها.

هذا يشبه محاولة إعادة كتابة كتاب طهي بينما المطبخ يحترق. بحلول الوقت الذي تصبح فيه الوصفة الجديدة جاهزة، تكون الخوادم قد ارتففت بالفعل، أو ارتفعت فاتورة الطاقة بشكل جنوني. يُسمى هذا التأخير بـ "زمن انتقال المواصفات إلى السياسة" (Specification-to-Policy Latency).

تحاول طرق الذكاء الاصطناعي الحالية تعلم وصفات جديدة عن طريق تذوق الحساء مرارًا وتكرارًا (التجربة والخطأ). لكن في مركز بيانات حقيقي، لا يمكنك تحمل تكلفة حرق الطعام لمجرد تعلم إعداد جديد. أنت بحاجة إلى الوصفة المثالية لحظيًا.

الحل: DCoPilot (المساعد الطاهي التوليدي)

ابتكر المؤلفون DCoPipe، وهو نظام ذكاء اصطناعي مكون من جزأين يعمل كـ "مساعد طاهٍ" ذكي للغاية وفوري. هو لا يكتفي باتباع الوصفة فحسب؛ بل يكتب الوصفة فورًا بناءً على الموقف الحالي.

إنه يستخدم أداتين "توليديتين" تعملان معًا:

1. "كاتب المفاهيم" (النموذج اللغوي الكبير - LLM)

فكر في هذا كـ الكاتب المبدع الذي يتحدث لغة البشر.

ماذا يفعل: عندما يقول المشغل، "لدينا 500 خادم جديد والزبون يريد الغرفة أبرد"، يقوم النموذج اللغوي الكبير بترجمة هذا إلى صيغة مكافأة رمزية.
التشبيه: بدلاً من كتابة تعليمات محددة مثل "اجعل المروحة بنسبة 50%"، فإنه يكتب قاعدة مثل: "قلل استخدام الطاقة، ولكن إذا تجاوزت درجة الحرارة 24 درجة مئوية، أضف عقوبة كبيرة".
لماذا يهم هذا: إنه يفهم النية من القواعد الجديدة، وليس فقط الأرقام. إنه ينشئ "عائلة" من القواعد التي يمكن أن تعمل في سيناريوهات مختلفة، وليس فقط لسيناريو واحد.

2. "الطاهي الفوري" (الشبكة الفائقة - Hypernetwork)

فكر في هذا كـ ذاكرة العضلات أو الآلة الموسيقية التي تعزف اللحن.

ماذا يفعل: بمجرد أن يكتب النموذج اللغوي الكبير "كتاب القواعد"؛ تقوم الشبكة الفائقة فورًا بتوليد إعدادات التحكم (الأوزان) اللازمة لاتباع تلك القواعد.
التشبيه: تخيل بيانو. النموذج اللغوي الكبير يكتب النوتة الموسيقية (القواعد). الشبكة الفائقة هي البيانو نفسه. إذا تغيرت الموسيقى من بالاد بطيئة إلى جاز سريع، فإن الشبكة الفائقة لا تحتاج إلى إعادة بناء البيانو أو إعادة تعلم كيفية العزف. إنها فقط تعدل أوتارها ومطارقها الداخلية لتلعب اللحن الجديد ببراعة.
السحر: يمكنها "الاستكمال" (Interpolate). إذا تعلمت كيفية الطهي لـ 100 خادم و200 خادم، وفجأة طلبت منها 150، فهي لن ترتبك. بل ستمزج معرفتها بسلاسة لإنشاء الإعداد المثالي لـ 150 فورًا.

كيف يعمل في ثلاث خطوات

اختبار الضغط (رفع نطاق المحاكاة):
قبل الذهما للعمل الفعلي، يقوم النظام بمحاكاة آلاف سيناريوهات "ماذا لو" في مطبخ افتراضي. يسأل النموذج اللغوي الكبير لكتابة قواعد مكافأة لظروف قصوى (مثل: "ماذا لو تعطلت شبكة الكهرباء؟" أو "ماذا لو ضاعفنا عدد الخوادم؟"). ويختبر هذه القواعد ليرى أي منها يحافظ على سلامة المطبخ.
التدريب (تقطير السياسة العليا - Meta Policy Distillation):
يدرب النظام "الطاهي الفوري" (الشبكة الفائقة) على كل هذه السيناريوهات الناجحة. يتعلم نمط كيفية ضبط عناصر التحكم لأي مزيج من حمل الخادم وقواعد درجة الحرارة. إنه مثل طاهٍ ماهر تدرب على كل طبق ممكن بحيث يمكنه طهي طبق جديد دون النظر إلى كتاب.
العرض المباشر (التكيف عبر الإنترنت):
الآن، يتغير مركز البيانات الحقيقي. تصل رفوف خوادم جديدة، أو يغير أحد الزبائن متطلبات درجة الحرارة لديهم.
- الطريقة القديمة: توقف، وأعد التدريب لمدة 3 أيام. (كارثة!)
- طريقة DCoPilot: يرى النظام الأرقام الجديدة، ويغذي الشبكة الفائقة بها، وبوم—يتم إنشاء سياسة تحكم جديدة في أجزاء من الثانية. لا إعادة تدريب، لا توقف عن العمل، ولا خوادم محترقة.

