Google DeepMind ha presentado AlphaEvolve, un agente de inteligencia artificial capaz de inventar algoritmos informáticos completamente nuevos y desplegarlos de inmediato en la extensa infraestructura informática de Google. AlphaEvolve combina los grandes modelos de lenguaje Gemini de Google con un método evolutivo que prueba, refina y mejora automáticamente los algoritmos. Ya está aumentando la eficiencia en los centros de datos, diseños de chips y sistemas de entrenamiento de inteligencia artificial de Google, abordando problemas matemáticos sin resolver durante décadas. AlphaEvolve, descrito por el investigador de DeepMind Matej Balog como un agente de codificación IA potenciado por Gemini, puede crear algoritmos altamente complejos que abarcan cientos de líneas con estructuras lógicas avanzadas, más allá de simples funciones. A diferencia del trabajo anterior con FunSearch, que evolucionaba funciones individuales, AlphaEvolve evoluciona bases de código completas, marcando un avance importante en el desarrollo de algoritmos sofisticados para desafíos científicos y prácticos en la informática. El sistema ha estado operando en silencio dentro de Google durante más de un año, logrando resultados destacados. Un algoritmo descubierto por AlphaEvolve mejora Borg, el sistema de gestión de clústeres de Google, recuperando en promedio un 0, 7 % de los recursos informáticos en todo el mundo mediante la solución de “recursos atrapados”, es decir, máquinas limitadas por un recurso y ociosas en otros. De manera notable, la IA produce código simple y legible para humanos, que los ingenieros pueden depurar y desplegar con facilidad. Más allá de los centros de datos, AlphaEvolve mejoró el diseño del hardware de Google simplificando un circuito aritmético crítico para las Unidades de Procesamiento Tensor (TPUs). Tras la validación por parte de los diseñadores de TPUs, esta mejora aparecerá en los futuros diseños de chips. Además, AlphaEvolve optimizó sus propios sistemas básicos al perfeccionar un núcleo de multiplicación de matrices utilizado en el entrenamiento de modelos Gemini, logrando una aceleración del 23 % en esa operación y reduciendo en un 1 % el tiempo total de entrenamiento. Estos avances en eficiencia se traducen en ahorros significativos de energía y recursos en entrenamientos de IA a gran escala. En innovación matemática, AlphaEvolve diseñó un procedimiento de optimización novedoso basado en gradientes que produjo múltiples nuevos algoritmos para la multiplicación de matrices, superando un récord que permanecía por 56 años. Específicamente, encontró un algoritmo para multiplicar dos matrices complejas de 4×4 utilizando 48 multiplicaciones escalares en lugar de las 49 de Strassen, un logro que los matemáticos no habían conseguido desde 1969.

Este avance mejoró el estado del arte en 14 algoritmos de multiplicación de matrices. La capacidad matemática de AlphaEvolve va más allá de los problemas de matrices. Probado en más de 50 problemas abiertos en análisis matemático, geometría, combinatoria y teoría de números, alcanzó soluciones similares a las mejores en aproximadamente el 75 % de los casos y las mejoró en cerca del 20 %. Por ejemplo, rompió un récord geométrico centenario en el “problema del número de besos” al encontrar una configuración de 593 esferas de unidad sin superposiciones tocando una esfera central en 11 dimensiones, superando el récord anterior de 592. El núcleo de la innovación de AlphaEvolve es su enfoque evolutivo combinado con los modelos de lenguaje Gemini. Usa Gemini Flash para rapidez y Gemini Pro para profundidad, proponiendo y modificando código que luego se evalúa automáticamente. Los algoritmos mejor valorados guían los ciclos de evolución posteriores. Este proceso no se basa únicamente en datos de entrenamiento, sino que explora activamente soluciones novedosas, refinándolas mediante bucles de retroalimentación automáticos basados en evaluadores claros de validez y calidad. Esta metodología permite a AlphaEvolve abordar cualquier problema con una métrica de evaluación medible, ya sea optimizando el uso de energía en centros de datos o mejorando pruebas matemáticas. De cara al futuro, DeepMind de Google visualiza aplicaciones que se extienden a las ciencias de materiales, descubrimiento de fármacos y otros campos complejos dependientes de algoritmos. El equipo está desarrollando una interfaz de usuario con el grupo People + AI Research y planea un programa de acceso temprano para investigadores académicos seleccionados, contemplando una disponibilidad más amplia en el futuro. AlphaEvolve representa una herramienta científica rara que logra simultáneamente un impacto real a gran escala. A medida que los grandes modelos de lenguaje avanzan, se espera que las capacidades de AlphaEvolve crezcan en paralelo. El sistema ejemplifica la evolución de la IA: comienza en la infraestructura digital de Google, optimiza tanto el hardware como el software que la sustenta, y ahora enfrenta desafíos intelectuales humanos de larga data en ciencia y tecnología.