Google DeepMind odhalil AlphaEvolve, AI agenta schopného vynalézat úplně nové počítačové algoritmy a okamžitě je nasazovat v rozsáhlé výpočetní infrastruktuře Googlu. AlphaEvolve integruje velké jazykové modely Google Gemini s evoluční metodou, která automaticky testuje, upravuje a zlepšuje algoritmy. Již nyní zvyšuje efektivitu v datových centrech Googlu, při návrhu čipů a systémech AI tréninku, řešící matematické problémy nevyřešené desítky let. AlphaEvolve, jak jej popisuje výzkumník DeepMind Matej Balog jako AI programátorského agenta poháněného Gemini, dokáže vytvářet vysoce složité algoritmy o stovkách řádků s pokročilými logickými strukturami nad rámec jednoduchých funkcí. Na rozdíl od předchozích prací s FunSearch, které vyvíjely jednotlivé funkce, AlphaEvolve vyvíjí celé kódové základy, což představuje zásadní krok vpřed ve vývoji sofistikovaných algoritmů pro vědecké i praktické výpočetní výzvy. Systém již přes rok funguje v tichosti v rámci Googlu a přinesl výrazné výsledky. Jeden z algoritmů, který AlphaEvolve objevil, vylepšuje Borg, masivní systém správy clusterů Googlu, a dokáže získat v průměru 0, 7 % globálních výpočetních zdrojů tím, že řeší problém „uvězněných zdrojů“ — strojů limitovaných jedním typem zdroje, zatímco jsou nevyužívány v jiných oblastech. S pozoruhodnou jednoduchostí AI produkuje čitelný kód, který mohou inženýři snadno ladit a nasazovat. Kromě datových center AlphaEvolve zlepšilo i hardwarový design Googlu tím, že zjednodušilo klíčovou aritmetickou obvodovou část pro Tensor Processing Units (TPUs). Po ověření návrháři TPU tento vylepšený obvod použijí v nadcházejících čipech. Dále AlphaEvolve optimalizovalo vlastní základní systémy tím, že vylepšilo kernel maticového násobení využívaný při tréninku Gemini modelů, čímž dosáhlo zrychlení o 23 % pro tuto operaci a snížilo celkovou dobu tréninku o 1 %. Takové efektivnostní zisky přinášejí významné úspory energie a zdrojů při velkokapacitním tréninku AI. V oblasti matematických inovací AlphaEvolve navrhlo novou gradientovou optimalizační proceduru, která přinesla několik nových algoritmů maticového násobení, překonávajících rekord držení 56 let. Konkrétně našlo algoritmus pro násobení dvou 4×4 komplexových matic s použitím 48 skalárních násobení místo 49, což je úspěch, který matematici nedokázali dosud od roku 1969.

Tato metoda posunula hranice stavu techniky pro 14 různých algoritmů maticového násobení. Matematická schopnost AlphaEvolve se ovšem neomezuje pouze na matice. Testovalo se na více než 50 otevřených problémů v matematické analýze, geometrii, kombinatorice a teorii čísel a v přibližně 75 % případů dokázalo najít srovnatelné řešení se současnou špičkou a v asi 20 % případů je dokonce předčilo. Například prolomilo stoletý rekord v geometrickém problému „kissing number“ tím, že našlo konfiguraci 593 nenavzájem se překrývajících jednotkových koulí dotýkajících se centrální koule ve 11 rozměrech, čímž překonalo předchozí rekord 592. Jádrem inovace AlphaEvolve je jeho evoluční přístup v kombinaci s jazykovými modely Gemini. Používá Gemini Flash pro rychlé návrhy a úpravy kódu a Gemini Pro pro hlubší analýzu, přičemž výsledný kód je automaticky vyhodnocován. Nejlépe hodnocené algoritmy pak slouží jako vzory pro další kola evoluce. Tato metoda se neobejde pouze bez trénovacích dat, ale aktivně zkoumá nová řešení a jejich zdokonalování prostřednictvím automatických zpětnovazebních smyček založených na jasných kritériích platnosti a kvality. Tento přístup umožňuje AlphaEvolve řešit jakýkoli problém, ke kterému existuje měřitelná evaluace — ať už se jedná o optimalizaci spotřeby energie v datových centrech, nebo zlepšování matematických důkazů. Do budoucna běží plány rozšířit využití i na materiálové vědy, objevování léků a další komplexní obory závislé na složitých algoritmech. Tým vyvíjí uživatelské rozhraní ve spolupráci s People + AI Research a plánuje spuštění programu Early Access pro vybrané akademické výzkumníky, s možným širším zpřístupněním. AlphaEvolve představuje vzácný vědecký nástroj, který současně přináší výrazný skutečný dopad na velkém měřítku. Jak se velké jazykové modely dále rozvíjejí, schopnosti AlphaEvolve se pravděpodobně ještě zvýší. Tento systém je příkladem evoluce AI: začíná v digitální infrastruktuře Googlu, optimalizuje samotné hardwarové a softwarové prostředí a nyní se věnuje vyřešení dlouholetých lidských intelektuálních výzev napříč vědou a technologií.