Google DeepMind introduzido AlphaEvolve Em 14 de maio, um agente de IA com tecnologia Gemini descobre e otimiza algoritmos de forma autônoma em domínios teóricos e práticos. As principais conquistas incluem a quebra de um recorde de 56 anos em multiplicação de matrizes, o avanço de soluções para problemas matemáticos abertos, como o "número do beijo" de 11 dimensões, e a obtenção de ganhos de eficiência mensuráveis na infraestrutura do próprio Google — abrangendo desde o agendamento de data centers até o design de chips e o treinamento de modelos de grande porte. O sistema utiliza um ciclo evolutivo de proposta e avaliação, combinando a velocidade do Gemini Flash com a profundidade do Gemini Pro, e marca um passo significativo em direção à inovação científica e industrial impulsionada pela IA.
Antecedentes e Contexto
AlphaEvolve baseia-se nos sucessos anteriores da DeepMind na descoberta de algoritmos baseados em IA, principalmente Alfa Tensor, que em 2022 superou pela primeira vez o algoritmo de Strassen para multiplicação de matrizes 4×4. Ao contrário de seus antecessores, o AlphaEvolve foi projetado como um propósito geral agente capaz de desenvolver bases de código inteiras em vez de funções únicas, estendendo a invenção gerada por IA de tarefas isoladas para amplos fluxos de trabalho algorítmicos.
Principais avanços do AlphaEvolve
Quebrando um recorde de multiplicação de matrizes de 56 anos
- Multiplicação de matrizes complexas 4×4:A AlphaEvolve descobriu um algoritmo que requer 48 multiplicações escalares em vez das 49 exigidas pela abordagem histórica de Strassen em 1969 — um feito que os matemáticos buscavam há mais de cinco décadas.
- Melhorias gerais: No total, o AlphaEvolve aprimorou 14 configurações distintas de multiplicação de matrizes, superando rotineiramente métodos feitos por humanos e métodos anteriores derivados de IA.
Novas Soluções para Problemas Matemáticos Abertos
- Problema do número de beijo (11 dimensões):A IA aumentou o limite inferior conhecido de 592 para 593 esferas tocando uma esfera central - um incremento, mas comprovadamente novo avançar em um desafio geométrico centenário.
- Pesquisa sobre mais de 50 problemas:Quando aplicado a domínios de análise, combinatória, geometria e teoria dos números, o AlphaEvolve replicou o estado da arte 75% das vezes e melhorado com base em soluções existentes em cerca de 20% dos casos.
Abordagem Técnica
O pipeline principal da AlphaEvolve consiste em:
- Geração de propostas via Gemini Flash para exploração ampla e Gemini Pro para raciocínio aprofundado.
- Avaliação automatizada, onde programas verificadores verificam rigorosamente a correção e o desempenho de cada candidato.
- Seleção evolutiva, mantendo as variantes com maior pontuação e iterando até que soluções ótimas ou quase ótimas surjam.
Esse ciclo transforma grandes modelos de linguagem em uma “fábrica de algoritmos”, cooptando princípios da computação evolucionária e do teorema automatizado, o que prova impulsionar uma inovação genuína em vez de uma mera paráfrase do código existente.
Impacto no mundo real
Infraestrutura e ganhos de eficiência
- Agendamento de data center: Conseguiu um 1% melhoria na eficiência da orquestração, traduzindo-se em economias significativas de energia e custos na escala do Google.
- Núcleo de treinamento LLM: Otimizou um kernel de multiplicação de matrizes chave usado no treinamento de modelos Gemini, fornecendo um 23% aceleração dessa operação e redução do tempo geral de treinamento em 1%—o que equivale a milhões de dólares em economia de computação anualmente.
Exploração Científica
Além da implantação interna, a DeepMind planeja lançar um Programa de acesso antecipado para pesquisadores acadêmicos selecionados, permitindo uma exploração mais ampla em ciência de materiais, descoberta de medicamentos e outros campos que exigem soluções algorítmicas complexas.
Perspectivas e desafios futuros
Embora os ganhos específicos de domínio até o momento sejam impressionantes, os especialistas alertam que a ampliação da abordagem evolucionária do AlphaEvolve para problemas científicos cada vez mais complexos e multiestágios exigirá mais inovações no design do verificador e na confiabilidade do modelo. No entanto, a demonstração Sinergia IA-humano na formulação de problemas, validação e refinamento iterativo abre um caminho promissor em direção à descoberta aumentada pela IA em uma escala inatingível apenas por humanos.
Conclusão
O AlphaEvolve representa um marco no design de algoritmos orientados por IA, unindo a amplitude criativa de grandes modelos de linguagem com busca evolutiva disciplinada e verificação formal. Ao proporcionar avanços teóricos — como limites matemáticos aprimorados — e ganhos tangíveis de eficiência nas próprias operações do Google, o AlphaEvolve destaca o potencial transformador de descoberta científica automatizada. Enquanto a DeepMind se prepara para abrir suas portas para pesquisadores externos, a comunidade em geral pode esperar colaborações sem precedentes na fronteira da IA e da ciência.
Começando a jornada
A CometAPI fornece uma interface REST unificada que agrega centenas de modelos de IA — incluindo a família Gemini AI — em um endpoint consistente, com gerenciamento de chaves de API, cotas de uso e painéis de faturamento integrados. Em vez de lidar com várias URLs e credenciais de fornecedores.
Os desenvolvedores podem acessar Pré-API Flash Gemini 2.5 etc através CometAPI. Para começar, explore as capacidades do modelo no Playground e consulte o Guia de API para instruções detalhadas.