Google DeepMind đã giới thiệu AlphaEvolve, một tác nhân AI có khả năng sáng tạo hoàn toàn các thuật toán máy tính mới và triển khai chúng ngay lập tức trên hạ tầng máy tính rộng lớn của Google. AlphaEvolve tích hợp các mô hình ngôn ngữ lớn Gemini của Google với phương pháp tiến hóa tự động kiểm tra, tinh chỉnh và cải tiến các thuật toán. Hiện tại, nó đã nâng cao hiệu quả trong các trung tâm dữ liệu của Google, thiết kế chip và hệ thống đào tạo AI, khắc phục các vấn đề toán học đã tồn tại hàng thập kỷ. AlphaEvolve, được nhà nghiên cứu DeepMind Matej Balog mô tả là một tác nhân mã hóa AI dựa trên Gemini, có thể tạo ra các thuật toán vô cùng phức tạp, kéo dài hàng trăm dòng với cấu trúc logic cao cấp vượt xa các hàm đơn giản. Khác với các công trình trước đây với FunSearch, vốn tiến hóa các hàm đơn lẻ, AlphaEvolve tiến hóa toàn bộ mã nguồn, đánh dấu bước tiến lớn trong việc phát triển các thuật toán phức tạp cho các nhiệm vụ khoa học và thực tiễn trong tính toán. Hệ thống này đã hoạt động âm thầm trong hơn một năm tại Google, mang lại những kết quả đáng chú ý. Một thuật toán do AlphaEvolve phát hiện đã cải thiện hệ thống quản lý cluster khổng lồ của Google, Borg, giúp thu hồi trung bình 0, 7% tài nguyên máy tính toàn cầu bằng cách giải quyết các “tài nguyên bị mắc kẹt” — máy móc bị giới hạn bởi một loại tài nguyên nhưng thừa hụt ở loại khác. Đặc biệt, AI tạo ra mã nguồn đơn giản, dễ đọc hiểu để các kỹ sư dễ dàng gỡ lỗi và triển khai. Ngoài các trung tâm dữ liệu, AlphaEvolve còn cải tiến thiết kế phần cứng của Google bằng cách đơn giản hóa mạch số học quan trọng cho các Tensor Processing Units (TPUs). Sau khi các nhà thiết kế TPU xác nhận, cải tiến này sẽ xuất hiện trong các thiết kế chip sắp tới. Thêm vào đó, AlphaEvolve đã nâng cao hệ thống nền tảng của mình bằng cách tối ưu hóa nhân ma trận dùng trong huấn luyện các mô hình Gemini, đạt tốc độ nhanh hơn 23% cho phép tính đó và rút ngắn thời gian huấn luyện tổng thể xuống 1%. Những cải tiến về hiệu quả này mang lại tiết kiệm đáng kể về năng lượng và tài nguyên trong các quá trình đào tạo AI quy mô lớn. Trong lĩnh vực sáng tạo toán học, AlphaEvolve đã thiết kế một quy trình tối ưu dựa trên gradient mới, mang lại nhiều thuật toán nhân ma trận mới, vượt qua kỷ lục tồn tại suốt 56 năm. Cụ thể, nó tìm ra một thuật toán nhân hai ma trận 4×4 có giá trị phức với số phép nhân scalar giảm từ 49 xuống còn 48 của thuật toán Strassen, một thành tựu mà các nhà toán học đã bỏ lỡ từ năm 1969.

Điều này nâng cao trình độ của 14 thuật toán nhân ma trận hiện đại. Khả năng toán học của AlphaEvolve còn vượt ra ngoài các bài toán ma trận. Thử nghiệm trên hơn 50 vấn đề mở trong phân tích toán học, hình học, tô pô tổ hợp và lý thuyết số, nó phù hợp với các giải pháp hàng đầu khoảng 75% thời gian và cải tiến chúng trong khoảng 20% các trường hợp. Ví dụ, nó đã phá vỡ kỷ lục hình học hàng trăm năm trong “vấn đề số hôn” bằng cách tìm ra cấu hình gồm 593 hình cầu đơn vị không chồng chéo chạm vào nhau trong 11 chiều, vượt qua kỷ lục cũ 592. Điểm cốt lõi của sự đổi mới của AlphaEvolve là phương pháp tiến hóa kết hợp với các mô hình ngôn ngữ Gemini. Nó dùng Gemini Flash để nhanh chóng đề xuất và chỉnh sửa mã, và Gemini Pro để phân tích sâu hơn, sau đó tự động đánh giá các mã nguồn này. Các thuật toán hoạt động tốt nhất sẽ dẫn dắt các vòng tiến hóa tiếp theo. Quá trình này không chỉ dựa vào dữ liệu huấn luyện mà còn chủ động khám phá các giải pháp mới, tinh chỉnh chúng qua các phản hồi tự động dựa trên các tiêu chí rõ ràng về tính hợp lệ và chất lượng. Phương pháp này giúp AlphaEvolve xử lý bất kỳ bài toán nào có thể đo lường, từ tối ưu hóa tiêu thụ năng lượng trong trung tâm dữ liệu đến cải thiện các bằng chứng toán học. Trong tương lai, Google DeepMind dự kiến mở rộng ứng dụng sang các lĩnh vực như khoa học vật liệu, khám phá thuốc và các ngành phức tạp phụ thuộc vào thuật toán khác. Nhóm đang phát triển giao diện người dùng cùng nhóm Nghiên cứu Con người + AI và dự kiến mở Chương trình Truy cập Sớm cho các nhà nghiên cứu học thuật lựa chọn, và cân nhắc mở rộng cho công chúng. AlphaEvolve là một công cụ khoa học hiếm hoi mang lại tác động thực tế lớn trên quy mô khổng lồ. Khi các mô hình ngôn ngữ lớn ngày càng tiến bộ, khả năng của AlphaEvolve dự kiến cũng sẽ tăng theo. Hệ thống này thể hiện bước tiến của AI: bắt đầu trong hạ tầng số của Google, tối ưu chính phần cứng và phần mềm mà nó vận hành, và giờ đây còn giải quyết các thách thức tư duy lâu dài của con người trong lĩnh vực khoa học và công nghệ.