Google DeepMind diperkenalkan Alfa Berkembang pada tanggal 14 Mei, agen AI bertenaga Gemini yang secara otonom menemukan dan mengoptimalkan algoritme di seluruh domain teoritis dan praktis. Pencapaian utama termasuk memecahkan rekor 56 tahun dalam perkalian matriks, memajukan solusi untuk masalah matematika terbuka seperti "bilangan ciuman" 11 dimensi, dan memberikan peningkatan efisiensi yang terukur dalam infrastruktur Google sendiri—mulai dari penjadwalan pusat data hingga desain chip dan pelatihan model besar. Sistem ini memanfaatkan siklus evolusi proposal dan evaluasi, memadukan kecepatan Gemini Flash dengan kedalaman Gemini Pro, dan menandai langkah signifikan menuju inovasi ilmiah dan industri yang digerakkan oleh AI.
Latar Belakang dan Konteks
AlphaEvolve dibangun berdasarkan keberhasilan DeepMind sebelumnya dalam penemuan algoritma berbasis AI—yang paling menonjol AlfaTensor, yang pada tahun 2022 pertama kali melampaui algoritma Strassen untuk perkalian matriks 4×4. Tidak seperti pendahulunya, AlphaEvolve dirancang sebagai tujuan umum agen yang mampu mengembangkan seluruh basis kode alih-alih fungsi tunggal, memperluas penemuan yang dihasilkan AI dari tugas-tugas yang terisolasi ke alur kerja algoritmik yang luas.
Terobosan Utama AlphaEvolve
Memecahkan Rekor Perkalian Matriks yang Berusia 56 Tahun
- perkalian matriks kompleks 4×4: AlphaEvolve menemukan algoritma yang membutuhkan 48 perkalian skalar, bukan 49 seperti yang disyaratkan oleh pendekatan penting Strassen tahun 1969—suatu prestasi yang telah dicari para matematikawan selama lebih dari lima dekade.
- Perbaikan umum:Secara total, AlphaEvolve meningkatkan 14 pengaturan perkalian matriks yang berbeda, secara rutin mengungguli metode buatan manusia dan metode turunan AI sebelumnya.
Solusi Baru untuk Masalah Matematika Terbuka
- Masalah angka ciuman (11 dimensi):AI meningkatkan batas bawah yang diketahui dari 592 menjadi 593 bola yang menyentuh bola pusat—peningkatan namun terbukti baru maju dalam tantangan geometri yang telah berusia berabad-abad.
- Survei lebih dari 50 masalah:Ketika diterapkan pada domain dalam analisis, kombinatorik, geometri, dan teori bilangan, AlphaEvolve mereplikasi keadaan seni 75 persen dari waktu dan ditingkatkan berdasarkan solusi yang ada dalam sekitar 20 persen kasus.
Pendekatan Teknis
Jaringan inti AlphaEvolve terdiri dari:
- Pembuatan proposal melalui Gemini Flash untuk eksplorasi yang luas dan Gemini Pro untuk penalaran yang mendalam.
- Evaluasi otomatis, di mana program verifikator secara ketat memeriksa kebenaran dan kinerja setiap kandidat.
- Seleksi evolusi, mempertahankan varian dengan skor tertinggi, dan mengulanginya hingga muncul solusi optimal atau hampir optimal.
Lingkaran ini mengubah model bahasa yang besar menjadi sebuah “pabrik algoritma”, mengadopsi prinsip-prinsip dari komputasi evolusioner dan teorema otomatis yang terbukti mendorong inovasi sejati dan bukan sekadar parafrase kode yang sudah ada.
Dampak Dunia Nyata
Infrastruktur dan Peningkatan Efisiensi
- Penjadwalan pusat data:Mencapai sebuah 1 persen peningkatan efisiensi orkestrasi, yang menghasilkan penghematan energi dan biaya yang signifikan pada skala Google.
- Inti pelatihan LLM: Mengoptimalkan kernel perkalian matriks kunci yang digunakan dalam pelatihan model Gemini, memberikan 23 persen percepatan operasi tersebut dan pemotongan waktu pelatihan secara keseluruhan sebesar 1 persen—setara dengan penghematan komputasi jutaan dolar setiap tahunnya.
Eksplorasi Ilmiah
Selain penerapan internal, DeepMind berencana untuk meluncurkan Program Akses Awal untuk peneliti akademis terpilih, memungkinkan eksplorasi yang lebih luas dalam ilmu material, penemuan obat, dan bidang lain yang membutuhkan solusi algoritmik yang kompleks.
Prospek dan Tantangan ke Depan
Meskipun keuntungan khusus domain hingga saat ini sangat mengesankan, para ahli memperingatkan bahwa penskalaan pendekatan evolusi AlphaEvolve ke masalah ilmiah multi-tahap yang semakin kompleks akan memerlukan inovasi lebih lanjut dalam desain verifier dan keandalan model. Meskipun demikian, Sinergi AI-manusia dalam penyusunan masalah, validasi, dan penyempurnaan berulang membuka jalur yang menjanjikan menuju penemuan yang diperkuat AI pada skala yang tidak dapat dicapai oleh manusia saja.
Kesimpulan
AlphaEvolve merupakan tonggak penting dalam desain algoritma yang digerakkan oleh AI, yang memadukan keluasan kreatif model bahasa yang besar dengan pencarian evolusioner yang terdisiplin dan verifikasi formal. Dengan memberikan kemajuan teoritis—seperti peningkatan batasan matematika—dan peningkatan efisiensi yang nyata dalam operasi Google sendiri, AlphaEvolve menggarisbawahi potensi transformatif penemuan ilmiah otomatisSaat DeepMind bersiap membuka pintunya bagi peneliti eksternal, masyarakat luas dapat menantikan kolaborasi yang belum pernah terjadi sebelumnya di bidang AI dan sains.
Mulai
CometAPI menyediakan antarmuka REST terpadu yang menggabungkan ratusan model AI—termasuk keluarga Gemini AI—di bawah titik akhir yang konsisten, dengan manajemen kunci API bawaan, kuota penggunaan, dan dasbor penagihan. Daripada harus mengelola beberapa URL dan kredensial vendor.
Pengembang dapat mengakses Gemini 2.5 Flash Pra API dll melalui API KometUntuk memulai, jelajahi kemampuan model di Playground dan konsultasikan Panduan API untuk petunjuk rinci.