Google เปิดตัว DeepMind อัลฟาอีโวล์ฟ ในวันที่ 14 พฤษภาคม ตัวแทน AI ที่ขับเคลื่อนด้วย Gemini จะค้นพบและปรับแต่งอัลกอริทึมโดยอัตโนมัติทั้งในโดเมนเชิงทฤษฎีและเชิงปฏิบัติ ความสำเร็จที่สำคัญ ได้แก่ การทำลายสถิติการคูณเมทริกซ์ซึ่งกินเวลานานถึง 56 ปี การพัฒนาโซลูชันสำหรับปัญหาทางคณิตศาสตร์ที่เปิดกว้าง เช่น "ตัวเลขจูบ" 11 มิติ และการส่งมอบประสิทธิภาพที่วัดได้ในโครงสร้างพื้นฐานของ Google เอง ตั้งแต่การจัดตารางเวลาศูนย์ข้อมูลไปจนถึงการออกแบบชิปและการฝึกโมเดลขนาดใหญ่ ระบบนี้ใช้ประโยชน์จากวงจรวิวัฒนาการของการเสนอและการประเมิน ผสมผสานความเร็วของ Gemini Flash กับความลึกของ Gemini Pro และถือเป็นก้าวสำคัญสู่การสร้างสรรค์นวัตกรรมทางวิทยาศาสตร์และอุตสาหกรรมที่ขับเคลื่อนด้วย AI
ความเป็นมาและบริบท
AlphaEvolve สร้างขึ้นจากความสำเร็จก่อนหน้านี้ของ DeepMind ในการค้นพบอัลกอริทึมที่ขับเคลื่อนด้วย AI โดยเฉพาะอย่างยิ่ง อัลฟ่าเทนเซอร์ซึ่งในปี 2022 แซงหน้าอัลกอริทึมการคูณเมทริกซ์ 4×4 ของ Strassen เป็นครั้งแรก ซึ่งแตกต่างจากรุ่นก่อน AlphaEvolve ได้รับการออกแบบมาให้เป็น จุดประสงค์ทั่วไป ตัวแทนที่มีความสามารถในการพัฒนาโค้ดฐานทั้งหมดแทนที่จะเป็นฟังก์ชันเดียว โดยขยายการประดิษฐ์ที่สร้างโดย AI จากงานที่แยกจากกันไปจนถึงเวิร์กโฟลว์อัลกอริทึมที่กว้างขวาง
ความก้าวหน้าสำคัญของ AlphaEvolve
ทำลายสถิติการคูณเมทริกซ์ที่กินเวลานานถึง 56 ปี
- การคูณเมทริกซ์เชิงซ้อน 4×4:AlphaEvolve ค้นพบอัลกอริทึมที่ต้องมีการคูณสเกลาร์ 48 ครั้งแทนที่จะเป็น 49 ครั้งตามแนวทางสำคัญของ Strassen ในปีพ.ศ. 1969 ซึ่งถือเป็นความสำเร็จที่นักคณิตศาสตร์พยายามแสวงหามานานกว่าห้าทศวรรษ
- การปรับปรุงทั่วไปโดยรวมแล้ว AlphaEvolve ได้ปรับปรุงการตั้งค่าการคูณเมทริกซ์ที่แตกต่างกัน 14 แบบ ให้ประสิทธิภาพเหนือกว่าทั้งวิธีที่มนุษย์สร้างขึ้นและวิธีที่ได้มาจาก AI ก่อนหน้านี้
วิธีแก้ปัญหาทางคณิตศาสตร์แบบใหม่
- ปัญหาการจูบ (11 มิติ):AI ยกระดับขอบเขตล่างที่ทราบจาก 592 เป็น 593 ทรงกลมที่สัมผัสกับทรงกลมตรงกลาง ซึ่งเป็นการเพิ่มทีละน้อยแต่ พิสูจน์ได้ว่าเป็นนวนิยาย ก้าวหน้าในการท้าทายทางเรขาคณิตที่มีมายาวนานหลายศตวรรษ
- สำรวจปัญหามากกว่า 50 ข้อ:เมื่อนำไปใช้กับโดเมนในการวิเคราะห์ การจัดกลุ่ม เรขาคณิต และทฤษฎีจำนวน AlphaEvolve สามารถจำลองสถานะของศิลปะได้ 75 เปอร์เซ็นต์ของเวลาและ การปรับปรุง ตามแนวทางแก้ไขที่มีอยู่ประมาณร้อยละ 20 ของกรณี
แนวทางทางเทคนิค
โครงร่างหลักของ AlphaEvolve ประกอบด้วย:
- การสร้างข้อเสนอ ผ่านทาง Gemini Flash สำหรับการสำรวจแบบกว้างๆ และ Gemini Pro สำหรับการใช้เหตุผลเชิงลึก
- การประเมินอัตโนมัติซึ่งโปรแกรมตรวจสอบจะตรวจสอบความถูกต้องและประสิทธิภาพของผู้สมัครแต่ละคนอย่างเข้มงวด
- การคัดเลือกเชิงวิวัฒนาการโดยเก็บรักษาตัวแปรที่มีคะแนนสูงสุดไว้และทำซ้ำจนกว่าจะได้โซลูชันที่เหมาะสมที่สุดหรือใกล้เคียงดีที่สุด
