Google DeepMind Hari saya menarik tirai lagi AlphavolveAgen buatan buatan yang dapat menciptakan algoritma komputer baru-dan kemudian menempatkannya langsung untuk bekerja di dalam kerajaan komputasi luas perusahaan.

Alphavolve Pasangan Google kembar Model bahasa dengan pendekatan evolusi yang menguji dan meningkatkan algoritma secara otomatis. Sistem ini sudah digunakan melalui pusat data Google, desain chip, dan sistem pelatihan kecerdasan buatan – yang meningkatkan efisiensi dan memecahkan masalah matematika yang telah mengalami beberapa dekade.

“Alphavolve adalah agen pengkodean kecerdasan buatan yang bekerja di senam yang dapat membuat penemuan baru dalam komputasi dan matematika,” jelas oleh Matej Balog, Google DeepMind, dalam sebuah wawancara dengan VentureBeat. “Algoritma kompleksitas yang nyata dapat ditemukan – ratusan baris kode diperpanjang dengan struktur logis canggih yang melampaui fungsi sederhana.”

Sistem ini secara dramatis berkembang di Google Work sebelumnya Riset Dengan mengembangkan seluruh kode kode alih -alih satu fungsi. Ini merupakan lompatan besar dalam kemampuan kecerdasan buatan untuk mengembangkan algoritma canggih untuk tantangan ilmiah dan masalah komputasi harian.

Batch Efisiensi Google sebesar 0,7 %: Cara Mengelola Pusat Data Perusahaan AI-Tengkorak

Alphavolve diam -diam bekerja di dalam Google selama lebih dari setahun. Hasilnya sudah penting.

Satu algoritma yang saya temukan itu berhasil BurgSistem manajemen massa besar Google. Penjadwalan ekstensi ini memulihkan rata -rata 0,7 % dari sumber daya komputasi di seluruh dunia dari Google dengan cara yang berkelanjutan – keuntungan efisiensi Google yang luar biasa.

Penemuan ini ditujukan secara langsung “sumber daya yang terputus” – mesin yang telah kehabisan satu jenis pemasok (seperti memori) dengan ketersediaan orang lain (seperti CPU). Solusi Alphavolve adalah nilai khusus karena menghasilkan simbol bacaan sederhana yang dapat dengan mudah dijelaskan oleh para insinyur, memperbaiki, dan menerbitkan.

Agen kecerdasan buatan tidak berhenti di pusat data. Dia menulis ulang sebagian dari desain perangkat Google, dan menciptakan cara untuk menyingkirkan bit yang tidak perlu di sirkuit matematika yang menentukan Unit pemrosesan tensioner (TPU). Desainer TPU telah memverifikasi perubahan untuk hak, dan sekarang menuju ke desain chip yang akan datang.

Mungkin alphavolve yang paling mengesankan meningkatkan sistem yang sama yang beroperasi sendiri. Itu meningkatkan inti dari dua kali lipat matriks yang digunakan untuk pelatihan Model GeminiMencapai percepatan 23 % dari proses itu dan mengurangi pelatihan umum sebesar 1 %. Untuk sistem kecerdasan buatan yang dilatih pada jaringan aritmatika besar, profitabilitas ini diterjemahkan ke dalam penghematan dan sumber daya energi yang besar.

“Kami mencoba untuk menentukan bagian -bagian penting yang dapat dipercepat dan memiliki efek yang paling mungkin,” kata Alexander Novkov, peneliti lain di DeepMind, dalam sebuah wawancara dengan VentureBeat. “Kami berhasil meningkatkan waktu operasi praktis (biomedi) sebesar 23 %, yang diterjemahkan ke dalam 1 % penghematan dari ujung ke ujung pada seluruh kartu pelatihan Gemini.”

Rekam reproduksi 56 -tahun

Alphavolve memecahkan masalah matematika yang telah jatuh ke dalam ahli manusia selama beberapa dekade dengan kemajuan sistem saat ini.

Sistem ini merancang peningkatan baru berdasarkan bertahap yang menemukan beberapa algoritma matriks berganda. Salah satu penemuan menggulingkan rekor olahraga yang berdiri selama 56 tahun.

“Apa yang kami temukan, untuk menjadi terkejut, jujur ​​saja, adalah itu AlphavolveMeskipun ini adalah teknik yang lebih umum, itu mendapat hasil yang lebih baik daripada AlphatensorKata Balog, merujuk pada mantan spesialis Depmind. “Untuk keempat MATC ini dengan empat pengawet, Alphavolve menemukan algoritma yang melebihi algoritma Strasen dari tahun 1969 untuk pertama kalinya dalam persiapan ini.”

