గూగుల్ డీప్‌మైండ్ అಲ್ಪీఈవోల్వ్ అనే AI ఏజెంట్‌ను పరిచయం చేసింది, ఇది పూర్తిగా కొత్త కంప్యూటర్ ఆల్గోరిథమ్స్‌ను కనుగొని వాటిని వెంటనే గూగుల్ యొక్క విస్తృత కంప్యూటింగ్ వసతుల్లో అమలు చేస్తుంది. అల్పీఈవోల్వ్ గూగుల్ యొక్క జెమిని పెద్ద భాషా మోడల్స్‌ను ఒక ఆణువిక అభివృద్ధి విధానంతో సమీకరించి, స్వయంద. drive పరీక్షలు, పరిశీలనలు, మెరుగుపడింపులు చేస్తుంది. ఇది ఇప్పటికే గూగుల్ డేటాసెంటర్స్, చిప్ డిజైన్స్, AI శిక్షణ వ్యవస్థలలో సామర్థ్యాన్ని పెంచడంలో సహాయపడుతోంది, దశాబ్దాల నుండి పరిష్కారాలు ఎదుర్కొంటున్న గణిత సవాళ్లకు చొరవ చూపుతున్నది. గవేశకుడుMatej Balog, గేమిని ఆధారిత AI కోడింగ్ ఏజెంట్‌గా అల్పీఈవోల్వ్‌ను వివరిస్తూ, ఇది శక్తివంతమైన సంకీర్ణ ఆల్గోరిథమ్స్‌ను వందల రేఖలతో, ఆధునిక తర్క నిర్మాణాలతో సృష్టించగలదు, సాధారణ ఫంక్షన్లకు మించి. పూర్వపు FunSearch పనికి భిన్నంగా, ఇది ఒక్క ఫంక్షన్‌లే కాదు, మొత్తం కోడ్‌బేస్‌ను అభివృద్ధి చేస్తుంది, ఇది శాస్త్రీయ మరియు ప్రాక్టికల కంప్యూటింగ్ సవాళ్లకు అత్యుత్తమ పురోగతి. ఇది గూగుల్‌లో స్థిరంగా పనిచేసి, ఏకంగా సంవత్సరం పైగా పనిచేస్తోంది, గొప్ప ఫలితాలను పొందింది. అల్పీఈవోల్వ్ ద్వారా కనుగొనబడిన ఒక ఆల్గోరిథం, బోర్ట్ అనే గూగుల్ యొక్క విస్తృత క్లస్టర్ నిర్వహణ వ్యవస్థను మెరుగుపరచింది, ఇది 'స్ట్రాండ్డ్ రిసోర్సెస్'ను పరీస్కరించుట ద్వారా ప్రపంచవ్యాప్తంగా 0. 7% కంప్యూటింగ్ వనరులను తిరిగి పొందడంలో సహాయం చేసింది — అవి ఎడమవైపు ఒక వనరుకు పరిమితమైనా, మరి ఇతర వనరుల్లో ఖాళీగా ఉంటుంది. ఆశ్చర్యకరంగా, ఈ AI సులభంగా మనిషి చదివే కోడ్‌ని ఉత్పత్తి చేస్తుంది, ఇది ఇంజనీర్లు సులభంగా డీబగ్ చేసి అమలు చేయవచ్చు. డేటా సెంటర్లకు మరియు ప్రాథమిక మిషన్లకుపై కాకుండా, అల్పీఈవోల్వ్ గూగుల్ యొక్క ਚిప్ డిజైన్లను మెరుగుపరిచింది. ఇది ట్రాన్స్టర్ ప్రాసెసింగ్ యూనిట్స్ (TPUs) కోసం ముఖ్యమైన గణిత సర్క్యూట్‌ను సులభతరం చేసింది. TPU డిజైనర్ల ప్రమాణీకరణ తర్వాత, ఇది వచ్చే చిప్ డిజైన్లలో ఉండడం ఖాయం. అంతేకాక, అల్పీఈవోల్వ్ తన మనసు కూడా మెరుగుపరచుకుంది, గేమిని మోడల్స్ శిక్షణలో ఉపయోగించే మ్యాట్రిక్స్ గుణకరణ కర్నెల్‌ను ఆప్టిమైజ్ చేసి, ఆ ఆపరేషన్‌కు 23% వేగవ్ధిచని, మొత్తం శిక్షణ సమయాన్ని 1% తగ్గించింది. ఇది పెద్ద స్థాయి AI శిక్షణలో విద్యుత్ మరియు వనరుల పెద్ద ఆదాయాన్ని అందిస్తుంది. గణిత పరిశోధనలో, అల్పీఈవోల్వ్, 56 సంవత్సరాల రికార్డును అధిగమిస్తూ, రెండు 4×4 కాంప్లెక్స్ విలువ గల మ్యాట్రిక్స్‌లను 48 స్కేలా గుణించేవానికై కొత్త అల్గోరిథమ్‌ను రూపొందించింది — ఇది 1969 నుండి సాధ్యపడని విషయంలో పెద్ద విజయమే నని. ఇది 14 మేట్రిక్స్ గుణకరణ అల్గోరిథమ్స్ యొక్క ఆంగ్లశాస్త్రాన్ని మెరుగుపరచింది. అల్పీఈవోల్వ్ యొక్క గణిత శక్తి మాత్రమే కాదు, అది గణిత విశ్లేషణ, జ్యామితి, సంపుటి సిద్ధాంతం, సంఖ్య శాస్త్రం వంటి 50 పైగా సమస్యలకు పరీక్షించబడింది. దాదాపు 75% సమయాల్లో ఇది ఆధునిక పరిష్కారాలను సరిపోల్చింది, ఇంకా 20% కేసులలో వాటిపై మెరుగుపడింది.