ลูปนี้จะแปลงโมเดลภาษาขนาดใหญ่ให้กลายเป็น "โรงงานอัลกอริทึม" ที่นำหลักการจากการประมวลผลเชิงวิวัฒนาการและทฤษฎีบทอัตโนมัติมาใช้ร่วมกัน ซึ่งพิสูจน์แล้วว่าสามารถขับเคลื่อนนวัตกรรมที่แท้จริงได้ มากกว่าการดัดแปลงโค้ดที่มีอยู่เพียงอย่างเดียว
ผลกระทบในโลกแห่งความเป็นจริง
โครงสร้างพื้นฐานและการเพิ่มประสิทธิภาพ
- การกำหนดตารางศูนย์ข้อมูล: บรรลุผลสำเร็จ ร้อยละ 1 การปรับปรุงประสิทธิภาพการประสานงานส่งผลให้ประหยัดพลังงานและต้นทุนได้อย่างมากในระดับของ Google
- เคอร์เนลการฝึกอบรม LLM:เพิ่มประสิทธิภาพเคอร์เนลการคูณเมทริกซ์หลักที่ใช้ในการฝึกอบรมโมเดล Gemini ส่งมอบ ร้อยละ 23 เร่งความเร็วในการดำเนินการดังกล่าวและลดเวลาการฝึกอบรมโดยรวมลง ร้อยละ 1ซึ่งเท่ากับประหยัดค่าประมวลผลได้เป็นมูลค่าหลายล้านดอลลาร์ต่อปี
การสำรวจทางวิทยาศาสตร์
นอกเหนือจากการปรับใช้ภายใน DeepMind วางแผนที่จะเปิดตัว โปรแกรมเล่นระหว่างการพัฒนา สำหรับนักวิจัยจากสถาบันการศึกษาที่ได้รับการคัดเลือก ช่วยให้สามารถสำรวจด้านวัสดุศาสตร์ การค้นพบยา และสาขาอื่นๆ ที่ต้องการโซลูชันอัลกอริทึมที่ซับซ้อนได้กว้างขวางยิ่งขึ้น
อนาคตและความท้าทาย
แม้ว่าการเพิ่มขึ้นเฉพาะโดเมนจนถึงปัจจุบันจะน่าประทับใจ แต่ผู้เชี่ยวชาญเตือนว่าการปรับขนาดแนวทางวิวัฒนาการของ AlphaEvolve ให้เข้ากับปัญหาทางวิทยาศาสตร์ที่ซับซ้อนและหลายขั้นตอนมากขึ้นเรื่อยๆ จะต้องมีนวัตกรรมเพิ่มเติมในการออกแบบตัวตรวจสอบและความน่าเชื่อถือของแบบจำลอง อย่างไรก็ตาม การสาธิต การทำงานร่วมกันระหว่าง AI และมนุษย์ ในการกำหนดกรอบปัญหา การตรวจสอบ และการปรับปรุงซ้ำๆ จะเปิดเส้นทางที่มีแนวโน้มดีต่อการค้นพบที่เสริมด้วย AI ในระดับที่มนุษย์เพียงอย่างเดียวไม่สามารถทำได้
สรุป
AlphaEvolve ถือเป็นจุดเปลี่ยนสำคัญในการออกแบบอัลกอริทึมที่ขับเคลื่อนด้วย AI โดยผสมผสานความคิดสร้างสรรค์ของโมเดลภาษาขนาดใหญ่เข้ากับการค้นหาเชิงวิวัฒนาการที่มีระเบียบวินัยและการตรวจสอบอย่างเป็นทางการ AlphaEvolve เน้นย้ำถึงศักยภาพในการเปลี่ยนแปลงของการดำเนินการของ Google เอง โดยนำเสนอทั้งความก้าวหน้าทางทฤษฎี เช่น ขอบเขตทางคณิตศาสตร์ที่ได้รับการปรับปรุง และประสิทธิภาพที่เป็นรูปธรรม การค้นพบทางวิทยาศาสตร์โดยอัตโนมัติในขณะที่ DeepMind เตรียมเปิดประตูต้อนรับนักวิจัยภายนอก ชุมชนที่กว้างขวางยิ่งขึ้นสามารถรอคอยความร่วมมือที่ไม่เคยมีมาก่อนในแนวหน้าของ AI และวิทยาศาสตร์
เริ่มต้นใช้งาน
CometAPI มอบอินเทอร์เฟซ REST แบบรวมที่รวบรวมโมเดล AI หลายร้อยโมเดล รวมถึงตระกูล AI ของ Gemini ภายใต้จุดสิ้นสุดที่สอดคล้องกัน โดยมีการจัดการคีย์ API ในตัว โควตาการใช้งาน และแดชบอร์ดการเรียกเก็บเงิน แทนที่จะต้องจัดการ URL และข้อมูลรับรองของผู้ขายหลายราย
นักพัฒนาสามารถเข้าถึงได้ API ของ Gemini 2.5 Flash เบื้องต้น ฯลฯ ผ่านทาง โคเมทเอพีไอในการเริ่มต้น ให้สำรวจความสามารถของโมเดลใน Playground และดู คู่มือ API สำหรับคำแนะนำโดยละเอียด