Penetrasi ini memungkinkan kompleks 4 x 4 yang dikeluarkan ganda menggunakan 48 ganda numerik, bukan penemuan 49-A yang telah memudar dari ahli matematika sejak Volker Strassen bekerja. Menurut kertas pencarian, Alphaevolve “meningkatkan algoritma terbaru dari matriks 14.”

Kedatangan sistem olahraga melampaui reproduksi matriks. Ketika diuji untuk lebih dari 50 masalah terbuka dalam analisis atletik, rekayasa, emiratisasi, dan teori angka, itu sesuai dengan alphavolve pada solusi terbaru dalam sekitar 75 % kasus. Dalam sekitar 20 % kasus, ini telah meningkatkan solusi yang paling terkenal.

Salah satu kemenangan dalam “Masalah Kissing Number”-tantangan geometris selama berabad-abad untuk menentukan jumlah bola unit unit yang secara bersamaan dapat menyentuh lapangan tengah. Dalam 11 dimensi, Alphaevolve menemukan komposisi dengan 593 bola, memecahkan rekor sebelumnya dari 592.

Cara Mengoperasikan: Model Bahasa Gemini Selain pengembangan membuat pabrik algoritma digital

Apa yang membuat Alphavolve berbeda dari sistem pengkodean kecerdasan buatan lainnya adalah pendekatan evolusionernya.

Sistem ini diterbitkan keduanya Gemini Flash (Untuk kecepatan) dan Gemini Pro (Untuk kedalaman) untuk menyarankan perubahan pada kode saat ini. Perubahan ini diuji oleh penduduk otomatis yang mencatat setiap perbedaan. Algoritma yang paling sukses, lalu mengarahkan putaran pengembangan berikutnya.

Alphavolve tidak hanya menghasilkan simbol data pelatihannya. Ini secara aktif mengeksplorasi ruang solusi, menemukan metode baru, dan menghabiskannya melalui proses evaluasi otomatis – menciptakan solusi yang mungkin tidak pernah dibayangkan orang.

“Salah satu ide penting dalam pendekatan kami adalah bahwa kami fokus pada masalah penghuni yang jelas. Untuk solusi yang diusulkan atau bagian dari kode, kami dapat secara otomatis memverifikasi validitasnya dan mengukur kualitasnya,” jelas Novikov. “Ini memungkinkan kami untuk membuat reaksi cepat dan andal untuk meningkatkan sistem.”

Pendekatan ini bernilai khusus karena sistem dapat bekerja pada masalah apa pun dengan skala evaluasi yang jelas – apakah itu efisiensi energi di pusat data atau keanggunan panduan olahraga.

Dari komputasi awan hingga penemuan obat: algoritma Google AI Goes

Saat menerbitkannya di Infrastruktur dan Penelitian Olahraga dari Google, kemampuan Alphavolve mencapai lebih jauh. Google DeepMind membayangkan aplikasi dalam ilmu material, deteksi obat, dan area lain yang membutuhkan solusi algoritma yang kompleks.

“Kerjasama terbaik dengan Human-AA dapat membantu menyelesaikan tantangan ilmiah terbuka dan juga menerapkannya pada skala Google,” kata Novikov, yang menyoroti kemampuan koperasi rezim, sambil menyoroti kemampuan kooperatif rezim.

Google DeepMind sekarang mengembangkan antarmuka pengguna dengan Tim peneliti orang + ai Dia berencana untuk meluncurkan program akses awal untuk peneliti akademik yang dipilih. Perusahaan juga mengeksplorasi ketersediaan yang lebih luas.

Fleksibilitas sistem adalah keuntungan besar. Balog menunjukkan bahwa “setidaknya sebelumnya, ketika saya bekerja dalam penelitian pembelajaran otomatis, pengalaman saya bukanlah bahwa Anda dapat membangun alat ilmiah dan melihat pengaruh di dunia nyata segera pada kisaran ini. Ini sangat tidak biasa.”

Karena model bahasa besar maju, kemampuan alphavolve akan tumbuh di sampingnya. Sistem ini menunjukkan perkembangan yang menarik dalam kecerdasan buatan itu sendiri – mulai dari perbatasan digital server Google, yang meningkatkan perangkat dan program yang memberi kehidupan, dan sekarang menjangkau untuk menyelesaikan masalah yang telah menantang pemikiran manusia selama beberapa dekade atau berabad -abad.