Google DeepMind telah memperkenalkan AlphaEvolve, agen AI yang mampu mencipta algoritma komputer baru sepenuhnya dan segera menggunakannya dalam infrastuktur pengkomputeran luas Google. AlphaEvolve mengintegrasikan model bahasa besar Gemini daripada Google dengan kaedah evolusi yang secara automatik menguji, memperbaiki, dan meningkatkan algoritma. Ia sudah meningkatkan kecekapan di pusat data Google, reka bentuk cip, dan sistem latihan AI, serta menyelesaikan masalah matematik yang tidak dapat diselesaikan selama berdekad-dekad. AlphaEvolve, yang digambarkan oleh penyelidik DeepMind, Matej Balog, sebagai agen pengekodan AI berkuasa Gemini, mampu mencipta algoritma yang sangat kompleks yang merangkumi ratusan baris dengan struktur logik canggih yang melampaui fungsi mudah. Berbeza dengan kerja sebelum ini dengan FunSearch, yang mengubahsuai fungsi tunggal, AlphaEvolve mengubahsuai keseluruhan pangkalan kod, menandakan kemajuan utama dalam membangunkan algoritma canggih untuk cabaran pengkomputeran saintifik dan praktikal. Sistem ini telah beroperasi secara diam-diam di Google selama lebih setahun, menghasilkan keputusan yang ketara. Salah satu algoritma yang ditemui oleh AlphaEvolve meningkatkan Borg, sistem pengurusan kluster Google yang berskala besar, dengan memperolehi purata 0. 7% sumber pengkomputeran seluruh dunia dengan mengatasi isu “sumber yang terperangkap” — mesin yang terhad oleh satu jenis sumber tetapi tidak digunakan sepenuhnya di tempat lain. Menariknya, AI ini menghasilkan kod yang ringkas dan mudah difahami manusia, yang mudah untuk diimbas dan digunakan oleh jurutera. Selain pusat data, AlphaEvolve turut memperbaiki reka bentuk perkakasan Google dengan memudahkan litar aritmetik kritikal untuk Unit Pemprosesan Tensel (TPU). Setelah disahkan oleh pereka TPU, penambahbaikan ini akan digunakan dalam reka bentuk cip yang akan datang. Tambahan lagi, AlphaEvolve turut meningkatkan sistem asasnya dengan mengoptimumkan kernel pendaraban matriks yang digunakan dalam latihan model Gemini, mencapai peningkatan kelajuan sebanyak 23% untuk operasi tersebut dan menurunkan masa latihan keseluruhan sebanyak 1%. Penambahbaikan kecekapan ini membawa kepada penjimatan tenaga dan sumber yang besar dalam latihan AI berskala besar. Dalam inovasi matematik, AlphaEvolve mereka algoritma baharu berasaskan kecondongan (gradient) yang menghasilkan beberapa algoritma pendaraban matriks baru, mengatasi rekod yang telah bertahan selama 56 tahun. Khususnya, ia menemui algoritma untuk mendarab dua matriks kompleks 4×4 menggunakan 48 pendaraban scalar berbanding 49 menurut Strassen—satu pencapaian yang gagal ditemui oleh ahli matematik sejak tahun 1969.

Kemajuan ini meningkatkan keadaan seni bagi 14 algoritma pendaraban matriks. Kemampuan matematik AlphaEvolve tidak terhad pada masalah matriks. Ia diuji ke atas lebih 50 masalah terbuka dalam analisis matematik, geometri, kombinatorik, dan teori nombor, dan memenuhi solusi terkini kira-kira 75% daripada masa dan memperbaikinya dalam sekitar 20% kes. Sebagai contoh, ia memecahkan rekod geometri berabad lamanya dalam “masalah nombor ciuman” dengan menemui konfigurasi 593 sfera unit tidak bertindih yang menyentuh sebuah sfera pusat dalam 11 dimensi, melebihi rekod sebelum ini 592. Inti inovasi AlphaEvolve terletak pada pendekatan evolusinya yang digabungkan dengan model bahasa Gemini. Ia menggunakan Gemini Flash untuk kelajuan dan Gemini Pro untuk kedalaman dalam mencadangkan dan mengubah suai kod, yang kemudian dinilai secara automatik. Algoritma yang berprestasi terbaik akan menjadi panduan dalam kitaran evolusi seterusnya. Proses ini tidak hanya bergantung kepada data latihan, tetapi secara aktif meneroka penyelesaian baharu dengan memperhalusi melalui maklum balas automatik berdasarkan penilaian yang jelas terhadap kesahihan dan kualiti. Metodologi ini membolehkan AlphaEvolve menanggani apa sahaja masalah yang mempunyai pengukur penilaian—sama ada mengoptimumkan penggunaan tenaga di pusat data atau membuktikan teori matematik. Melangkah ke hadapan, Google DeepMind membayangkan aplikasi meluas dalam bidang sains bahan, penemuan ubat, dan bidang kompleks lain yang bergantung kepada algoritma. Pasukan ini sedang membangunkan antara muka pengguna bersama kumpulan People + AI Research dan merancang Program Akses Awal untuk penyelidik akademik terpilih, dengan pertimbangan untuk penawaran yang lebih luas di masa hadapan. AlphaEvolve merupakan alat saintifik jarang yang secara serentak mencapai impak dunia nyata yang besar dan bermakna. Dengan kemajuan berterusan model bahasa besar, kemampuan AlphaEvolve dijangka akan berkembang sejajar. Sistem ini menjadi contoh evolusi AI: bermula dari infrastuktur digital Google, mengoptimumkan perkakasan dan perisian yang menyokongnya, dan kini mula mengatasi cabaran intelektual manusia yang lama tertinggal dalam sains dan teknologi.