🔬AlphaEvolve от Google DeepMind

Google DeepMind представила AlphaEvolve – "эволюционный кодинг-агент", работающий на моделях Gemini и предназначенный для открытия и оптимизации сложных алгоритмов в математике и современных компьютерных науках. И, судя по результатам, он уже делает успехи там, где пасуют даже лучшие человеческие умы.

Что такое AlphaEvolve и как он работает?

AlphaEvolve – это не просто генератор кода. Это агент, который применяет эволюционный подход для решения сложных задач:

1. Генерация идей: Используется ансамбль LLM. Gemini Flash (самая быстрая и эффективная модель Google) отвечает за "широту" идей, генерируя множество потенциальных решений. Gemini Pro (самая мощная модель) обеспечивает "глубину", предлагая более проработанные варианты. Модели предлагают компьютерные программы, реализующие алгоритмические решения.
2. Автоматическая оценка: Предложенные программы верифицируются, запускаются и оцениваются с помощью автоматизированных метрик. Это обеспечивает объективную, количественную оценку точности и качества каждого решения.
3. Эволюционный отбор: Лучшие, наиболее перспективные решения сохраняются в базе данных программ. Эта база данных реализует эволюционный алгоритм, который определяет, какие программы (или их части) будут использованы для формирования промптов на следующих итерациях. Таким образом, система итеративно улучшает и "эволюционирует" алгоритмы.

Цель AlphaEvolve – выйти за рамки открытия отдельных функций и перейти к разработке целых кодовых баз и гораздо более сложных алгоритмов.

Впечатляющие результаты: От дата-центров Google до открытых математических проблем

Самое интересное, что AlphaEvolve – это не просто исследовательский проект. Он уже больше года активно применяется внутри Google и демонстрирует ощутимые результаты:

• Оптимизация дата-центров Google:
• AlphaEvolve обнаружил простую, но эффективную эвристику для более эффективной оркестрации дата-центров с помощью системы Borg.
• Это решение, работающее в продакшене больше года, постоянно высвобождает в среднем 0.7% мировых вычислительных ресурсов Google. Это огромная экономия в масштабах Google.
• Важно, что сгенерированный код читаем, интерпретируем и легко отлаживаем, что упрощает его развертывание и поддержку.
• Помощь в проектировании железа (чипов):
• Предложил оптимизацию (перезапись кода на Verilog) для ключевой арифметической схемы умножения матриц, удалив ненужные биты.
• Это предложение прошло строгую верификацию и было интегрировано в будущие версии Tensor Processing Unit (TPU), кастомных AI-ускорителей Google.
• Ускорение обучения и инференса AI-моделей:
• Нашёл более умные способы разделения операций умножения больших матриц, ускорив это ядро в архитектуре Gemini на 23%. Это привело к 1% сокращению времени обучения Gemini. Учитывая гигантские затраты на обучение LLM, даже 1% – это колоссальная экономия.
• Значительно сокращает время на оптимизацию ядер: с недель ручной работы экспертов до дней автоматических экспериментов.
• Оптимизировал низкоуровневые GPU-инструкции для ядра FlashAttention в Transformer-моделях, добившись ускорения до 32.5%. Это область, куда люди-инженеры обычно не лезут из-за её сложности и уже существующей сильной оптимизации компиляторами.
• Прорывы в фундаментальной математике и теории алгоритмов:
• Умножение матриц: AlphaEvolve разработал компоненты новой процедуры оптимизации на основе градиентов, которая открыла множество новых алгоритмов для умножения матриц. В частности, для умножения комплексных матриц 4x4 нашёл алгоритм, использующий 48 скалярных умножений, что лучше знаменитого алгоритма Штрассена 1969 года (который считался лучшим для этого случая). Это превосходит даже предыдущую работу DeepMind – AlphaTensor, который специализировался на умножении матриц, но для 4x4 находил улучшения только для бинарной арифметики.
• Решение открытых математических проблем: Систему применили к более чем 50 открытым проблемам в математическом анализе, геометрии, комбинаторике и теории чисел.
• Примерно в 75% случаев AlphaEvolve переоткрыл уже известные лучшие решения.
• Примерно в 20% случаев он улучшил ранее известные лучшие решения, продвинув решение соответствующих открытых проблем. Например, он добился прогресса в "задаче о целующихся шарах" (kissing number problem), найдя конфигурацию из 593 внешних сфер для 11 измерений и установив новый нижний предел.

Эволюция AI для эволюции алгоритмов

Google DeepMind подчёркивают, что AlphaEvolve демонстрирует переход от открытия алгоритмов для узкоспециализированных областей к разработке более сложных алгоритмов для широкого спектра реальных задач. Они ожидают, что возможности AlphaEvolve будут расти вместе с развитием LLM, особенно по мере улучшения их способностей к кодированию.

Планируется запуск Early Access Program для избранных академических пользователей, а также изучаются возможности сделать AlphaEvolve более широко доступным.

Зачем это нужно и что это меняет?

Если Codex и подобные ему AI-агенты нацелены на то, чтобы помочь разработчикам в их повседневной работе (написание фич, фикс багов, рефакторинг), то AlphaEvolve метит на более высокий уровень – фундаментальные исследования и оптимизацию на грани возможного.

Последствия могут быть огромными:

• Ускорение научных открытий: Во многих областях науки (материаловедение, открытие лекарств, устойчивое развитие) прогресс зависит от эффективности алгоритмов. AlphaEvolve может стать мощным инструментом для исследователей.
• Прорыв в эффективности вычислений: Оптимизация дата-центров, железа, AI-моделей – всё это ведёт к снижению затрат, экономии энергии и повышению производительности.
• Новый этап в понимании AI: Если AI может не просто применять знания, но и генерировать новые фундаментальные знания (алгоритмы, математические доказательства), это меняет наше представление о его возможностях.

Это, конечно, поражает воображение. Одно дело, когда AI помогает тебе писать бойлерплейт или искать баги. И совсем другое – когда он улучшает алгоритм Штрассена или находит новые подходы к задачам, над которыми бились лучшие математики.
Тут уже не просто "замена программиста". Тут AI выступает в роли полноценного исследователя, способного на творческие прорывы.

Заключение: AI-учёный на службе человечества?

AlphaEvolve – это яркий пример того, как AI может использоваться не для замены рутинных задач, а для расширения границ человеческих знаний и возможностей. Это не "убийца программистов" в прямом смысле, а скорее невероятно мощный инструмент для учёных, инженеров и исследователей.

Способность системы находить новые алгоритмы и оптимизировать существующие на таком глубоком уровне открывает захватывающие перспективы для многих отраслей. И хотя потрогать AlphaEvolve широкой публике пока не дадут, сам факт его существования и успехов – это очень важный сигнал о том, куда движется AI.