Google DeepMind je predstavio AlphaEvolve, AI agenta sposognog smišljanja potpuno novih računalnih algoritama i njihova neposrednog implementiranja unutar opsežne Googleove računalne infrastrukture. AlphaEvolve integrira Googleove velike jezične modele Gemini s evolucijskom metodom koja automatski testira, usavršava i poboljšava algoritme. Već sada povećava učinkovitost u Googleovim podatkovnim centrima, dizajnu čipova i sustavima za obuku umjetne inteligencije, rješavajući matematičke probleme koji nisu bili riješeni desetljećima. AlphaEvolve, kojeg je istraživač DeepMinda Matej Balog opisao kao AI agenta za kodiranje potpomognut Gemini modelima, može kreirati vrlo složene algoritme koji obuhvaćaju stotine linija koda s naprednim logičkim strukturama iznad jednostavnih funkcija. Za razliku od ranijih radova s FunSearch, koji je evoluirao pojedinačne funkcije, AlphaEvolve razvija cijele baze koda, što predstavlja veliki napredak u razvoju sofisticiranih algoritama za znanstvene i praktične računalne izazove. Sustav je već više od godinu dana djelovao unutar Googlea u tišini, donoseći značajne rezultate. Jedan od algoritama koje je otkrio AlphaEvolve poboljšava Borg, Googleov sustav za upravljanje velikim skupovima računala, povećavajući iskorištenost globalnih računalnih resursa za prosječno 0. 7% rješavajući problem “zadržanih resursa” — strojeva ograničenih jednim tipom resursa, ali neiskorištenih u drugim. Zapanjujuće je što AI generira jednostavan i lako razumljiv kod koji inženjeri mogu jednostavno debugirati i implementirati. Osim podatkovnih centara, AlphaEvolve je poboljšao dizajn Googleovog hardvera pojednostavivši ključni aritmetički krug za Tensor Processing Units (TPUs). Nakon što ga odobre dizajneri TPU-ova, ovo poboljšanje pojavit će se u nadolazećim dizajnima čipova. Nadalje, AlphaEvolve je unaprijedio vlastite temeljne sustave optimizirajući kernel matriks množenja koji se koristi pri obuci Gemini modela, što je rezultiralo ubrzanjem od 23% za tu operaciju i smanjenjem ukupnog vremena obuke za 1%. Ove učinkovitosti donose znatne uštede energije i resursa kod obuke velikih modela umjetne inteligencije. U matematičkim inovacijama, AlphaEvolve je osmislio novu metodu optimizacije temeljenu na gradijentu koja je proizvela više novih algoritama za množenje matrica, nadmašivši rekord koji je stajao 56 godina. Konkretno, pronašao je algoritam za množenje dvije 4×4 složene matrice koristeći 48 skalarnih množenja umjesto 49 Strassenovih, što je postignuće koje je matematičarima izmaklo od 1969. godine.

Ovaj napredak poboljšava trenutnu tehnologiju za 14 algoritama množenja matrica. Matematička snalažljivost AlphaEvolvea ne proteže se samo na probleme s matricama. Testirana na više od 50 otvorenih problema iz područja matematičke analize, geometrije, kombinatorike i teorije brojeva, približno 75% puta uspjela je pronaći rješenja na razini najnaprednijih, a u otprilike 20% slučajeva nadogradila ih je ili poboljšala. Primjerice, prekinula je stoljeća star rekord u geometrijskom problemu “broj ljubljenja”, pronalazeći konfiguraciju od 593 nerasklapajuće kugle istisnutih jedna u drugu koje dodiruju središnju kuglu u 11 dimenzija, čime je nadmašila prethodni rekord od 592. Srce AlphaEvolveove inovacije je njegov evolucijski pristup kombiniran s Gemini jezičnim modelima. Koristi Gemini Flash za brzu generaciju i modificiranje koda te Gemini Pro za dublju analizu i razvoj. Kod se zatim automatski evaluira, a najbolje izvedbeni algoritmi vode sljedeće cikluse evolucije. Ovaj proces ne oslanja se samo na trening podatke, već aktivno istražuje nove mogućnosti, usavršavajući ih putem automatiziranih petlji povratnih informacija temeljenih na jasnim procjenjivačima valjanosti i kvalitete. Ova metodologija omogućava AlphaEvolveu da riješi bilo koji problem s mjerljivom ocjenom—bilo da se radi o optimizaciji potrošnje energije u podatkovnim centrima ili poboljšanju matematičkih dokaza. U budućnosti, Google DeepMind planira primjene u područjima poput znanosti o materijalima, otkrića lijekova i drugih područja složenih algoritama. Tim radi na korisničkom sučelju u suradnji s grupom People + AI Research, a najavljuje i Program rane dostupnosti za odabrane akademske istraživače, s mogućnošću šire dostupnosti. AlphaEvolve predstavlja rijedak znanstveni alat koji u isto vrijeme donosi značajan stvarni utjecaj na velikom obimu. Kako se modeli velikog jezika i dalje razvijaju, očekuje se da će i AlphaEvolveove mogućnosti rasti u skladu s tim. Sustav je primjer evolucije umjetne inteligencije: počinje unutar Googleove digitalne infrastrukture, optimizira samu hardversku i softversku podršku, a sada rješava i dugotrajne ljudske intelektualne izazove u znanosti i tehnologiji.