Google DeepMind diperkenalkan AlphaEvolve pada 14 Mei, ejen AI berkuasa Gemini yang secara autonomi menemui dan mengoptimumkan algoritma merentas kedua-dua domain teori dan praktikal. Pencapaian utama termasuk memecahkan rekod 56 tahun dalam pendaraban matriks, memajukan penyelesaian untuk membuka masalah matematik seperti "nombor ciuman" 11 dimensi dan menyampaikan keuntungan kecekapan yang boleh diukur dalam infrastruktur Google sendiri—bermula daripada penjadualan pusat data kepada reka bentuk cip dan latihan model besar. Sistem ini memanfaatkan gelung evolusi cadangan dan penilaian, menggabungkan kelajuan Gemini Flash dengan kedalaman Gemini Pro, dan menandakan satu langkah penting ke arah inovasi saintifik dan industri yang dipacu AI.
Latar Belakang dan Konteks
AlphaEvolve membina kejayaan DeepMind sebelum ini dalam penemuan algoritma dipacu AI—terutamanya AlphaTensor, yang pada tahun 2022 pertama kali melepasi algoritma Strassen untuk pendaraban matriks 4×4. Tidak seperti pendahulunya, AlphaEvolve direka sebagai a tujuan am agen yang mampu mengembangkan keseluruhan pangkalan kod dan bukannya satu fungsi, memanjangkan ciptaan yang dijana AI daripada tugas terpencil kepada aliran kerja algoritma yang luas.
Penemuan Utama AlphaEvolve
Menewaskan Rekod Pendaraban Matriks Berusia 56 Tahun
- 4×4 pendaraban matriks kompleks: AlphaEvolve menemui algoritma yang memerlukan 48 pendaraban skalar dan bukannya 49 yang dituntut oleh pendekatan mercu tanda Strassen 1969—suatu pencapaian yang telah dicari oleh ahli matematik selama lebih lima dekad.
- Penambahbaikan umum: Secara keseluruhan, AlphaEvolve mempertingkatkan 14 tetapan pendaraban matriks yang berbeza, secara rutin mengatasi kedua-dua kaedah buatan tangan manusia dan kaedah terbitan AI sebelumnya.
Penyelesaian Novel untuk Membuka Masalah Matematik
- Masalah nombor berciuman (11 dimensi): AI menaikkan batas bawah yang diketahui daripada 592 kepada 593 sfera menyentuh sfera tengah—sebuah penambahan tetapi terbukti novel maju dalam cabaran geometri berkurun lamanya.
- Tinjauan merentas 50+ masalah: Apabila digunakan pada domain dalam analisis, kombinatorik, geometri dan teori nombor, AlphaEvolve mereplikasi keadaan seni 75 peratus masa dan bertambah baik atas penyelesaian sedia ada dalam kira-kira 20 peratus kes.
Pendekatan Teknikal
Saluran paip teras AlphaEvolve terdiri daripada:
- Penjanaan cadangan melalui Gemini Flash untuk penerokaan luas dan Gemini Pro untuk penaakulan yang mendalam.
- Penilaian automatik, di mana program pengesah menyemak dengan teliti kedua-dua ketepatan dan prestasi setiap calon.
- Pemilihan evolusi, mengekalkan varian pemarkahan tertinggi dan berulang sehingga penyelesaian optimum atau hampir optimum muncul.
Gelung ini mengubah model bahasa yang besar menjadi "kilang algoritma", yang menggabungkan prinsip daripada pengkomputeran evolusi dan teorem automatik yang terbukti memacu inovasi tulen dan bukannya sekadar mentakrifkan kod sedia ada.
Kesan Dunia Sebenar
Keuntungan Infrastruktur dan Kecekapan
- Penjadualan pusat data: Tercapai a Peratus 1 peningkatan dalam kecekapan orkestra, diterjemahkan kepada penjimatan tenaga dan kos yang ketara pada skala Google .
- Inti latihan LLM: Mengoptimumkan inti pendaraban matriks utama yang digunakan dalam melatih model Gemini, menyampaikan a Peratus 23 mempercepatkan operasi itu dan mengurangkan masa latihan keseluruhan dengan Peratus 1—menyamakan dengan berjuta-juta dolar dalam penjimatan pengiraan setiap tahun.
Penerokaan Saintifik
Di luar penggunaan dalaman, DeepMind merancang untuk melancarkan satu Program Akses Awal untuk penyelidik akademik terpilih, membolehkan penerokaan yang lebih luas dalam sains bahan, penemuan dadah dan bidang lain yang menuntut penyelesaian algoritma yang kompleks.
Prospek dan Cabaran Masa Depan
Walaupun keuntungan khusus domain setakat ini mengagumkan, pakar memberi amaran bahawa menskalakan pendekatan evolusi AlphaEvolve kepada masalah saintifik berbilang peringkat yang semakin kompleks akan memerlukan inovasi lanjut dalam reka bentuk pengesah dan kebolehpercayaan model. Walau bagaimanapun, yang ditunjukkan Sinergi AI-manusia dalam pembingkaian masalah, pengesahan dan penghalusan berulang membuka laluan yang menjanjikan ke arah penemuan ditambah AI pada skala yang tidak boleh dicapai oleh manusia sahaja .
Kesimpulan
AlphaEvolve mewakili mercu tanda dalam reka bentuk algoritma dipacu AI, menggabungkan keluasan kreatif model bahasa yang besar dengan carian evolusi yang berdisiplin dan pengesahan formal. Dengan menyampaikan kedua-dua kemajuan teori—seperti had matematik yang dipertingkatkan—dan peningkatan kecekapan ketara dalam operasi Google sendiri, AlphaEvolve menggariskan potensi transformatif penemuan saintifik automatik. Memandangkan DeepMind bersedia untuk membuka pintunya kepada penyelidik luar, komuniti yang lebih luas boleh menantikan kerjasama yang belum pernah berlaku sebelum ini di sempadan AI dan sains.
Bermula
CometAPI menyediakan antara muka REST bersatu yang mengagregatkan ratusan model AI—termasuk keluarga Gemini AI—di bawah titik akhir yang konsisten, dengan pengurusan kunci API terbina dalam, kuota penggunaan dan papan pemuka pengebilan. Daripada menyesuaikan berbilang URL vendor dan bukti kelayakan.
Pembangun boleh mengakses Gemini 2.5 Flash Pra API dll melalui CometAPI. Untuk bermula, terokai keupayaan model di Taman Permainan dan rujuk Panduan API untuk arahan terperinci.