ఉదాహరణకు, "కిస్సింగ్ నంబర్ ప్రాబ్లం"లో, ఇది 11 ప్రమాణాల్లో 593 సమాంతరతలైన యూనిట్ స్పియర్స్‌ను తిరుగులేని కాంఫిగరేషన్‌లో అమర్చడం ద్వారా శతాబ్ధాల నుంచి ఉన్న రికార్డుని అధిగమించింది, ముందు రికార్డు 592. అల్పీఈవోల్వ్ యొక్క కల్పన మరింత విస్తరించబడి, దాని ఆధారభూత వ్యవస్థలను మెరుగుపరిచింది, ముఖ్యంగా ట్రాన్స్టర్ గణన కోసం ఉపయోగించే మ్యాట్రిక్స్ గుణకరణ కర్నెల్‌ను ఆప్టిమైజ్ చేసి, వేగం 23% పెంచడం, మొత్తం శిక్షణ సమయంలో 1% घटించడం జరిగింది. ఈ సామర్థ్యంపోవడమే పెద్ద శక్తి, వనరుల ఆదా సాధ్యమయ్యింది. గణిత పరిచయాల్లో, ఇది కొత్త గ్రాడియెంట్ ఆధారిత ఆప్టిమైజేషన్ విధానాన్ని రూపొందించి, 56 ఏళ్ల రికార్డ్‌ను అధిగమిస్తూ, రెండు 4×4 కాంప్లెక్స్ మ్యాట్రిక్స్‌లను గుణించే కొత్త విధానాలను కనుగొంది. ఇది 49 స్కేలు వద్ద ఉన్న స్ట్రాసన్ పద్ధతిని మించి, 48 స్కేలు మాత్రమే ఉపయోగించింది, ఇది గుర్తింపు పొందలేదు. ఈ పురోగతి, గణిత విజయాలను మెరుగుపరిచిందే కాకుండా, 14 రకాల మ్యాట్రిక్స్ గుణకరణ అల్గోరిథమ్స్‌లో గౌరవాన్ని పొందింది. అల్పీఈవోల్వ్ గణిత సమస్యలు మాత్రమే కాక, 50 పైగా సమస్యలను పరీక్షించగా, దాదాపు 75% వాటిని ఆధునిక పరిష్కారాలతో సరిపోల్చింది మరియు 20% వేరే మార్గాల్లో మెరుగుపరిచింది. ఉదాహరణకు, ఇది శతాబ్ధాల పురాతన గణిత రికార్డును అధిగమించి, 11 ప్రమాణాల్లోని వ్యాసాకార గోళాల ముడితో కూడిన అమరికను కనుగొంది, ఇది ముందస్తుగా ఉన్న 592కు కన్నా ఎక్కువగా 593గా ఉంది. అల్పీఈవోల్వ్ యొక్క ముఖ్య ఆవిష్కరణ, జెనీల భాషా మోడల్స్‌తో కలిపి, దాని అభివృద్ధి విధానంతో కూడుకున్నది. ఇది Gemini Flashను వేగం కోసం, Gemini Proని గాఢత కోసం ఉపయోగించి, కోడ్‌ను ప్రతిపాదించి మారుస్తుంది, తద్వారా వాటిని ఆటోమేటిక్‌గా పరీక్షిస్తారు. అత్యుత్తమ ఆ algorithms, తరువాతి అభివృద్ధి చక్రాలకు మార్గదర్శకంగా ఉంటాయి. ఈ ప్రక్రియ, శిక్షణ డేటా మాత్రమే ఆధారపడకుండా, కొత్త పరిష్కారాలను సకియంగా పరిశీలించి, వివరణాత్మక సమీక్షల ఆధారంగా మెరుగుపరుస్తుంది. ఈ విధానం, వేరు సమస్యలను, శక్తి వినియోగాలు లేదా గణిత సాక్ష్యపరిచేలా ఏదైనా సమీక్ష సూచిక ఉండినప్పుడు, వాటిని సాధించడంతో సహాయం చేస్తుంది — భవిష్యత్తులో గూగుల్ డీప్‌మైండ్ అంశాలు పదార్థ శాస్త్రము, ఔషధ కనుగొనడం మరియు ఇతర సంక్లిష్ట అల్గోరిథములు ఆధారమైన రంగాలలో పంపిణీ చేయడం ఆసక్తికరంగా చూడవచ్చు. ఇందుకోసం, టీమ్ స్పెషలిస్ట్‌లతో పేర్పు, మరియు డాక్టరల్ పరిశోధకుల కోసం త్వరిత ప్రవేశ కార్యక్రమం డిజైన్ చేస్తున్నది, ఇంకా మరెంపని సాధ్యమైందని ఆలోచనలో ఉన్నాయి. అల్పీఈవోల్వ్ అనేది ఒక అరుదైన శాస్త్రీయ సాధనం, ఇది గణనీయమైన వాస్తవ ప్రపంచ ప్రస్థానాన్ని అందిస్తుంది. పెద్ద భాషా మోడల్స్ అభివృద్ధి కొనసాగుతూనే ఉంటే, అల్పీఈవోల్వ్ కూడా లక్షణాలను మరింత విస్తరించేది అనుమానమే లేదు. ఇది AI అభివృద్ధి చేసింది: ఇది గూగుల్ యొక్క డిజిటల్ వ_vlan_స్థాపనలను ప్రారంభించి, దీన్ని ఆశ్రయించే హార్డ్వేర్, సాఫ్ట్‌వేర్‌ను నిర్వహిస్తుంది, ఇంకా ప్రకటనల బౌద్ధిక సవాళ్లను పరిష్కరిస్తోంది.