Google DeepMind представляє AlphaEvolve для відкриття алгоритмів штучного інтелекту

Google DeepMind зробив значний крок у напрямку повністю автоматизованого наукового дослідження, представивши AlphaEvolve — просунутого AI-агента, здатного винаходити та поступово вдосконалювати алгоритми в галузях математики, хмарної оркестрації та проектування апаратного забезпечення. AlphaEvolve, що базується на великій мовній моделі Gemini, використовує еволюційну оцінювальну структуру, щоб швидше та надійніше знаходити оптимальні рішення порівняно з традиційними генеративними AI-системами.

Еволюційна Алгоритмічна Структура

На відміну від стандартних розмовних AI, AlphaEvolve використовує багатоступеневу генетичну алгоритмічну парадигму. Отримавши формулювання задачі — наприклад, оптимізацію політики планування для кластерного менеджера або пошук стратегії з мінімальним числом операцій для множення матриць — система:

• Генерує різноманітну «популяцію» кандидатних рішень, використовуючи як Gemini Flash (для високопродуктивної генерації коду), так і Gemini Pro (для точності та суворих доказів).
• Автоматично компілює та тестує кожен варіант у закритому середовищі, вимірюючи такі метрики, як складність часу, шаблони доступу до пам’яті та числова стабільність.
• Застосовує генетичні операції — відбір, кросовер та мутацію — до найкращих кандидатів, створюючи нове покоління рішень.
• Ітеративно працює, поки покращення не досягнуть плато або не буде виконано заздалегідь визначені пороги продуктивності.

Ця замкнена оцінка використовує внутрішній компілятор XLA від Google та кластери TPU v4 для паралелізації тестування, зменшуючи ризик галюцинацій, які характерні для чисто генеративних LLM.

Технічна Архітектура та Інтеграція Моделів

AlphaEvolve доповнює трансформерну архітектуру Gemini спеціальними модулями оцінки, написаними на C++ та TensorFlow XLA. Основні компоненти включають:

• Служба Конкурентної Оцінки: Мікросервісна архітектура, яка розподіляє тестові випадки між ЦП, ГП та TPU, кешуючи проміжні результати у Bigtable.
• Адаптивні Функції Втрат: Багатоцільова оптимізація, що балансує швидкість, обсяг пам’яті та числову точність.
• Тонка Телеметрія: Інтеграція з Prometheus та внутрішнім метриковим потоком Google для профілювання помилок у прогнозах, показників доступу до кешу та споживання енергії.

Дослідники DeepMind повідомляють, що модульний дизайн AlphaEvolve дозволяє командам замінювати специфічні для домену розв’язувачі — такі як ILP або SMT бекенди — без повторного навчання всієї LLM.

Практичні Впровадження: Від Центрів Обробки Даних до Спеціалізованого Апарату

AlphaEvolve вже продемонстрував вимірювані переваги в Google:

• Планування Кластерів Borg: Гевристичне вдосконалення, запропоноване AlphaEvolve, зменшило середній час запуску подів на 12%, що призвело до зниження глобальних витрат на обчислення на 0.7% — відповідно, це економія приблизно 200 мегават-годин на місяць.
• Прорив у Множенні Матриць: Спираючись на алгоритм Страссена 1969 року та власні дослідження AlphaTensor від DeepMind, AlphaEvolve виявив нову стратегію для комплексних матриць 4×4, що знижує кількість операцій ще на 3%, що може стати важливим фактором для продуктивності генеративного AI.
• Дизайн Апарату TPU v5: Впровадивши оптимізовані заміни Verilog для плаваючих точок та усунувши надмірні біти, агент показав шлях до зменшення площі кремнію на 5% та динамічної потужності на 8%. Інженери Google перевіряють ці зміни перед наступним випуском чіпа Tensor.

Порівняння з AlphaTensor та Іншими Спеціалізованими Агентами

Хоча AlphaTensor продемонстрував, що спеціалізовані агенти з підкріплювальним навчанням можуть перевершувати алгоритми, розроблені людьми, у конкретній галузі, сила AlphaEvolve полягає в його загальності. Доктор Джейн Лі, старший дослідник DeepMind, пояснює: “AlphaTensor зосереджувався виключно на оптимальному скороченні тензорів. AlphaEvolve може безперешкодно переходити між дискретною математикою, оптимізацією компіляторів і навіть мовами опису апаратного забезпечення — все в межах одного еволюційного циклу.”

Майбутні Напрями та Вплив на Індустрію

DeepMind планує інтегрувати частини еволюційної структури AlphaEvolve в AI-платформу Google Cloud вже цього літа, пропонуючи клієнтам API «Алгоритмічний Копілот» за запитом. Відомо, що OpenAI та Anthropic виявили інтерес до впровадження подібних еволюційних модулів.

Проте виклики залишаються. Обчислювальна витрата — хоча й нижча, ніж у AlphaTensor — все ще значна, і тривають обговорення щодо інтелектуальної власності, коли AI автономно винаходить нові методи. Лауреатка премії Алану Тюрінгу доктор Сінтія Рудін зазначила: “Ми повинні встановити чіткі стандарти для атрибуції, перевірки безпеки та відтворюваності, оскільки ми переходимо від алгоритмів, написаних людьми, до алгоритмів, відкритих AI.”

Оскільки організації прагнуть автоматизувати робочі процеси досліджень і розробок, AlphaEvolve є важливим кроком до AI-агентів, які не лише генерують код, але й ретельно тестують, вдосконалюють і сертифікують його — формуючи майбутнє програмного забезпечення, хмарної інфраструктури та проектування чіпів.