لماذا يعد هذا أمراً هاماً

التكيف بـ "صفر محاولة" (Zero-Shot Adaptation): يمكنه التعامل مع مواقف لم يسبق له رؤيتها من قبل، طالما أنها ضمن "عائلة" السيناريوهات التي تعلمها.
الأمان: يحافظ على تقليل انتهاكات درجة الحرارة إلى الصفر تقريبًا. في اختبارات الورقة البحثية، سمحت الطرق الأخرى بتذبذب درجات الحرارة بشكل كبير (حتى 8 درجات مئوية)، بينما حافظ DCoPilot عليها ضمن مسافة ضئيلة جدًا من الهدف (0.2 درجة مئوية).
السرعة: إنه يجسّر الفجوة بين "تعليمات اللغة البشرية" و"أفعال التحكم الآلي" بشكل فوري.

الخلاصة

DCoPilot يشبه منح مركز البيانات دماغًا يمكنه فهم أمر جديد بلغة بسيطة وإعادة تكوين جهازه العصبي بالكامل لاتباعه فورًا، دون الحاجة أبدًا للتوقف من أجل قيلولة أو جلسة إعادة تدريب. إنه يحول العملية البطيئة والمملة لـ "ضبط الآلة" إلى الفعل السلس والفوري لـ "تغيير القناة".

إليك ملخص تقني مفصل لورقة البحث بعنوان: "DCoPilot: التكيف مع السياسات المدعوم بالذكاء الاصطنا์عي التوليدي لعمليات مراكز البيانات الديناميكية."

1. بيان المشكلة

تعمل مراكز البيانات المخصصة للذكاء الاصطناعي (AIDC) الحديثة تحت كثافة طاقة عالية (تصل إلى 30 كيلوواط لكل رف) مع أعباء عمل متقلبة بسرعة. تتطلب هذه الديناميكيات تكيفاً في التحكم على مستوى الدقيقة للحفاظ على اتفاقيات مستوى الخدمة (SLAs) فيما يتعلق بدرجة الحرارة والرطوبة مع تحسين كفاءة الطاقة.

تواجه استراتيجيات التحكم الحالية اختناقاً حرجاً يُعرف بـ زمن انتقال المواصفات إلى السياسة (specification-to-policy latency):

الطرق اليدوية/القائمة على القواعد: لا تستطيع مواكبة التغييرات المتكررة في تكوينات الخوادم أو اتفاقيات مستوى الخدمة للمستأجرين.
التعلم التعزيزي العميق التقليدي (DRL): يتطلب ساعات من إعادة التدريب لكل مواصفة جديدة (مثل إضافة خوادم أو تغيير حدود درجة الحرارة). خلال نافذة إعادة التدريب هذه، يعمل النظام بسياسات قديمة، مما يؤدي إلى انقطاع الخدمة أو انتهاكات حرارية.
الذكاء الاصطناعي التوليدي الحالي: تعاني النماذج اللغوية الكبيرة (LLMs) المستخدمة لتوليد السياسات المباشرة من الهلوسة وتفتقر إلى الاتساق الزمني. ومن ناحية أخرى، تفتقر الشبكات الفائقة (hypernetworks) القياسية إلى الاستدلال الرمزي لتفسير المقاصد التشغيلية المعقدة (SLAs) دون إعادة تدريب مكثفة.

التحدي الجوهري: كيف يمكن توليد سياسات تحكم آمنة وفعالة فورياً (zero-shot) لبيئات مراكز البيانات المتطورة دون إعادة تدريب عبر الإنترنت، مع ضمان التزام السياسات بالقيود الفيزيائية والتشغيلية الصارمة.

