AlphaEvolve: ИИ от Google DeepMind, способный переосмыслить научные исследования - New-Science.ru
09 мая 2025, 00:00
Компания Google DeepMind недавно представила AlphaEvolve - новую высокопроизводительную платформу искусственного интеллекта, способную решать сложные математические задачи и другие научные проблемы. Хотя стандартные чат-боты также могут разрабатывать алгоритмы, новая платформа является более универсальной и использует эволюционный подход для повышения производительности и точности в различных случаях использования.
Научные открытия или разработка новых алгоритмов требуют длительного и сложного процесса формирования идей, исследования, тестирования и проверки. В последние годы большие языковые модели (LLM) помогли значительно ускорить эти процессы. Однако, несмотря на разработку все более мощных моделей, практическое применение и решение сложных проблем все еще ограничено.
Большинство научных приложений ИИ, таких как инструмент для проектирования белков AlphaFold от Google DeepMind, до сих пор основывались на алгоритмах, специально разработанных для одной области применения. Другими словами, несмотря на свою производительность, существующие алгоритмы значительно ограничены в плане универсальности.
AlphaEvolve призвана преодолеть это ограничение, в частности, за счет единоличной генерации алгоритмов для решения сложных задач в самых разных научных областях. По словам Марио Кренна, директора лаборатории искусственных наук в Институте световых наук Макса Планка в Эрлангене (Германия), "AlphaEvolve - это первая успешная демонстрация новых открытий на основе LLM общего назначения".
Эволюционный процесс, адаптированный ко многим областям
AlphaEvolve основан на линейке LLM Gemini от Google DeepMind. По сути, это ИИ-агент, занимающийся программированием, но более универсальный, чем стандартный чат-бот на базе Gemini. При использовании последнего всегда есть риск галлюцинаций, так как он склонен придумывать детали из-за своей вероятностной природы. AlphaEvolve, напротив, опирается на систему самооценки, чтобы повысить точность генерируемых алгоритмов.
Каждый запрос начинается с ввода вопроса, критериев оценки и предлагаемого решения. Затем модель генерирует сотни или тысячи возможных модификаций, используя Gemini Flash (ориентированный на эффективность) и Gemini Pro (ориентированный на точность). Каждое предложение анализируется алгоритмом оценки, который сравнивает модификации с показателями эффективности соответствующего решения (например, для распределения ИТ-рабочих мест или сокращения нерационального использования ресурсов).
LLM предлагает новые идеи, основываясь на вариантах, признанных оптимальными. Эволюционный процесс позволяет инструменту сосредоточиться на лучших из них и улучшить их в соответствии с потребностями пользователя. "Со временем он разрабатывает набор всё более эффективных алгоритмов", — объясняет Матей Балог, специалист по ИИ в Google DeepMind и соавтор исследования. "Мы исследуем это разнообразие возможных решений".
Эволюционный подход AlphaEvolve основан на системе FunSearch - инструменте, разработанном компанией, чтобы соревноваться с человеком в решении определенных математических задач. Однако AlphaEvolve может генерировать гораздо более крупные программы и не ограничивается математикой.
Кроме того, генеративные системы, на которых основана технология, базируются на операциях умножения матриц. Разработанный в 1969 году математиком Фолькером Штрассеном, этот метод является наиболее эффективным для умножения матриц 4×4. Точнее, он предполагает умножение чисел в сетках 4×4, что широко используется для обучения нейронных сетей.
Однако, по данным Google DeepMind, AlphaEvolve разработала еще более мощную технику. Хотя инструмент предназначен для общего использования, он, как утверждается, превзошел AlphaTensor, модель, специально разработанную компанией для матричной механики. Это может повысить эффективность генеративного ИИ, что необходимо для того, чтобы технология была рентабельной.
Повышение вычислительной мощности центров обработки данных
Инженеры Google DeepMind внедрили AlphaEvolve в систему управления центрами обработки данных. ИИ предложил внести улучшения в конструкцию следующего поколения тензорных процессоров (TPU), специально предназначенных для решения сложных задач машинного обучения. Он также предложил изменения, которые позволят повысить вычислительную мощность центров обработки данных и сэкономить 0,7 % всех ресурсов по всему миру, что является значительным конкурентным преимуществом.
AlphaEvolve также была протестирована на пятидесяти математических задачах, включая такие области, как комбинаторная геометрия. В 75 % случаев ей удалось "заново найти" наиболее известные ответы и в 20 % случаев предложить улучшенные решения.
Однако, несмотря на то, что AlphaTensor требует меньше вычислительных ресурсов, пока что он остается слишком сложным для публичного использования. Тем не менее, компания планирует усовершенствовать инструмент, чтобы сделать его еще более универсальным и гибким. Google планирует программу раннего доступа для ученых, а также расширение возможностей для обработки широкого спектра задач, включая естественные науки.
Читайте все последние новости искусственного интеллекта на New-Science.ru