Google DeepMind on paljastanut AlphaEvolve-nimisen tekoälyagentin, joka kykenee keksimään täysin uusia tietokonealgoritmeja ja ottamaan ne heti käyttöön Googlen laajassa tietojenkäsittelyinfrastruktuurissa. AlphaEvolve yhdistää Googlen Gemini-suuruuskielimallit evoluutiomenetelmään, joka automaattisesti testaa, hienosäätää ja parantaa algoritmeja. Se jo nyt lisää tehokkuutta Google:n datakeskuksissa, sirusuunnitteluissa ja tekoälyn koulutusjärjestelmissä, ratkaisten matemaattisia ongelmia, joita ei ole onnistuttu ratkaisemaan vuosikymmeniin. AlphaEvolve, jota DeepMindin tutkija Matej Balog kuvailee Gemini-pohjaiseksi tekoälykoodinluonnin agentiksi, pystyy luomaan erittäin monimutkaisia algoritmeja, joiden koot ovat satoja rivejä, sisältäen edistyneitä loogisia rakenteita yksinkertaisten funktioiden sijaan. Toisin kuin aiemmat FunSearch-työkalut, jotka kehittoivät yksittäisiä funktioita, AlphaEvolve kehittää kokonaisia koodipohjia, mikä merkitsee merkittävää edistystä kehitettäessä monimutkaisempia algoritmeja sekä tieteellisiin että käytännön laskennan haasteisiin. Järjestelmä on toiminut hiljaisesti yli vuoden ajan Googlen sisällä ja tuottanut merkittäviä tuloksia. Yksi AlphaEvolve:n löytämä algoritmi parantaa Borg-järjestelmää, joka hallinnoi Google:n suurta klusteria, tarjoamalla keskimäärin 0, 7 %:n säästön maailmanlaajuisista laskentaresursseista ratkaisemalla niin kutsuttuja “ahtaita resursseja” — koneita, jotka ovat rajallisia yhdellä resurssityypillä mutta käyttämättömiä muissa. Merkitsevää on, että tekoäly tuottaa yksinkertaista, helposti ihmisen luettavaa koodia, jonka insinöörit voivat helposti debugata ja ottaa käyttöön. Data centerien lisäksi AlphaEvolve on parantanut Googlen laitteistosuunnittelua yksinkertaistamalla kriittistä aritmeettista piiriä Tensor Processing Units (TPUs). Kun TPU-suunnittelijoiden hyväksyntä saadaan, tämä parannus otetaan käyttöön tulevissa sirusuunnitelmissa. Lisäksi AlphaEvolve on tehostanut omia järjestelmiään optimoimalla matriisikertolaskukernelin, jota käytetään Gemini-mallien koulutuksessa, saavuttaen 23 % nopeutuksen kyseisessä operaatiossa ja lyhentäen kokonaiskoulutusaikaa 1 prosentilla. Tällaiset tehokkuuden parannukset tuovat merkittäviä energian ja resurssien säästöjä laajamittaisessa tekoälyn koulutuksessa. Matemaattisella alalla AlphaEvolve kehitti uuden gradienttipohjaisen optimointimenetelmän, joka johti useisiin uusiin matriisikertolasku-algoritmeihin, ylettäen yli 56 vuotta vanhan ennätyksen yli. Erityisesti se löysi algoritmin, jolla voi kertoa kahta 4×4 kokoista kompleksiluvullista matriisia käyttämällä 48 skalaaritulosta, kun Strassenin menetelmä vaatii 49 — saavutus, joka on pysynyt saavuttamattomana matemaatikoilta saakka vuodesta 1969.

Tämä parannus edisti alan nykytilaista tasoa 14 matriisikertolasku-Algoritmissa. AlphaEvolve:n matemaattinen kyvykkyys ulottuu myös matriisiongelmien ulkopuolelle. Testejä yli 50 avoimesta ongelmasta matemaattisessa analyysissä, geometrissa, combinatoriikassa ja lukuteoriassa tehtiin, ja se saavutti nykyään huipputason ratkaisujen noin 75 %:ssa tapauksista ja paransi niitä noin 20 %:ssa. Esimerkiksi se rikkoi vuosisatoja kestäneen geometrisen ennätyksen “suukappauslaskentatehtävässä” löytämällä 593 ei-peittävää yksilähtöistä kuutiota, jotka koskettavat toisiaan 11-ulotteisessa tilassa, ohittaen aikaisemman ennätyksen 592:sta. AlphaEvolve:n innovaation ydin on sen evoluutiomenetelmä yhdistettynä Gemini-kielimalleihin. Se käyttää Gemini Flashia nopeuteen ja Gemini Proa syvyyteen ehdottaakseen ja muokatakseen koodia, joka arvioidaan automaattisesti. Parhaiten suorittavat algoritmit ohjaavat seuraavia evoluutiokierroksia. Tämä prosessi ei perustu pelkästään koulutusdataan, vaan aktiivisesti etsii uusia ratkaisuja, joita hienosäädetään automaattisen palautteen avulla, jonka lähteenä ovat selkeät arvioijat pätevyydestä ja laadusta. Tämä menetelmä mahdollistaa AlphaEvolve:n ratkaista minkä tahansa ongelman, jolla on mitattavissa oleva arviointimetriikka — olipa kyse energian käytön optimoinnista datakeskuksissa tai matemaattisten todistusten parantamisesta. Tulevaisuudessa Google DeepMind näkee sovellusten laajenevan materiaalitieteisiin, lääkeaineiden löytämiseen ja muihin monimutkaisiin algoritmiriippuvaisiin aloihin. Tiimi kehittää käyttöliittymää People + AI Research -ryhmän kanssa ja suunnittelee Early Access -ohjelmaa valituille akateemisille tutkijoille, ja laajempi saatavuus on harkinnassa. AlphaEvolve on harvinainen tieteellinen työkalu, joka saavuttaa samanaikaisesti merkittävää todellista maailmanlaajuista vaikutusta suurella mittakaavalla. Koska suuret kielimallit kehittyvät jatkuvasti, odotetaan AlphaEvolve:n kykyjen kasvavan samassa tahdissa. Järjestelmä on esimerkki tekoälyn evoluutiosta: se käynnistyy Googlen digitaalisesta infrastruktuurista, optimoi sitä ylläpitävän hardware:n ja software:n, ja nyt se haastaa pitkään jatkuneita ihmisen älyllisiä haasteita tieteessä ja teknologiassa.