Google DeepMind a dévoilé Alphaevolve, un agent AI avancé tirant parti de ses modèles Gemini pour découvrir et optimiser de manière autonome des algorithmes complexes. Ce système est conçu pour relever les défis fondamentaux en mathématiques et améliorer les applications informatiques pratiques, ce qui signifie une progression notable dans l’innovation principale de l’AI-AI. Algorithmes en évoluant des bases de code entières.
Le nouvel agent d’IA a déjà démontré un impact significatif du monde réel dans les opérations de Google. Selon Google Deepmind ALPHAEVOLLES AMÉLIORÉ CENTRAL AGRIVEMENT Efficacité de la programmation du centre de données, il y a une moyenne de 0,7% sur le centre mondial de Google. ressources. It also contributed to optimizing hardware design for future TPUs (Tensor Processing Units, Google’s custom AI accelerators) and reduced Gemini’s own AI model training time by 1%.
Beyond these internal gains, AlphaEvolve is said to have achieved breakthroughs in theoretical mathematics, devising a more efficient algorithm for 4×4 complex matrix multiplication than the long-standing L’algorithme de Strassen et les solutions avancées pour ouvrir des problèmes comme le problème du numéro de baisers.
DeepMind positionne Alphaevolve comme un outil pour augmenter l’expertise humaine et accélérer la découverte scientifique dans divers domaines. La société prévoit un programme d’accès anticipé pour certains utilisateurs académiques, avec un formulaire d’enregistrement Disponible pour les parties intéressées.
Comment alphaévolution artisanat et validates algorithms Processus en plusieurs étapes pour la conception algorithmique. Il utilise un ensemble de modèles Gemini de Google: le Flash Flash plus rapide explore un large éventail d’idées potentielles, tandis que le Gemini Pro plus puissant fournit des suggestions profondes et perspicaces pour les programmes informatiques qui mettent en œuvre ces solutions algorithmiques. Cette vérification est cruciale, car Alphaevolve est conçue pour des problèmes avec des solutions «gradables», comme le dit Google.
Le système fonctionne dans un cadre évolutif, apprenant des tentatives passées et affinant itérative les concepts les plus prometteurs, ce qui lui permet de développer des algorithmes complexes en évoluant des bases de code entières. Cependant, TechCrunch a également souligné une limitation clé: l’alphaevolve ne peut décrire les solutions que comme des algorithmes, ce qui le rend moins adapté aux problèmes non numériques.
Les impacts tangibles et les frontières mathématiques
Les applications pratiques de l’alphaevolve dans Google sont déjà substantielles. Son optimisation de Borg, le système de gestion de cassette à grande échelle de Google , est en production depuis plus d’un an. Dans le matériel, Alphaevolve a proposé un Verilog (un langage de description du matériel) réécrivez-vous pour un circuit arithmétique clé, un changement intégré en un prochain TPU.
Pour le développement de l’IA, il a accéléré un composant logiciel vital, ou noyau, dans l’architecture de Gemini par 23% et optimisé les instructions de GPU de bas niveau pour l’architel Flashattention par le Kernel Flashattention. La société a publié un détaillé white sur Alphaevolve.
En mathématiques pures, les parties conçues par Alphaevolve d’une nouvelle procédure d’optimisation basée sur un gradient, conduisant à de nouveaux algorithmes pour la multiplication matricielle. Son amélioration par rapport à l’algorithme de 1969 de Strassen pour les matrices à valeur complexe 4 × 4, en utilisant 48 multiplications scalaires, dépasse le système spécialisé précédent de Deepmind, alphatenseurs, dans ce domaine spécifique.
Lorsqu’il est appliqué à plus de 50 problèmes mathématiques ouverts, alphaevveled solutions réductriques, notamment des solutions à l’état rédu de 20 Le problème du numéro de baisers. Ces résultats mathématiques sont disponibles dans un google colab .
Paysage
Alphaevolve poursuit le travail de Deepmind dans l’application de l’IA à la découverte scientifique et mathématique, suivant des projets comme Alphageométrie2, qui a fait du succès dans la résolution des problèmes internationaux de l’Olympiade mathématique, et de l’initiative de co-scientist de l’IA pour générer des hypothèses de recherche. Agent de codage propulsé par de grands modèles de langue pour la découverte et l’optimisation des algorithmes à usage général.”DeepMind estime qu’il pourrait être transformateur dans des domaines comme la science des matériaux et la découverte de médicaments.
Cependant, le système n’est pas sans limites. Alors que DeepMind met en évidence ses succès, TechCrunch a observé que certaines améliorations ont été précédemment identifiées par d’autres outils, ce qui suggère qu’Alphaevolve agit actuellement plus comme un accélérateur et un raffineur dans certains cas.
Les modèles Gemini sous-jacents, comme la documentation GEMINI 2.5 récemment mise à jour, ont également fait face à la vérification concernant la transparence de la documentation de sécurité. Kevin Bankston du Center for Democracy and Technology décrit Rapport de sécurité pour la sécurité pour le rapport pour la sécurité pour la sécurité pour la question de la sécurité pour la sécurité pour la sécurité pour la sécurité pour la sécurité pour le RECOURS POUR POUR FORMORSE”Gemini 2.5 Pro en tant que «maigre».
Les propres recherches antérieures de Deepmind ont reconnu que «jusqu’à ce que la vitesse du modèle soit améliorée et que les hallucinations soient complètement résolues, des outils comme les moteurs symboliques resteront essentiels pour les applications mathématiques.»