Dirbtinis intelektas kuria algoritmus, kurie jau keičia „Google“ veiklą
„Google DeepMind“ pristatė „AlphaEvolve“, naujos kartos dirbtinį intelektą, gebantį savarankiškai kurti sudėtingus algoritmus ir nedelsiant juos taikyti praktikoje. Ši sistema veikia kartu su „Gemini“ kalbos modeliais ir remiasi evoliuciniu metodu: siūlo, išbando ir tobulina algoritmus pagal aiškius vertinimo kriterijus[1].
„AlphaEvolve“ jau naudojama „Google“ duomenų centruose, lustų projektavime ir dirbtinio intelekto mokyme. Ji padeda spręsti problemas, kurios iki šiol atrodė neįveikiamos.
„Tai Gemini varomas DI kodavimo agentas, galintis atrasti naujus skaičiavimo ir matematikos sprendimus“, sakė „Google DeepMind“ tyrėjas Matej Balog. Pasak jo, sistema geba kurti sudėtingus kodus, kurie apima šimtus eilučių ir sudėtingas logines struktūras.
Skirtingai nei ankstesnė sistema „FunSearch“, „AlphaEvolve“ neapsiriboja pavienių funkcijų kūrimu: ji generuoja visus algoritmų pagrindus. Tai reiškia reikšmingą šuolį dirbtinio intelekto gebėjimuose spręsti tiek mokslines, tiek praktines informacinių technologijų užduotis.
Didesnis našumas duomenų centruose ir mikroschemų projektavime
„AlphaEvolve“ jau metus tyliai veikia „Google“ viduje, o rezultatai apčiuopiami. Vienas iš sukurtų algoritmų integruotas į „Borg“, didžiulę „Google“ išteklių valdymo sistemą. Šis sprendimas padeda susigrąžinti vidutiniškai 0,7 % visų „Google“ skaičiavimo išteklių, itin reikšminga suma tokio masto organizacijoje.
Šis algoritmas sprendžia vadinamųjų „užstrigusių išteklių“ problemą: kai, pavyzdžiui, serveris išnaudoja atmintį, bet turi laisvų procesoriaus išteklių. „AlphaEvolve“ sukurtas kodas yra ne tik efektyvus, bet ir žmonėms lengvai suprantamas bei įgyvendinamas[2].
Sistema taip pat buvo pritaikyta techniniame lygmenyje, ji perrašė dalį skaičiavimo grandinės, naudojamos „Tensor Processing Unit“ (TPU) lustuose. Kūrėjai patikrino pataisymus ir jie bus naudojami ateinančiuose mikroschemų modeliuose.
Dar vienas proveržis tai optimizuotas matricos daugybos branduolys, naudojamas „Gemini“ modelių mokymui. Pasiektas 23 % greitėjimas sumažino bendrą treniravimo laiką 1 %. „Identifikavome kritines vietas, kurias galime pagreitinti“, sakė tyrėjas Alexander Novikov.
Dirbtinis intelektas pagerino sprendimus, kurių žmonės nerado dešimtmečius
Vienas iš reikšmingiausių „AlphaEvolve“ pasiekimų tai matematinės užduotys, kurių žmonės nesugebėjo išspręsti ilgiau nei pusę amžiaus. Sistema sukūrė naujus matricos daugybos algoritmus, iš kurių vienas pagerino Volkerio Strasseno 1969 m. nustatytą rekordą.
„Mūsų nuostabai, „AlphaEvolve“ pasiekė geresnių rezultatų nei specialiai šiam tikslui kurtas „AlphaTensor“, teigė Matej Balog. 4×4 kompleksinių matricų daugybai sistema rado sprendimą, leidžiantį naudoti 48 daugybas vietoj 49.
Matematikos srityje tai ne vienintelis proveržis. Ši sistema buvo išbandyta su daugiau kaip 50 atvirų problemų įvairiose srityse. Apie 75 % atvejų „AlphaEvolve“ pasiekė esamo lygio rezultatus, o 20 % – juos pagerino. Vienas iš pavyzdžių: geometrijos užduotis apie „bučiuojančių sferų skaičių“. Vienuolikos matmenų erdvėje sistema rado konfigūraciją su 593 sferomis, viršijusią iki tol galiojusį rekordą.
Skirtingai nuo kitų DI sistemų, „AlphaEvolve“ veikia remdamasi grįžtamuoju ryšiu: siūlomi kodo pakeitimai yra testuojami ir vertinami, o sėkmingiausi sprendimai toliau tobulinami.
Nors kol kas sistema naudojama „Google“ viduje, planuojama ją pritaikyti medžiagų moksluose, vaistų kūrime ir kitose srityse. Planuojama pradėti ir ankstyvosios prieigos programą mokslininkams.