2. المنهجية: إطار عمل DCoPilot

DCoPilot هو إطار عمل هجين يجمع بين النماذج اللغوية الكبيرة (LLMs) للاستدلال الرمزي والشبكات الفائقة (Hypernetworks) لتوليد السياسات البارامترية. وهو يعمل من خلال ثلاث مراحل منسقة:

أ. ترميز المواصفات وتخليق المشهد

المدخلات: يأخذ النظام تكوين المشهد ( $G$ ) (مثل عدد الخوادم، وطوبولوجيا الأجهزة) والمواصفات التشغيلية ( $\mu, \psi$ )، حيث تمثل $\mu$ الديناميكيات (كثافة الطاقة) وتمثل $\psi$ حدود اتفاقية مستوى الخدمة (درجة الحرارة/الرطوبة).
الهدف: إنشاء فضاء مستمر من تضمينات المهام لتمكين الاستكمال (interpolation) بين السيناريوهات المعروفة وغير المرئية.

ب. المرحلة 1: توسيع نطاق المحاكاة (توليد المكافأة الرمزية القائم على LLM)

لحل مشكلة تباين شكل المكافأة (Reward Form Heterogeneity) (كيفية تحديد مكافأة تعمل عبر جميع السيناريوهات):

النموذج اللغوي الكبير كمصمم للمكافأة: يقوم نموذج لغوي كبير بترجمة أهداف المشغل باللغة الطبيعية (مثل "تقليل الطاقة مع إبقاء الحرارة < 25 درجة مئوية") وسياق المشهد إلى دالة مكافأة رمزية معلمية ( $R_\psi$ ).
التحسين التطوري: يقوم النموذج اللغوي بتوليد عدة مرشحات للمكافأة. يتم اختبار هذه المرشحات في بيئة جاهزة للمحاكاة (SimReady) عبر الظروف الحدية (الحد الأدنى والأقصى لأحمال الخوادم وحدود SLA).
الاختيار: يتم تقييم المرشحات بناءً على تكاليف انتهاك SLA ودرجات الأهداف. يتم تغذية أفضل- $k$ من المرشحات مرة أخرى إلى النموذج اللغوي الكبير لإجراء تحسين تكراري حتى يتم اختيار شكل مكافأة موحد وقوي ( $\bar{R}^*$ ).

ج. المرحلة 2: تقطير السياسة الفائقة (تدريب الشبكة الفائقة)

لحل مشكلة زمن انتقال المواصفات إلى السياسة:

تنسيق البيانات: باستخدام المكافأة الموحدة المختارة $\bar{R}^*$ ، يقوم DCoPilot بتدريب عدة وكلاء DRL عبر مجموعة متنوعة من المواصفات المختارة (اختلاف أعداد الخوادم وحدود SLA).
مجمع المسارات: يقوم بجمع المسارات القريبة من المثالية ( $\tau$ ) المقترنة بتضمينات المهام الخاصة بها ( $e = \mu, \psi$ ).
تدريب الشبكة الفائقة: يتم تدريب شبكة فائقة ( $H_\Theta$ $H_{Θ}$ ) عبر التعلم بالتقليد الخاضع للإشراف. تأخذ الشبكة الفائقة تضمين المهمة $e$ $e$ كمدخل وتنتج الأوزان ( $\theta$ ) لشبكة السياسة الرئيسية ( $\pi_\theta$ $π_{θ}$ ).
- رؤية جوهرية: بدلاً من تعلم سياسة واحدة، تتعلم الشبكة الفائقة الخريطة من المواصفات التشغيلية إلى بارامترات السياسة المثلى.

د. المرحلة 3: التكيف عبر الإنترنت (التوليد في زمن صفر - Zero-Shot)

عندما تصل مواصفة جديدة (مثل SLA جديد أو إضافة خادم)، يستخرج النظام التضمين الجديد $e'$ .
تقوم الشبكة الفائقة المدربة مسبقاً بتوليد أوزان السياسة الجديدة فوراً $\theta' = H_\Theta(e')$ .
النتيجة: يتم توليد سياسة جاهزة للنشر في ثوانٍ معدودة مع صفر من عمليات إعادة التدريب عبر الإنترنت أو تحديثات التدرج.

