AlphaEvolve to krok w kierunku rozwiązywania “dużych problemów”. Google DeepMind uważa, że przybliża możliwość wykorzystania AI do rozwiązywania fundamentalnych problemów w matematyce oraz nauce. System wykorzystuje innowacyjne podejście do oceny i ulepszania algorytmów. Generuje wiele potencjalnych rozwiązań (przy użyciu modeli Gemini Flash i Pro), a następnie automatyczny system ewaluacji analizuje je i pozwala AlphaEvolve skoncentrować się na najlepszym rozwiązaniu i je udoskonalać. W przeciwieństwie do wcześniejszych systemów (jak AlphaFold, trenowany dla konkretnej domeny), AlphaEvolve jest opisywany jako sztuczna inteligencja ogólnego przeznaczenia, która może wspierać badania w dowolnym problemie programistycznym lub algorytmicznym.
Dzięki systemowi automatycznej ewaluacji, AlphaEvolve minimalizuje ryzyko “halucynacji” (wymyślania szczegółów) typowego dla większości modeli językowych, co jest kluczowe przy rozwiązywaniu precyzyjnych problemów algorytmicznych. AlphaEvolve zasugerował zmianę w heurystykach planowania w systemie zarządzania klastrem Borg, co przyniosło 0,7% globalnych oszczędności w zasobach obliczeniowych Google. Nowe AI wprowadziło zmianę w języku opisu sprzętu Verilog dla przyszłych procesorów Tensor, usuwając zbędne bity, co pozwoli zwiększyć ich wydajność. AlphaEvolve odkrył również nowy, bardziej wydajny algorytm do mnożenia złożonych macierzy 4×4. Jest to znaczące osiągnięcie, ponieważ poprzedni najbardziej wydajny algorytm w tej dziedzinie (Volkera Strassena) pochodził z 1969 roku. Co więcej, AlphaEvolve osiągnął lepszy wynik niż wcześniejszy, dedykowany system AlphaTensor.
System jest obecnie zbyt złożony i wymaga zbyt wielu zasobów obliczeniowych, aby udostępnić go publicznie, mimo że zużywa mniej zasobów niż AlphaTensor. Może się to zmienić w przyszłości, a podejście ewaluacyjne AlphaEvolve może zostać zintegrowane z mniejszymi narzędziami AI. Tak czy siak, AlphaEvolve reprezentuje znaczący postęp w wykorzystaniu AI do fundamentalnych zadań. Jego zdolność do łączenia kreatywności LLM z rygorem automatycznej weryfikacji i procesu ewolucyjnego pozwala mu na odkrywanie i optymalizację złożonych algorytmów w sposób, który przynosi już wymierne korzyści w infrastrukturze Google i posuwa naprzód badania naukowe w matematyce i informatyce.
Czytaj też: Amazon pokazuje, jak wygląda Dostarczanie Przyszłości. AI oraz roboty grają z ludźmi w jednej drużynie
AlphaEvolve jest ważne, ponieważ pokazuje, jak AI może przewyższyć ludzkie możliwości w projektowaniu algorytmów, oferując wydajność, która może zmienić wiele branż. osiągnięcie niesie też pewne wyzwania w postaci etycznej i społecznej. AI, które samo tworzy algorytmy, budzi pytania o przejrzystość i kontrolę. Co, jeśli takie systemy zostaną użyte w złych celach, np. do exploitów w cyberbezpieczeństwie? Poza tym automatyzacja projektowania algorytmów może zagrozić miejscom pracy w dziedzinach wymagających ludzkiej ekspertyzy. Dalsze badania i odpowiednie regulacje będą kluczowe, aby wykorzystać ten potencjał w sposób bezpieczny i korzystny dla ludzkości.