Google DeepMind hat AlphaEvolve vorgestellt, einen KI-Agenten, der in der Lage ist, völlig neue Computeralgorithmen zu erfinden und diese sofort in Googles umfangreicher Computerinfrastruktur einzusetzen. AlphaEvolve integriert Googles Gemini Large Language Models mit einer evolutionären Methode, die automatisch Algorithmen testet, verfeinert und verbessert. Bereits jetzt steigert es die Effizienz in Googles Rechenzentren, bei Chip-Designs und KI-Trainingssystemen und löst mathematische Probleme, die seit Jahrzehnten ungelöst waren. AlphaEvolve, vom DeepMind-Forscher Matej Balog als ein auf Gemini basierender KI-Codierungsagent beschrieben, kann äußerst komplexe Algorithmen erstellen, die hunderte Zeilen umfassen und fortschrittliche logische Strukturen besitzen, die über einfache Funktionen hinausgehen. Im Gegensatz zu früheren Arbeiten mit FunSearch, das einzelne Funktionen evolviert hat, entwickelt AlphaEvolve ganze Codebasen weiter – ein bedeutender Fortschritt bei der Entwicklung anspruchsvoller Algorithmen für wissenschaftliche und praktische Rechenherausforderungen. Das System läuft seit über einem Jahr unauffällig bei Google und hat bemerkenswerte Ergebnisse geliefert. Ein von AlphaEvolve entdeckter Algorithmus verbessert Borg, Googles riesiges Cluster-Management-System, indem er durchschnittlich 0, 7 % der weltweiten Rechenressourcen zurückgewinnt, indem er „gestrandete Ressourcen“ adressiert – Geräte, die durch eine Ressource eingeschränkt sind, aber in anderen untätig bleiben. Bemerkenswert ist, dass die KI einfachen, menschenlesbaren Code erzeugt, den Ingenieure problemlos debuggen und implementieren können. Über Rechenzentren hinaus hat AlphaEvolve auch das Hardware-Design von Google verbessert, indem es eine kritische Arithmetikeinheit für Tensor Processing Units (TPUs) vereinfacht hat. Nach Validierung durch TPU-Designer wird diese Verbesserung in zukünftigen Chip-Designs auftauchen. Zudem hat AlphaEvolve die eigenen Grundsysteme verbessert, indem es einen Matrizenmultiplikations-Kern optimierte, der beim Training der Gemini-Modelle verwendet wird, was eine Geschwindigkeitssteigerung um 23 % für diese Operation bedeutet und die Gesamtschulungszeit um 1 % reduziert. Solche Effizienzgewinne bringen erhebliche Energie- und Ressourceneinsparungen beim großskaligen KI-Training. In der mathematischen Innovation hat AlphaEvolve eine neuartige, gradientenbasierte Optimierungsmethode entwickelt, die mehrere neue Matrizenmultiplikationsalgorithmen hervorbrachte und damit einen Rekord über 56 Jahre übertraf. Konkret entdeckte es einen Algorithmus, um zwei 4×4-Komplexwert-Matrizen mit 48 skalaren Multiplikationen zu multiplizieren, anstelle der 49 von Strassen – eine Leistung, die Mathematiker seit 1969 vergeblich gesucht hatten.

Diese Entwicklung verbesserte den Stand der Technik für 14 Matrizenmultiplikationsalgorithmen. Die mathematische Kompetenz von AlphaEvolve geht über Matrizenprobleme hinaus. Getestet an über 50 offenen Fragestellungen aus mathematischer Analysis, Geometrie, Kombinatorik und Zahlentheorie, erreichte es etwa 75 % der Lösungsvorschläge auf dem Stand der Technik und verbesserte sie in rund 20 % der Fälle. Zum Beispiel knackte es einen jahrhundertealten geometrischen Rekord im „Kusszahlenproblem“, indem es eine Konfiguration von 593 nicht überlappenden Einheitskörpern fand, die einen zentralen Körper in 11 Dimensionen berühren – und somit den vorherigen Rekord von 592 übertraf. Der Kern von AlphaEvolves Innovation ist sein evolutionärer Ansatz in Kombination mit den Sprachmodellen von Gemini. Mit Gemini Flash für schnelle Vorschläge und Gemini Pro für vertiefte Analysen generiert und modifiziert es Code, der dann automatisch bewertet wird. Die besten Algorithmen beeinflussen die nächsten Evolutionszyklen. Dieser Prozess basiert nicht nur auf Trainingsdaten, sondern erkundet aktiv neue Lösungen und verfeinert diese durch automatisierte Rückkopplungsschleifen, die auf klaren Bewertungsmaßstäben von Gültigkeit und Qualität basieren. Diese Methodik ermöglicht es AlphaEvolve, jede Problemstellung anzugehen, die eine messbare Evaluierung erfordert – sei es die Optimierung des Energieverbrauchs in Rechenzentren oder die Verbesserung mathematischer Beweise. Zukunftsgerichtet sieht Google DeepMind Anwendungen in Materialwissenschaften, Wirkstoffentwicklung und anderen komplexen, algoritmenabhängigen Bereichen. Das Team entwickelt eine Benutzeroberfläche mit der People + AI Research-Gruppe und plant ein Early-Access-Programm für ausgewählte Wissenschaftler, wobei eine breitere Verfügbarkeit noch geprüft wird. AlphaEvolve ist ein seltenes wissenschaftliches Werkzeug, das gleichzeitig bedeutende Auswirkungen in der Praxis auf großem Maßstab erzielt. Mit dem Fortschritt der großen Sprachmodelle werden auch die Fähigkeiten von AlphaEvolve voraussichtlich wachsen. Das System zeigt die Evolution der KI: Es beginnt in der digitalen Infrastruktur von Google, optimiert die Hardware und Software, die diese stützt, und löst nun seit langem bestehende menschliche intellektuelle Herausforderungen in Wissenschaft und Technik.