3. المساهمات الرئيسية

أول إطار عمل توليدي هجين لمراكز البيانات: يعد DCoPilot أول نظام يدمج النماذج اللغوية الكبيرة (لتعريف المكافأة الرمزية) والشبكات الفائقة (لتوليد السياسة البارامترية) لمعالجة التحكم الديناميكي في الأنظمة السيبرانية الفيزيائية (CPS).
خط إنتاج توليدي ثنائي المراحل: يقوم بفصل "ما يجب فعله" (النموذج اللغوي يحدد هيكل المكافأة) عن "كيفية القيام به" (الشبكة الفائقة تولد الأوزان)، مما يحصر التدريب الثقيل في المراحل غير المتصلة بالإنترنت (offline) مع تمكين التكيف الفوري عبر الإنترنت.
التكيف في زمن صفر (Zero-Shot Adaptation): يحقق النظام تعميماً في زمن صفر للمواصفات غير المرئية (عدد خوادم جديد، حدود SLA جديدة) دون التدهور في الأداء أو التأخير المرتبط بالتعلم المستمر أو إعادة تدريب التعلم التلوي (meta-learning).
تطور المكافأة الواعي بالحدود: تقدم الورقة آلية مبتكرة حيث يتم توجيه النموذج اللغوي بواسطة "المسارات الحدية" (السيناريوهات القصوى) لضمان أن تكون دالات المكافأة المولدة قوية وآمنة عبر توزيع المواصفات بأكل.

4. النتائج التجريبية

قيم المؤلفون DCoPilot عبر خمس عائلات من مهام التحكم تشمل مكونات متنوعة لمراكز البيانات (منطقة واحدة، مناطق متعددة، محطة داخلية/خارجية) وقارنوه بنماذج أساس LLM (مثل LLM4PID، وLLM-as-Policy) وطرق المكافأة التطورية (EvoReward) وطرق التعلم التلوي (MAML، وPEARL).

انتهاكات القيود: حقق DCoPilot انتهاكات قيود تقترب من الصفر (متوسط خطأ أقل من 0.2 درجة مئوية) عبر جميع المهام. في المقابل، تراوحت قيم النماذج الأخرى بين 0.77 درجة مئوية إلى 8.78 درجة مئوية.
القوة تجاه التغييرات: في محاكاة لمدة 40 يوماً مع تغيرات في المواصفات:
- DCoPilot: حافظ على انتهاكات تقترب من الصفر طوال الوقت.
- EvoReward/Task-Specific DRL: عانت من طفرات هائلة في الانتهاكات (تصل إلى 4 درجات مئوية) خلال فترات إعادة التدريب التي استغرقت عدة أيام.
التعميم: حافظ DCoPilot على أداء ثابت عبر كثافات خوادم متغيرة (100-150 وحدة) وحدود SLA متفاوتة (22-27 درجة مئوية)، بينما فشل نموذج LLM-as-Policy فشلاً ذريعاً في البيئات غير المرئية (معدل انتهاك 100%).
الكفاءة: تفوق نهج الشبكة الفائقة على شبكات السياسة الشرطية (CPN) ونماذج التعلم التلوي (MAML/PEARL) في كل من استقرار درجة الحرارة وكفاءة الطاقة، مما يثبت أن الاستكمال على مستوى البارامترات يتفوق على التكييف على مستوى الإجراء (action-level conditioning) في هذا المجال.
دراسات الاستئصال (Ablation Studies): أكدت أن توليد المكافأة الموحدة القائم على LLM أمر بالغ الأهمية لتقارب الشبكة الفائقة؛ حيث أدى حذف التوجيه الحدّي إلى عدم استقرار التدريب وارتفاع تكاليف الانتهاك بشكل كبير.

5. الأهمية والتأثير

تحول جذري في النموذج: ينقل DCoPilot التحكم في مراكز البيانات من "الضبط اليدوي" أو "إعادة التدريب البطيئة" إلى تخليق السياسات التوليدية المؤتمتة.
السلامة والموثوقية: من خلال الاستفادة من النماذج اللغوية الكبيرة لصياغة قيود السلامة في دالات المكافأة والشبكات الفائقة لضمان النشر السريع والمستقر، يعالج الإطار المخاطر الحرجة لانقطاع الخدمة في مراكز البيانات المخصصة للذكاء الاصطناعي.
القابلية للتوسع: تم تصميم الإطار للتعامل مع النمو الأسي لأعباء عمل الذكاء الاصطناعي والطبيعة الديناميكية لمراكز البيانات الحديثة، مما يقدم مخططاً للتحكم التكيفي في الأنظمة الصناعية المعقدة والمتطورة الأخرى.
الاتجاهات المستقبلية: يقر المؤلفون بالتحديات المتعلقة بنقل المحاكاة إلى الواقع (دقة التوأم الرقمي) والتعامل مع التغييرات الطوبولوجية غير المتجانسة، مما يشير إلى عمل مستقبلي في مجال التكيف مع المجال (domain adaptation) والشبكات الفائبية التركيبية (modular hypernetworks).

باختصار، يمثل DCoPilot تقدماً كبيراً في التحكم التوليدي، حيث نجح في سد الفجوة بين المقاصد التشغيلية عالية المستوى والتحكم في الوقت الفعلي منخفض المستوى في البيئات الديناميكية والحساسة للسلامة.