Google DeepMind je predstavil AlphaEvolve, AI agenta, ki je sposoben popolnoma samostojno ustvarjati nove računalniške algoritme in jih takoj implementirati v obsežni Googleovi računalniški infrastrukturi. AlphaEvolve združuje Googleove velike jezikovne modele Gemini z evolucijsko metodo, ki samodejno testira, traži, izboljšuje in izpopolnjuje algoritme. Že zdaj povečuje učinkovitost v Googlovih podatkovnih centrih, pri načrtovanju čipov ter sistemih za usposabljanje umetne inteligence, in rešuje matematične probleme, ki so ostali nerešeni več desetletij. AlphaEvolve, ki ga je DeepMindov raziskovalec Matej Balog opisal kot AI kodirnega agentja, ki ga poganja Gemini, lahko ustvarja zelo kompleksne algoritme, ki segajo na stotine vrstic z naprednimi logičnimi strukturami, ki presegajo preproste funkcije. Za razliko od prejšnjih projektov, kot je FunSearch, ki je razvijal posamezne funkcije, AlphaEvolve razvija celotne kodeksne baze, kar predstavlja pomemben napredek pri razvoju sofisticiranih algoritmov za znanstvene in praktične računalniške izzive. Sistem že več kot leto deluje tiho v Googlu in pri tem dosega opazne rezultate. Eden od algoritmov, ki ga je odkril AlphaEvolve, izboljšuje sistem Borg, Googlov obsežen sistem za upravljanje gruče, saj povprečno pridobi 0, 7 % svetovnih računalniških virov z reševanjem problema „zarobljenih virov“ — strojnih naprav, omejenih z enim virom, vendar neaktivnih v drugih. Presenetljivo je, da AI ustvarja preprost in razumljiv kodozik, ki ga inženirji lahko enostavno odpravljajo in uporabljajo. Poleg podatkovnih centrov je AlphaEvolve izboljšal tudi Googleovo zasnovo strojne opreme s poenostavitvijo ključnega aritmetičnega vezja za Tensor Processing Units (TPUs). Po potrditvi s strani oblikovalcev TPU bo ta izboljšava vključena v prihajajoče zasnove čipov. Poleg tega je AlphaEvolve optimiziral sam svoje osnovne sisteme s posodobitvijo jedra za množenje matrik, ki se uporablja pri usposabljanju Gemini modelov, s čimer je pospešil to operacijo za 23 % in skrajšal skupni čas usposabljanja za 1 %. Takšne izboljšave učinkovitosti pomenijo bistveno prihranek energije in virov pri velikem usposabljanju AI. Na področju matematičnih inovacij je AlphaEvolve oblikoval nov postopek optimizacije na osnovi gradientov, ki je prinesel več novih algoritmov za množenje matrik, s čimer je presegel rekord, ki je trajal 56 let. To je posebej dokazano na primeru algoritma za množenje dveh 4×4 kompleksnih matrik z uporabo 48 skalarnih množenj namesto 49, kar je doseglo že od leta 1969.

Ta napredek je izboljšal stanje umetnosti za 14 algoritmov množenja matrik. Matematična moč AlphaEvolve sega tudi onkraj problema množenja matrik. Testirali so ga na več kot 50 odprtih problemih v matematični analizi, geometriji, kombinatoriki in teoriji števil, kjer je v približno 75 % primerov dosegel najboljše rešitve, v okoli 20 % pa jih je tudi izboljšal. Na primer, je razbil stoletni geometrijski rekord v „problemu poljubljanja“, saj je našel konfiguracijo 593 neprekrivajočih se enotskih sfer, ki se dotikajo osrednje sfere v 11 dimenzijah, s čimer je presegel prejšnji rekord 592. Jedro inovativnosti AlphaEvolve je njegov evolucijski pristop, združen z jezikovnimi modeli Gemini. Uporablja Gemini Flash za hitrost ter Gemini Pro za poglobljenost, za predlaganje in spreminjanje kode, ki jo nato samodejno ocenjujejo. Najboljši algoritmi vodijo naslednje cikle evolucije. Ta postopek ne temelji samo na učnih podatkih, temveč aktivno raziskuje nove rešitve, jih izpopolnjuje s samodejnimi povratnimi zankami na podlagi jasnih ocenjevalcev veljavnosti in kakovosti. Ta metodologija omogoča AlphaEvolve, da reši kateri koli problem z merljivo ocenjevalno metriko — bodisi optimizacijo porabe energije v podatkovnih centrih ali izboljšave matematičnih dokazov. V prihodnosti si Google DeepMind želi razširiti te aplikacije na področja materialnih znanosti, odkrivanja zdravil in drugih kompleksnih področij, ki temeljijo na algoritmih. Ekipa razvija uporabniški vmesnik skupaj z raziskovalno skupino People + AI in načrtuje program za zgodnji dostop za izbrane akademske raziskovalce, pri čemer je širša dostopnost še v načrtih. AlphaEvolve predstavlja redko znanstveno orodje, ki hkrati dosega pomemben vpliv v resničnem svetu na ogromni ravni. Ko se modeli velikih jezikov nadalje razvijajo, se pričakuje, da se bo tudi sposobnost AlphaEvolve razširjala in nadgrajevala. Sistem je primer evolucije umetne inteligence: začne znotraj Googlove digitalne infrastrukture, optimizira samo svojo strojno in programsko opremo ter sedaj naslavlja dolgotrajne človeške intelektualne izzive na področju znanosti in tehnologije.