Представлен Google DeepMind AlphaEvolve 14 мая — агент ИИ на базе Gemini, который автономно обнаруживает и оптимизирует алгоритмы как в теоретических, так и в практических областях. Среди основных достижений — побитие 56-летнего рекорда в умножении матриц, продвижение решений для открытых математических задач, таких как 11-мерное «число поцелуя», и обеспечение измеримого повышения эффективности в собственной инфраструктуре Google — от планирования центров обработки данных до проектирования микросхем и обучения больших моделей. Система использует эволюционный цикл предложения и оценки, сочетая скорость Gemini Flash с глубиной Gemini Pro, и знаменует собой значительный шаг к научным и промышленным инновациям, основанным на ИИ.
Фон и контекст
AlphaEvolve основывается на предыдущих успехах DeepMind в разработке алгоритмов на основе искусственного интеллекта, в частности АльфаТензор, который в 2022 году впервые превзошел алгоритм Штрассена для умножения матриц 4×4. В отличие от своих предшественников, AlphaEvolve разработан как общее назначение агент, способный развивать целые кодовые базы, а не отдельные функции, расширяя возможности изобретений, созданных ИИ, от изолированных задач до широких алгоритмических рабочих процессов.
Ключевые достижения AlphaEvolve
Побит 56-летний рекорд по умножению матриц
- Умножение комплексной матрицы 4×4: AlphaEvolve открыла алгоритм, требующий 48 скалярных умножений вместо 49, требуемых знаменательным подходом Штрассена 1969 года, — подвиг, к которому математики стремились более пяти десятилетий.
- Общие улучшения: В общей сложности AlphaEvolve улучшила 14 различных настроек умножения матриц, значительно превзойдя как созданные вручную методы, так и предыдущие методы, созданные на основе ИИ.
Новые решения открытых математических проблем
- Задача о числе поцелуев (11 измерений): ИИ повысил известную нижнюю границу с 592 до 593 сфер, касающихся центральной сферы — постепенное, но доказуемо новый продвинуться в решении многовековой геометрической задачи.
- Опрос по более чем 50 проблемам: При применении в областях анализа, комбинаторики, геометрии и теории чисел AlphaEvolve воспроизводил самые современные достижения в 75 процентах случаев и улучшенный на основе существующих решений примерно в 20 процентах случаев.
Технический подход
Основной конвейер AlphaEvolve состоит из:
- Генерация предложений через Gemini Flash для широкого исследования и Gemini Pro для углубленного анализа.
- Автоматизированная оценка, где программы-верификаторы тщательно проверяют как правильность, так и эффективность каждого кандидата.
- Эволюционный отбор, сохраняя варианты с наивысшими оценками и повторяя их до тех пор, пока не появятся оптимальные или близкие к оптимальным решения.
Этот цикл превращает большие языковые модели в «фабрику алгоритмов», заимствуя принципы эволюционных вычислений и автоматизированного доказательства теорем для стимулирования подлинных инноваций, а не простого перефразирования существующего кода.
Воздействие на реальный мир
Инфраструктура и повышение эффективности
- Планирование работы центра обработки данных: Достигнуто 1 процентов повышение эффективности оркестровки, что приводит к значительной экономии энергии и затрат в масштабах Google.
- Ядро обучения LLM: Оптимизировано ключевое ядро умножения матриц, используемое при обучении моделей Gemini, что обеспечивает 23 процентов ускорение этой операции и сокращение общего времени обучения на 1 процентов— что эквивалентно миллионам долларов экономии вычислительных ресурсов ежегодно.
Научные исследования
Помимо внутреннего развертывания, DeepMind планирует запустить Программа раннего доступа для избранных академических исследователей, что позволяет проводить более широкие исследования в области материаловедения, разработки лекарственных препаратов и других областях, требующих сложных алгоритмических решений.
Будущие перспективы и вызовы
Хотя достижения в конкретных областях на сегодняшний день впечатляют, эксперты предупреждают, что масштабирование эволюционного подхода AlphaEvolve для решения все более сложных многоэтапных научных задач потребует дальнейших инноваций в проектировании верификаторов и надежности моделей. Тем не менее, продемонстрированное Синергия ИИ-человека в постановке проблемы, проверке и итеративном уточнении открывает многообещающий путь к расширению возможностей искусственного интеллекта в масштабах, недостижимых людьми в одиночку.
Заключение
AlphaEvolve представляет собой веху в разработке алгоритмов на основе ИИ, сочетая творческую широту больших языковых моделей с дисциплинированным эволюционным поиском и формальной проверкой. Предоставляя как теоретические достижения, такие как улучшенные математические границы, так и ощутимые выгоды от эффективности в собственных операциях Google, AlphaEvolve подчеркивает преобразующий потенциал автоматизированное научное открытиеПоскольку DeepMind готовится открыть свои двери для внешних исследователей, более широкое сообщество может рассчитывать на беспрецедентное сотрудничество на стыке искусственного интеллекта и науки.
Первые шаги
CometAPI предоставляет унифицированный интерфейс REST, который объединяет сотни моделей ИИ, включая семейство Gemini AI, в единой конечной точке со встроенным управлением ключами API, квотами использования и панелями выставления счетов. Вместо жонглирования несколькими URL-адресами поставщиков и учетными данными.
Разработчики могут получить доступ Gemini 2.5 Flash Pre API и т.д. через CometAPI. Для начала изучите возможности модели на игровой площадке и обратитесь к API-руководство для получения подробных инструкций.