DeepMind dezvăluie o inteligență artificială științifică de uz general „spectaculoasă” care rezolvă problemele din lumea reală mai bine decât pot oamenii
Urmărește cele mai noi producții video TechRider.ro
- articolul continuă mai jos -
Google DeepMind a folosit modele de chatbot pentru a veni cu soluții la probleme majore din matematică și informatică potrivit VentureBeat.
Sistemul, numit AlphaEvolve, combină creativitatea unui model LLM cu algoritmi care pot analiza sugestiile modelului pentru a filtra și îmbunătăți soluțiile. Acesta a fost descris într-un document oficial publicat de companie pe 14 mai.
AlphaEvolve combină modelele LLM Gemini de la Google cu o abordare evolutivă care testează, rafinează și îmbunătățește automat algoritmii. Sistemul a fost deja implementat în centrele de date, în designurile de cipuri și în sistemele de antrenament pentru inteligența artificială ale Google – sporind eficiența și rezolvând probleme matematice care i-au pus în dificultate pe cercetători timp de decenii.
„AlphaEvolve este un agent de codare bazat pe inteligență artificială, bazat pe Gemini, capabil să facă noi descoperiri în informatică și matematică”, a explicat Matej Balog, cercetător la Google DeepMind. „Poate descoperi algoritmi de o complexitate remarcabilă – care acoperă sute de linii de cod cu structuri logice sofisticate care depășesc cu mult funcțiile simple.”
Sistemul extinde dramatic munca anterioară a Google cu FunSearch, dezvoltând baze de cod întregi, în loc de funcții individuale. Reprezintă un salt major în capacitatea inteligenței artificiale de a dezvolta algoritmi sofisticați atât pentru provocări științifice, cât și pentru probleme de calcul de zi cu zi.
O creștere de 0,7% a eficienței Google, algoritmii creați de inteligența artificială rulează centrele de date ale companiei
AlphaEvolve lucrează discret în cadrul Google de peste un an. Rezultatele sunt deja semnificative.
Un algoritm descoperit a alimentat Borg, sistemul masiv de gestionare a clusterelor Google. Această euristică de programare recuperează în mod continuu o medie de 0,7% din resursele de calcul globale ale Google – un câștig de eficiență uimitor la scara Google.
Descoperirea vizează direct „resursele blocate” – mașini care au rămas fără un tip de resursă (cum ar fi memoria), în timp ce încă mai au disponibile altele (cum ar fi CPU). Soluția AlphaEvolve este deosebit de valoroasă deoarece produce un cod simplu, lizibil de către om, pe care inginerii îl pot interpreta, depana și implementa cu ușurință.
Agentul de inteligență artificială nu s-a oprit la centrele de date. A rescris o parte din designul hardware al Google, găsind o modalitate de a elimina biții inutili într-un circuit aritmetic crucial pentru unitățile de procesare tensorial (TPU). Designerii TPU au validat modificarea pentru corectitudine, iar acum se îndreaptă către un viitor design de cip.
Poate cel mai impresionant este că AlphaEvolve a îmbunătățit chiar sistemele care îl alimentează. A optimizat un nucleu de multiplicare matriceală utilizat pentru a antrena modelele Gemini, atingând o accelerare de 23% pentru această operațiune și reducând timpul total de antrenament cu 1%. Pentru sistemele de inteligență artificială care se antrenează pe grile de calcul masive, acest câștig de eficiență se traduce prin economii substanțiale de energie și resurse.
Recordul vechi de 56 de ani al lui Strassen la multiplicarea matriceală: IA rezolvă ceea ce oamenii nu au putut
AlphaEvolve rezolvă probleme matematice care i-au pus pe experți în dificultate timp de decenii, dezvoltând în același timp sistemele existente.
Sistemul a conceput o nouă procedură de optimizare bazată pe gradienți, care a descoperit mai mulți algoritmi noi de multiplicare a matricei. O descoperire a doborât un record matematic care exista timp de 56 de ani.
