Google在2014年1月買下的人工智慧技術DeepMind，由該團隊所打造的AlphaGo圍棋系統在擊敗南韓籍的世界圍棋好手李世石之後聲名大噪，然而，DeepMind的人工智慧技術不僅在棋藝競賽上與人類較勁，Google也與英國國家健康服務部（NHS）合作，透過機器學習以提早預防眼部疾病，而現在利用DeepMind讓資料中心的冷卻用電量減少了40%。
為了保護全球生態環境及減緩氣候變遷，Google這十年來持續改善電力的使用，包括打造超省電的伺服器，或是以各種創新方式來冷卻資料中心，並大規模地投資綠能，立志全面採用再生能源。與五年前相較，在同樣的電力損耗下，現在的Google資料中心提供了3.5倍的運算效能。
冷卻系統是資料中心最耗電的項目之一，用以移除資料中心伺服器運轉時所產生的大量熱氣，冷卻系統通常包含馬達、冷水機組及冷卻塔，但資料中心的變數太多而很難進行操作的最佳化。例如設備本身的因素、或是操作設備的方式，以及彼此之間的連動都頗為複雜，不論是傳統的公式或人工操作都很難完全掌控所有的因素；此外，系統也無法立即回應內部或外部的變動；再加上每個資料中心都有自己的架構及環境，導致客製化模組無法互通。
因此，Google兩年前開始積極地於資料中心部署機器學習技術，並在數月前邀請DeepMind研究人員參與，根據資料中心內部不同的操作場景與參數訓練神經網路系統，建立了可更有效理解資料中心動態及最佳化的框架，目的是改善資料中心的電力使用效益，並以未來PUE（Power Usage Effectiveness）平均值為目標。
PUE值為一資料中心節能省電的標準，計算方式是以資料中心的總用電量除以運算設備用電量所得到的值，數值愈低表示愈省電。
當Google把此一框架部署到實際的資料中心時，發現它減少40%的冷卻系統用電量，也讓PUE值降低了15%。
由於該框架主要是用來理解複雜的動態，屬於通用型框架，因此，Google計畫將它應用在其他領域，例如改善發電場的轉換效率、減少半導體製造的水、電使用，或是協助工廠提高吞吐量等。