辦公室冷氣遙控器只有一支，剛報到的實習生可以把這件事情做好嗎？

年輕人血氣方剛，可能一口氣調到 18 度，全辦公室穿外套開會，Z 世代前來整頓職場。

Google 的資料中心更刺激。資料中心（Data Center）是一棟放滿伺服器的大樓，你搜尋、收 Gmail、看 YouTube，背後都是這些機器在跑。伺服器像一大群 24 小時不關機的筆電，一直發熱，冷卻靠泵浦、冷水機、冷卻塔一起跑：冷水機把水變冷，泵浦把水送到各處吸熱，冷卻塔再把熱散到室外。非常耗電、溫度也非常捉摸不定。

2016 年，DeepMind 和 Google 公布，用 AI 給建議、再由人決定要不要照做，冷卻用電最多少了 40%。（不是整棟大樓省 40%，是「冷卻」這個項目少了 40%～）

AI 的建議確實教了現場人員一個新招，例如把冷卻工作分散給更多台設備，而不是集中在少數幾台；可是每條建議都要人照做、去盯，太累了。2018 年，狂了，乾脆把遙控器交出去：讓 AI 自己動手調冷卻。

每 5 分鐘，做一次決定

DeepMind 是這樣描述的：每 5 分鐘，雲端的 AI 從幾千個感測器抓一張冷卻系統的「快照」，包括溫度、用電、設備運轉狀況，交給深度神經網路（Deep Neural Network）。這是一種有很多層計算、擅長從大量資料找出複雜規律的模型，在這裡負責預測各種操作組合會讓接下來的用電變成多少。

可能的組合有幾十億種（比之前 UPS 那個組合還驚人 XD）。AI 從中挑出最省電、又符合安全限制的那一組，送回資料中心；現場的控制系統再檢查一次，才真的執行。

先試試看，再看分數

《MIT 科技評論》報導這套系統時說，它用的是強化學習（Reinforcement Learning），靠反覆嘗試來學，下圍棋打敗李世乭的 AlphaGo 也是同一招。

一般來說，強化學習有四個零件。「狀態」是現在的情況；「動作」是可以做的選擇；「回饋」，又叫獎勵（Reward），是做完之後拿到的分數；「策略」是累積下來的經驗：什麼情況做什麼最划算。它不是「看題目、對答案」，沒有人逐題給標準答案，只告訴它結果好不好。

拿開頭的實習生來說。週一他調到 24 度，沒人抱怨，但電費很高；週二調到 27 度，電費降了，下午卻有三個人來敲門。如果回饋定成「電費低、又沒人抱怨」，幾週下來，他就會摸出午後 26 度、會靠杯太熱的人上午不會進辦公室這類做法。好的做法留下，測試失敗的下次不敢。

規則不會變好，但 AI 會

結果真的越做越好。DeepMind 用業界常用的冷卻效率指標 kW/ton 來量，意思是每做出一單位的冷，要花多少電。對照 AI 接手前的歷史基準，剛上線時改善約 12%，九個月後來到平均約 30%。粗略想像：同樣把房間吹涼，冷氣電費從 1,000 元變成 700 元左右。

現場人員還發現，AI 學會利用冬天的低溫，做出比平常更冷的冷卻水。一位營運人員感慨規則不會隨時間變好，但 AI 會。「規則」是寫死的自動控制，但 AI 如振宇哥一樣自己可以獨自升級。

人還握著遙控器

強化學習有個天生的麻煩：要學，就得試；試，就可能試錯。實習生調錯一天，大家穿外套；機房試錯一次，伺服器可能就過熱。所以 DeepMind 說他們用了八道安全機制，例如：AI 會替每個動作估一個信心（Confidence），也就是它對「這招是好招」有幾分把握，沒把握的直接不做；挑出的動作要先通過營運人員訂的安全限制，現場系統再檢查一次；營運人員隨時可以退出 AI 模式，交回原本的規則控制。

所以那支遙控器，現在在哪？

交出去了，但不是整支。Google 的做法像是讓實習生自己調，但先把範圍鎖在 24 到 27 度，旁邊還坐著一位隨時能把遙控器拿回來的老鳥。

在這個範圍裡，AI 做得到人做不到的事：每 5 分鐘看一次幾千個感測器，從幾十億種組合裡挑一組，連冬天的冷空氣都拿來用。它做不到的，是自己決定什麼風險可以冒；伺服器過熱的代價有多大、哪條線不能碰，這種責任還是人來扛。

強化學習靠試錯變聰明。AI 有沒有本事扛下更多，靠的是能不能替它準備容錯率高的溫室。

延伸討論

你的工作中，有哪一件事你願意讓 AI 自己試、自己調整？

來源（查證日 2026/11/08）：

• Safety-first AI for autonomous data centre cooling and industrial control（Google DeepMind）（在新分頁開啟）・2018/08/17
• Google just gave control over data center cooling to an AI（MIT Technology Review）（在新分頁開啟）・2018/08/17
• 什麼是強化學習？（AWS）（在新分頁開啟）

文／上哲（ChatGPT 協力）