Cunoștințele matematice ale sistemului se extind mult dincolo de multiplicarea matriceală. Când a fost testat în raport cu peste 50 de probleme deschise în analiza matematică, geometrie, combinatorică și teoria numerelor, AlphaEvolve a egalat soluții de ultimă generație în aproximativ 75% din cazuri. În aproximativ 20% din cazuri, a îmbunătățit cele mai cunoscute soluții.
O victorie a venit în „problema numărului de săruturi”( kissing number problem) – o provocare geometrică veche de secole pentru a determina câte sfere unitare care nu se suprapun pot atinge simultan o sferă centrală. În 11 dimensiuni, AlphaEvolve a găsit o configurație cu 593 de sfere, depășind recordul anterior de 592.
Cum funcționează: Modelele de limbaj Gemini adaugă procesul evolutiv și creează o fabrică digitală de algoritmi
Ceea ce diferențiază AlphaEvolve de alte sisteme de codare AI este abordarea sa evolutivă.
Sistemul implementează atât Gemini Flash (pentru viteză), cât și Gemini Pro (pentru profunzime) pentru a propune modificări la codul existent. Aceste modificări sunt testate de evaluatori automati care notează fiecare variație. Cei mai de succes algoritmi ghidează apoi următoarea rundă de evoluție.
AlphaEvolve nu doar generează cod din datele sale de antrenament. Explorează activ spațiul soluțiilor, descoperă abordări noi și le rafinează printr-un proces automat de evaluare – creând soluții pe care oamenii s-ar putea să nu le fi conceput niciodată.
„O idee critică în abordarea noastră este că ne concentrăm pe probleme cu evaluatori clari. Pentru orice soluție sau fragment de cod propus, putem verifica automat validitatea acesteia și măsura calitatea acesteia”, a explicat Novikov. „Acest lucru ne permite să stabilim bucle de feedback rapide și fiabile pentru a îmbunătăți sistemul.”
Această abordare este deosebit de valoroasă deoarece sistemul poate lucra la orice problemă cu o metrică de evaluare clară – fie că este vorba de eficiența energetică într-un centru de date sau de eleganța unei dovezi matematice.
Ambițiile Google DeepMind: de la cloud computing la descoperirea de medicamente
Deși este implementată în prezent în infrastructura și cercetarea matematică a Google, potențialul AlphaEvolve merge mult mai departe. Google DeepMind are în vedere aplicații în știința materialelor, descoperirea de medicamente și alte domenii care necesită soluții algoritmice complexe.
„Cea mai bună colaborare om-IA poate ajuta la rezolvarea provocărilor științifice deschise și, de asemenea, la aplicarea acestora la scară Google”, a spus Novikov, subliniind potențialul de colaborare al sistemului.
Google DeepMind dezvoltă acum o interfață cu utilizatorul împreună cu echipa sa de cercetare People + AI și intenționează să lanseze un program de acces timpuriu pentru anumiți cercetători academici. Compania explorează, de asemenea, o disponibilitate mai largă.
Cercetători din afara DeepMind își rezervă judecata cu privire la utilitatea instrumentului până când acesta va fi testat în afara DeepMind. „Până când sistemele nu vor fi testate de o comunitate mai largă, aș rămâne sceptic și aș lua rezultatele raportate cu mare atenție”, spune Huan Sun, cercetător în domeniul inteligenței artificiale la Universitatea de Stat din Ohio din Columbus. Frieder spune că va aștepta până când o versiune open-source va fi recreată de cercetători, în loc să se bazeze pe sistemul proprietar al DeepMind, care ar putea fi retras sau modificat.
Deși AlphaEvolve necesită mai puțină putere de calcul pentru a rula decât AlphaTensor, este încă prea intensiv în utilizarea resurselor pentru a fi disponibil gratuit pe serverele DeepMind, spune Kohli.
Compania speră însă că anunțarea sistemului va încuraja cercetătorii să sugereze domenii științifice în care să se aplice AlphaEvolve. „Ne-am angajat cu siguranță să ne asigurăm că majoritatea oamenilor din comunitatea științifică au acces la acesta”, spune Kohli.
