افزایش بی‌رویه ساخت مراکز داده در سراسر جهان، فشار زیادی بر شبکه‌های برق وارد کرده و وابستگی به سوخت‌های فسیلی آلاینده را افزایش می‌دهد. کریستینا دلیمیترو، استاد جدید دانشگاه MIT، با بازنگری نحوه عملکرد سرورها و تجهیزات شبکه در این مراکز داده، در حال مبارزه با این تهدید زیست‌محیطی است. او و تیمش از یادگیری ماشین برای افزایش کارایی، امنیت و قابلیت اطمینان مراکز داده در مقیاس بزرگ استفاده می‌کنند. آن‌ها سیستم‌های محاسباتی ابری قدیمی را بازطراحی می‌کنند، روش‌هایی برای مدیریت منابع سخت‌افزاری مشترک توسعه می‌دهند و معماری‌های سرور ساده‌سازی شده ایجاد می‌کنند. این پیشرفت‌ها به اپراتورهای مراکز داده اجازه می‌دهد تا قدرت محاسباتی بیشتری از سخت‌افزار موجود استخراج کنند. دلیمیترو می‌گوید: «اگر مراکز داده به بهترین نحو مورد استفاده قرار نگیرند، انرژی بسیار بیشتری نسبت به آنچه برای پاسخگویی به تقاضای رو به رشد کاربران نیاز دارند، مصرف خواهند کرد.» او که استاد توسعه شغلی KDD در ارتباطات و فناوری در بخش مهندسی برق و علوم کامپیوتر (EECS) و عضو آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) است، ادامه می‌دهد: «در این سیستم‌ها، به‌ویژه در بخش نرم‌افزار، حجم زیادی از داده‌های اضافی وجود دارد. اگر بتوانیم این داده‌های اضافی را بدون به خطر انداختن عملکرد حذف کنیم، نیازی به ساخت مراکز داده جدید نخواهیم داشت.» او همچنین از هوش مصنوعی برای کمک به برنامه‌نویسان در یافتن و رفع مشکلات برنامه‌های مبتنی بر ابر مانند سرویس‌های پخش موسیقی یا سیستم‌های کنفرانس ویدیویی استفاده می‌کند.