Google DeepMind ha presentat AlphaEvolve, un agent d’IA capaç d’inventar totalment nous algoritmes informàtics i desplegar-los immediatament dins de la extensa infraestructura informàtica de Google. AlphaEvolve integra els grans models de llenguatge Gemini de Google amb un mètode evolutiu que prova, perfecciona i millora automàticament els algoritmes. Ja està augmentant l’eficiència als centres de dades, dissenys de xips i sistemes de formació d’IA de Google, abordant problemes matemàtics que resten sense solució des de fa dècades. AlphaEvolve, que segons el investigador de DeepMind Matej Balog és un agent d’IA per al codi impulsat per Gemini, pot crear algoritmes altament complexos que abasten centenars de línies amb estructures lògiques avançades més enllà de funcions simples. A diferència del treball anterior amb FunSearch, que evolucionava funcions individuals, AlphaEvolve evoluciona bases de codi completes, marcant un avenç important en el desenvolupament d’algoritmes sofisticats per a reptes tant científics com pràctics en informàtica. El sistema ha estat funcionant en silenci a Google durant més d’un any, produint resultats notables. Un algoritme descobert per AlphaEvolve millora Borg, el sistema massiu de gestió de clústers de Google, recuperant una mitjana de l’0, 7% dels recursos informàtics globals mitjançant l’atenció a “recursos encallats” — màquines limitades per un tipus de recurs però inactives en d’altres. De manera sorprenent, la IA produeix codi senzill i llegible, fàcil de depurar i desplegar pels enginyers. Més enllà dels centres de dades, AlphaEvolve ha millorat el disseny de hardware de Google simplificant un circuit aritmètic crític per a les Unitats de Processament Tensor (TPUs). Després de la validació pels dissenyadors de TPU, aquesta millora formarà part dels futurs dissenys de xips. A més, AlphaEvolve ha optimitzat els seus mateixos sistemes fonamentals millorant un nucli de multiplicació de matrius utilitzat en l’entrenament dels models Gemini, aconseguint una acceleració del 23% en l’operació i reduint el temps total d’entrenament en un 1%. Aquests avanços en l’eficiència suposen grans estalvis d’energia i recursos en l’entrenament d’IA a gran escala. En l’àmbit de la innovació matemàtica, AlphaEvolve ha dissenyat un procediment d’optimització basat en gradients que ha produït múltiples nous algoritmes de multiplicació de matrius, superant un rècord que es mantenia des de feia 56 anys. Concretament, ha trobat un algoritme per multiplicar dues matrius de 4×4 amb valors complexos fent 48 multiplicacions escalar, en lloc de 49 com l’estratègic de Strassen—un assoliment que els matemàtics buscaven des de 1969.

Aquesta fita ha convertit en millorand la tecnologia en 14 algoritmes de multiplicació de matrius. La habilitat matemàtica d’AlphaEvolve va més enllà dels problemes de matrius. Ha estat provat amb més de 50 problemes oberts en anàlisi matemàtica, geometria, combinatòria i teoria dels nombres, assolint solucions de l’estat de l’art en aproximadament el 75% dels casos i millorant-les en un 20% aproximadament. Per exemple, va trencar un rècord geomètric centenaire en el “problema del nombre de besades” trobant una configuració de 593 esferes de mida unitat sense sobreposar-se en 11 dimensions, superant el rècord anterior de 592. L’element central de la innovació d’AlphaEvolve és el seu enfocament evolutiu combinat amb els models de llenguatge Gemini. Utilitza Gemini Flash per a la velocitat i Gemini Pro per a la profunditat en la proposició i modificació de codi, que després s’avaluïa automàticament. Els algoritmes de millor rendiment guien els cicles d’evolució següents. Aquest procés no depèn exclusivament de dades d’entrenament, sinó que explora activament solucions noves, perfeccionant-les mitjançant bucles de retroalimentació automàtica basats en avaluadors clars de validesa i qualitat. Aquesta metodologia permet a AlphaEvolve abordar qualsevol problema amb un mètode d’avaluació mesurable, ja sigui optimitzant l’ús d’energia en centres de dades o millorant proves matemàtiques. De cara al futur, Google DeepMind té com a objectiu aplicar aquesta tecnologia en ciència dels materials, descobriment de medicaments i altres àrees que depenen de calcs complexes. L’equip està desenvolupant una interfície d’usuari amb el grup de recerca People + AI i planeja un programa d’accés anticipat per a investigadors acadèmics, amb una disponibilitat més àmplia sota consideració. AlphaEvolve representa una eina científica poc comuna que combina un impacte real i significatiu a gran escala. A mesura que els grans models de llenguatge continuïn avançant, les capacitats d’AlphaEvolve auguraran un creixement conjunt. El sistema exemplifica l’evolució de la IA: comença dins de la infraestructura digital de Google, optimitza tant el maquinari com el programari que la sustenten i, ara, aborda reptes intellectius humans de llarga data en ciència i tecnologia.