在数据中心引入人工智能技术的可能性也在增加。 2010年被谷歌收购的英国人工智能开发商DeepMind宣布，通过AI，它在2016年成功地将谷歌数据中心的冷却效率降低了40％。
Google的全球数据中心正在帮助支持Google搜索以及Gmail和YouTube等Google服务。提高数据中心效率肯定会提高Google服务的质量。出于这个原因，谷歌不断更新其数据中心系统。
谈论数据中心质量时最重要的事情之一就是冷却效率。为产生巨大热量的数据中心进行冷却非常重要，因为数据中心是稳定的。
此外，冷却数据中心所需的能源占数据中心使用的大部分能源。节省冷却能量也有助于降低环境负荷。因此，谷歌继续努力提高冷却效率并节省能源。
然而，数据中心冷却系统存在的问题是，构成数据中心的设备过于复杂且非线性相关，使得难以通过理论或人类直觉来解决它们。位于世界各地的数据中心存在实际困难，因为即使他们开发出优化的冷却模型，因为环境或架构不同，它们也无法应用于其他中心。因此，数据中心冷却系统效率不足以构建通用级别框架。简化整个数据中心冷却系统很困难。
自2014年以来，Google一直在努力提高效率，将其作为通过机器学习预测数据中心使用的模型，将机器学习与数据中心冷却效率相结合。 Deep Mind将于2016年参与此项目，为数据中心的温度和功率以及数千名工程师收集的冷却泵中的冷却水流量等数据提供深度分析和数据效率的框架。因此，它成功地将冷却系统功耗降低了40％。它相当于能量指标PUE（电力使用效率）提高15％。
谷歌自2016年发布以来一直在不断改进其数据中心冷却系统，最近宣布通过引入完全控制人工智能并且不需要人手的冷却系统，成功地将功耗降低了30％。
谷歌和DeepMind开发了一种冷却系统，考虑到安全性和高效率，数据中心冷却应该是一种不破坏服务的安全方式，同时改善冷却系统，并期望降低成本和碳排放。谷歌和Deep Mind在2016年宣布的基于人工智能的冷却系统是在AI建模数据中心用于预测数据中心温度并建议适当措施之后建模的。通过海量数据学习的系统能够比仅依靠现有经理的经验实现高40％的效率。然而，那时，人工智能仅仅是一种直接指导，实际控制必须由人类操作。这些问题使得很难准确地遵循人工智能的指令。
这次，人工智能是一种冷却系统，不需要人工手动工作，自动执行冷却系统控制。数据中心有自己的环境，因此控制冷却系统的人工智能在数据中心安装了数千个传感器来控制和记录每五分钟一次的数据中心情况。分析获得的数据并评估各种潜在因素将如何影响能源消耗。然后，人工智能会自动执行被评为最有效的替代方案。它是在没有人手的情况下操作有效的冷却系统。
人工智能旨在使数据中心运营成为首要任务。根本不会自动排除不稳定的动作。此外，它不像冷却系统那样反映人工智能的结果，而是与数据中心操作员定义的数据中心内部安全约束项进行比较。如果您不介意通过此过程进行实际冷却工作，AI将移动冷却系统。人工智能控制的冷却系统具有冗余过程，使其通过本地系统，为数据中心操作员留出干预AI控制的空间。当然，人工智能的控制还具有各种安全措施，例如人工容易再次恢复控制，或者如果发生异常则通过故障转移自动切换到另一系统。
自去年8月以来，谷歌推出了一种新的人工智能控制冷却系统。从一开始，与现有方法相比，它能够实现12％的效率。当然，在继续运营的同时，人工智能不断积累新数据并提高冷却系统效率，截至今年7月，它的效率比以前提高了30％。谷歌和DeepMind表示，由于冷却系统数据将来会顺利增加，因此效率更高。
人工智能控制冷却系统可以有效降低冷却成本和能源。谷歌的数据中心冷却系统只是第一次尝试，人工智能控制冷却系统可以用于其他工业设施，它可以应用于全球变暖措施。