Google 的 DeepMind 研究部门宣称，其最新 AI 代理标志着利用该技术解决数学和科学重大问题的一大步。该系统被称为 AlphaEvolve，是基于公司的 Gemini 大语言模型 ( LLMs )，并加入了一种“进化论”方法，用于评估和改进各类应用场景下的算法。
AlphaEvolve 本质上是一个 AI 编程代理，但它远超标准的 Gemini 聊天机器人。当您与 Gemini 对话时，总存在幻觉风险，即由于底层技术的非确定性，AI 可能凭空捏造细节。而 AlphaEvolve 则采用了一种独特的方法，在处理复杂算法问题时提高了准确性。
据 DeepMind 介绍，这款 AI 采用了一套自动评估系统。当研究人员与 AlphaEvolve 互动时，他们会输入一个问题以及可能的解决方案和探索方向。该模型利用了高效的 Gemini Flash 和更注重细节的 Gemini Pro，生成多种可能的解决方案，然后每个方案都会由评估器进行分析。通过进化框架，AlphaEvolve 能够专注于最优解并不断改进。
来源： Google DeepMind
该公司过去的许多 AI 系统，例如用于蛋白质折叠的 AlphaFold，都在单一知识领域内进行了大量训练。然而，AlphaEvolve 则展现出更大的动态性。DeepMind 表示，AlphaEvolve 是一款通用型 AI，能够协助任何编程或算法问题的研究。Google 已经开始在其庞大的业务体系中部署该系统，并取得了积极成果。
团队已经将 AlphaEvolve 部署在 Google Borg 集群管理系统上，用于管理其数据中心。该 AI 建议对调度启发式算法进行修改，这一改变已被采纳，使 Google 全球计算资源节约了 0.7% 。对于 Google 这样规模的企业来说，这是一项显著的财务效益。
此外，AlphaEvolve 或将使生成式 AI 的运作更为高效，而这正是实现该技术商业价值的必要条件。生成系统的内部运作依赖于矩阵乘法操作。历史上，数学家 Volker Strassen 于 1969 年提出了最有效的 4×4 复数矩阵乘法方法，但 DeepMind 表示，AlphaEvolve 已发现了一种更高效的新算法。DeepMind 过去曾通过像 AlphaTensor 这样专注领域的 AI 代理处理这一问题，尽管 AlphaEvolve 是一款通用型 AI，但其解决方案优于 AlphaTensor。
Google 的下一代 Tensor 处理硬件也将从 AlphaEvolve 中受益。DeepMind 报告称，该 AI 对芯片所使用的 Verilog 硬件描述语言进行了修改，剔除了不必要的比特，从而提升了效率。Google 目前仍在验证这一改动，但预计这将成为即将推出的处理器的一部分。
目前，只有 Google 能够调试 AlphaEvolve。虽然其耗用的计算资源比 AlphaTensor 少，但由于系统的复杂性，目前仍不对外公开。未来情况可能会有所变化，而这种高效的评估方法也有望被整合到更小型的科研 AI 工具中。
