Google DeepMind je predstavio AlphaEvolve, AI agenta sposoban da potpuno izmisli nove računarske algoritme i odmah ih implementira u opširnu Google-ovu računarsku infrastrukturu. AlphaEvolve integriše Google-ove velike jezičke modele Gemini sa evolutivnim metodom koji automatski testira, usavršava i poboljšava algoritme. Već sada povećava efikasnost širom Google-ovih data centara, dizajna čipova i sistema za obuku veštačke inteligencije, rešavajući matematičke probleme koji nisu bili rešivi decenijama. AlphaEvolve, kojeg je istraživač DeepMind-a Matej Balog opisao kao AI agenta za kodiranje zasnovan na Gemini modelima, može da kreira veoma složene algoritme koji obuhvataju stotine linija koda sa naprednim logičkim strukturama, prevazilazeći jednostavne funkcije. Za razliku od ranijih radova sa FunSearch-om, koji su evoluirali pojedinačne funkcije, AlphaEvolve evoluira cele baze koda, što predstavlja veliki pomak u razvoju sofisticiranih algoritama za naučne i praktične računarske izazove. Sistem je već više od godinu dana tajno u upotrebi u Google-u, donoseći zapažene rezultate. Jedan algoritam koji je otkrio AlphaEvolve poboljšava Borg, Google-ov masovni sistem za upravljanje klasterima, tako što u proseku vraća 0, 7% svetskih računarskih resursa rešavajući problem “zaglavljenih resursa”—mašina ograničenih jednim tipom resursa ali neaktivnih u drugim. Izuzetno je što AI proizvodi jednostavan, lako čitljiv kod koji inženjeri mogu lako debagovati i implementirati. Pored data centara, AlphaEvolve je poboljšao dizajn hardvera Google-a pojednostavljujući ključni aritmetički sklop za Tensor Processing Units (TPU). Nakon validacije od strane TPU dizajnera, ovo poboljšanje biće uključeno u buduće dizajne čipova. Štaviše, AlphaEvolve je unapredio sopstvene osnove optimizacijom matričnog množenja kernel-a korišćenog u obuci Gemini modela, postigavši 23% ubrzanje te operacije i smanjenje ukupnog vremena obuke za 1%. Ovi poboljšanja efikasnosti donose značajne uštede energije i resursa prilikom velikih AI treninga. U matematičkoj inovaciji, AlphaEvolve je dizajnirao novu proceduru optimizacije zasnovanu na gradijentu, koja je proizvela više novih algoritama za množenje matrica, nadmašivši rekord koji je dugo trajao — 56 godina. Konkretno, pronašao je algoritam za množenje dva 4×4 kompleksna matrice koristeći 48 skalarnih množenja umesto 49, koliko je koristio Strassenov algoritam — što je postignuće koje matematičari nisu uspeli da savladaju od 1969. godine.

Ovaj napredak je unapredio stanje u oblasti od 14 algoritama za množenje matrica. Matematička moć AlphaEvolve ne ograničava se samo na matrične probleme. Testiran je na više od 50 otvorenih problema iz analize, geometrije, kombinatorike i teorije brojeva, gde je u približno 75% slučajeva usklađivan s najsofisticiranijim rešenjima, a u oko 20% slučajeva ih je poboljšao. Na primer, srušio je višestoljetni geometrijski rekord u “problemima sa brojem poljubljivanja” pronalazeći konfiguraciju od 593 neuslovljene jedinične kugle koje dodiruju centralnu kuglu u 11 dimenzija, nadmašivši prethodni rekord od 592. Suština inovacije AlphaEvolve je njegov evolutivni pristup u kombinaciji sa Gemini jezičkim modelima. Koristi Gemini Flash za brzinu i Gemini Pro za dubinu u predlaganju i modifikaciji koda, koji se zatim automatski ocenjuje. Najbolji algoritmi vode naredne cikluse evolucije. Ovaj proces ne zavisi samo od trening podataka, već aktivno istražuje nova rešenja, usavršavajući ih putem automatizovanih povratnih informacija zasnovanih na jasnim kriterijumima validnosti i kvaliteta. Ova metodologija omogućava AlphaEvolve-u da rešava bilo koji problem koji ima merljivu metriku ocenjivanja—bilo da se radi o optimizaciji potrošnje energije u data centrima ili poboljšanju matematičkih dokaza. U budućnosti, Google DeepMind vidi primene i u oblastima nauke o materijalima, otkrića lekova i drugim složenim poljima koja zavise od naprednih algoritama. Tim radi na razvoju korisničkog interfejsa u saradnji sa People + AI Research grupom, a planira i program ranog pristupa za odabrane akademske istraživače, uz razmatranje šire dostupnosti. AlphaEvolve predstavlja retki naučni alat koji istovremeno postiže značajan uticaj u realnom svetu na velikom nivou. Kako se veliki jezički modeli budu dalje razvijali, očekuje se da će i mogućnosti AlphaEvolve-a rasti u skladu s tim. Sistem je primer evolucije veštačke inteligencije: počinje unutar Google-ove digitalne infrastrukture, optimizuje samu hardversku i softversku podlogu koja je podržava, i sada se suočava sa dugogodišnjim ljudskim intelektualnim izazovima u nauci i tehnologiji.