Google DeepMind telah meluncurkan Alphaevolve, agen AI canggih yang memanfaatkan model Gemini untuk secara mandiri menemukan dan mengoptimalkan algoritma kompleks. Sistem ini direkayasa untuk mengatasi tantangan mendasar dalam matematika dan meningkatkan aplikasi komputasi praktis, menandakan kemajuan penting dalam eksplorasi ilmiah yang digerakkan oleh AI.
Inovasi inti Alphaevolve adalah metodologinya di dalam kidar-kidar evaluasi yang sama-sama dengan kidu-kitasian yang memiliki kidu-kid pada kidu-kidu yang memiliki kidu-kidu yang memiliki kidu-kidu yang memiliki kidu-kidu yang memiliki kidu-kidu yang memiliki kidu-kidu yang memiliki kidu-kidor untuk didasi Gemini. Gemini. Memperbaiki algoritma dengan mengembangkan seluruh basis kode.
Agen AI baru telah menunjukkan dampak dunia nyata yang signifikan dalam operasi Google.
Di luar perolehan internal ini, Alphaevolve telah mencapai terobosan 4 dalam matematika yang lebih banyak. Algoritma Strassen dan solusi yang maju untuk membuka masalah seperti masalah angka ciuman. DeepMind memposisikan Alphaevolve sebagai alat untuk menambah keahlian manusia dan mempercepat penemuan ilmiah di berbagai bidang. Perusahaan merencanakan program akses awal untuk pengguna akademik yang dipilih, dengan Formulir pendaftaran yang tersedia untuk pihak yang berkepentingan. Proses multi-tahap untuk desain algoritmik. Ini menggunakan ansambel model Gemini Google: Gemini Flash yang lebih cepat mengeksplorasi beragam ide potensial, sementara Gemini Pro yang lebih kuat memberikan saran yang mendalam dan mendalam untuk program komputer yang mengimplementasikan solusi algoritmik ini. Program yang dihasilkan ini kemudian menjalani evaluasi otomatis menggunakan metrikal yang secara objektif menilai secara objektif. Verifikasi ini sangat penting, karena Alphaevolve dirancang untuk masalah dengan solusi”mesin-gradable”, seperti yang dikatakan Google. Sistem ini beroperasi dalam kerangka evolusi, belajar dari upaya masa lalu dan secara iteratif menyempurnakan konsep yang paling menjanjikan, yang memungkinkannya untuk mengembangkan algoritma yang kompleks dengan berevolusi seluruh basis kode. Namun, TechCrunch juga menunjukkan batasan utama: Alphaevolve hanya dapat menggambarkan solusi sebagai algoritma, membuatnya kurang cocok untuk masalah non-numerik. Aplikasi praktis dari alfaevolve di dalam Google sudah substansial. Optimalisasi Borg, sistem manajemen kluster skala besar Google , telah dalam produksi selama lebih dari satu tahun. In hardware, AlphaEvolve proposed a Verilog (a hardware description language) rewrite for a key arithmetic circuit, a change integrated into an upcoming TPU. For AI development, it sped up a vital software component, or kernel, in Gemini’s architecture by 23% and optimized low-level GPU instructions for the FlashAttention kernel by up to 32.5%. Perusahaan telah menerbitkan terperinci Alphaevolve. Dalam matematika murni, Alphaevolve dirancang bagian-bagian dari prosedur optimasi berbasis gradien baru, yang mengarah ke algoritma baru untuk multiplikasi matriks. Peningkatannya pada algoritma Strassen 1969 untuk matriks bernilai kompleks 4 × 4, menggunakan 48 multiplikasi skalar, melampaui sistem khusus DeepMind sebelumnya, alphatensor, di bidang khusus ini. Termasuk ciuman yang diketahui dalam solution yang lebih baik dalam jumlah yang lebih baik dalam solution yang diketahui, dalam jumlah yang lebih tinggi dalam jumlah yang lebih baik dalam jumlah yang lebih tinggi dalam jumlah yang lebih tinggi dalam jumlah yang lebih tinggi dalam jumlah yang lebih tinggi dalam jumlah yang lebih tinggi dalam jumlah yang diketahui dalam jumlah yang diketahui dalam jumlah yang lebih tinggi dari alfa. masalah. Hasil matematika ini tersedia dalam
Penelitian DeepMind sebelumnya mengakui bahwa”Sampai kecepatan model ditingkatkan dan halusinasi sepenuhnya diselesaikan, alat-alat seperti mesin simbolik akan tetap penting untuk aplikasi matematika.” dampak nyata dan perbatasan matematika