Google DeepMind telah meluncurkan AlphaEvolve, agen AI yang mampu menciptakan algoritma komputer baru secara sepenuhnya dan langsung mengimplementasikannya dalam infrastruktur komputasi Google yang luas. AlphaEvolve mengintegrasikan model bahasa besar Gemini milik Google dengan metode evolusi yang secara otomatis menguji, menyempurnakan, dan meningkatkan algoritma-algoritma tersebut. Saat ini, sistem ini sudah meningkatkan efisiensi di berbagai pusat data Google, desain chip, dan sistem pelatihan AI, serta menanggulangi masalah matematis yang belum terselesaikan selama beberapa dekade. AlphaEvolve, yang oleh peneliti DeepMind Matej Balog dijelaskan sebagai agen pengkodean AI berbasis Gemini, dapat membuat algoritma yang sangat kompleks dengan ratusan baris kode dan struktur logika canggih yang melampaui fungsi sederhana. Berbeda dengan pekerjaan sebelumnya dengan FunSearch, yang mengembangkan fungsi tunggal, AlphaEvolve berkembang seluruh basis kode, menandai kemajuan besar dalam pengembangan algoritma canggih untuk tantangan komputasi ilmiah dan praktis. Sistem ini telah beroperasi secara diam-diam di Google selama lebih dari satu tahun, menghasilkan hasil yang cukup signifikan. Salah satu algoritma yang ditemukan oleh AlphaEvolve meningkatkan Borg, sistem manajemen cluster besar milik Google, dengan memulihkan rata-rata 0, 7% sumber daya komputasi global dengan mengatasi “sumber daya terdampar” — mesin yang terbatas oleh satu jenis sumber daya tetapi idle di lainnya. Hebatnya, AI ini mampu menghasilkan kode yang sederhana dan dapat dibaca manusia, sehingga dengan mudah dapat didebug dan di-deploy oleh insinyur. Selain pusat data, AlphaEvolve juga memperbaiki desain perangkat keras Google dengan menyederhanakan rangkaian aritmatika penting untuk Tensor Processing Units (TPUs). Setelah divalidasi oleh perancang TPU, perbaikan ini akan digunakan dalam desain chip mendatang. Selain itu, AlphaEvolve juga meningkatkan sistem dasarnya sendiri dengan mengoptimalkan kernel perkalian matriks yang digunakan dalam pelatihan model Gemini, mencapai percepatan 23% untuk operasi tersebut dan mengurangi waktu pelatihan secara keseluruhan sebesar 1%. Perbaikan efisiensi ini berarti penghematan energi dan sumber daya yang signifikan dalam pelatihan AI berskala besar. Dalam bidang inovasi matematika, AlphaEvolve merancang prosedur optimisasi berbasis gradien yang menghasilkan berbagai algoritma perkalian matriks baru, melampaui rekor yang bertahan selama 56 tahun. Secara khusus, algoritma ini mampu mengalikan dua matriks berukuran 4×4 dengan nilai kompleks menggunakan 48 perkalian skalar, daripada 49 seperti Strassen, pencapaian yang tidak berhasil diselesaikan matematikawan sejak tahun 1969.

Kemajuan ini meningkatkan standar terkini untuk 14 algoritma perkalian matriks. Kemampuan matematis AlphaEvolve tidak hanya terbatas pada masalah matriks. Pada pengujian lebih dari 50 masalah terbuka dalam analisis matematis, geometri, kombinatorik, dan teori bilangan, sistem ini mampu mencapai solusi setara dengan solusi terbaik saat ini sekitar 75% dari waktu dan memperbaikinya dalam sekitar 20% kasus. Contohnya, AlphaEvolve memecahkan rekor geometris berabad-abad dalam “masalah jumlah ciuman” dengan menemukan konfigurasi 593 bola satuan yang tidak saling tumpang tindih dan menyentuh bola pusat dalam 11 dimensi, melampaui rekor sebelumnya yaitu 592. Inti inovasi AlphaEvolve adalah pendekatan evolusioner yang digabungkan dengan model bahasa Gemini. Ia menggunakan Gemini Flash untuk kecepatan dan Gemini Pro untuk kedalaman dalam mengusulkan dan memodifikasi kode, yang kemudian dievaluasi secara otomatis. Algoritma yang berkinerja terbaik menjadi panduan untuk siklus evolusi berikutnya. Proses ini tidak hanya bergantung pada data pelatihan, tetapi juga secara aktif mencari solusi baru, menyempurnakannya melalui loop umpan balik otomatis berdasarkan evaluator yang jelas tentang validitas dan kualitas. Metodologi ini memungkinkan AlphaEvolve untuk menangani berbagai masalah dengan metrik evaluasi yang dapat diukur—baik itu mengoptimalkan penggunaan energi di pusat data maupun pembuktian matematis. Ke depan, DeepMind Google membayangkan aplikasi yang meluas ke ilmu material, penemuan obat, dan bidang lain yang bergantung pada algoritma kompleks. Tim sedang mengembangkan antarmuka pengguna bersama kelompok People + AI Research dan merencanakan Program Akses Awal untuk peneliti akademis tertentu, dengan kemungkinan perluasan untuk umum. AlphaEvolve merupakan alat ilmiah langka yang tidak hanya mencapai dampak nyata secara besar-besaran di dunia nyata. Seiring kemajuan model bahasa besar, kemampuan AlphaEvolve diperkirakan akan terus berkembang. Sistem ini menjadi contoh evolusi AI: dimulai dari infrastruktur digital Google, mengoptimalkan perangkat keras dan perangkat lunak yang mendukungnya, dan kini mampu mengatasi tantangan intelektual manusia yang telah bertahan lama di bidang ilmu pengetahuan dan teknologi.