Компания Google представила AlphaEvolve – новый агент на базе искусственного интеллекта, который объединяет творческий потенциал больших языковых моделей и строгую проверку решений для поиска и оптимизации алгоритмов. Эта система способна не просто генерировать функции, как это делали предыдущие проекты вроде AlphaTensor, но и развивать целые кодовые базы, эволюционно улучшая их с каждой итерацией.
В основе AlphaEvolve лежит комбинация двух моделей Gemini: более быстрая и лёгкая версия Flash отвечает за широкий охват идей, а мощная Gemini Pro предлагает глубину и точность. Вместе они генерируют программный код, который проходит автоматическую проверку на корректность и эффективность. Все варианты сохраняются в базе данных и участвуют в процессе отбора по принципам эволюционного алгоритма – только самые успешные решения используются в следующем раунде генерации.
Система уже доказала свою практическую ценность: алгоритмы, разработанные AlphaEvolve, применяются в дата-центрах Google, при проектировании чипов и в ускорении обучения ИИ. Например, агент предложил новый эвристический метод управления нагрузкой в дата-центрах, позволивший вернуть в оборот около 0,7% вычислительных ресурсов по всему миру. И всё это – в виде читаемого человеком кода, что делает его не только эффективным, но и удобным для внедрения.
В аппаратной сфере AlphaEvolve помог переписать участок кода на языке Verilog, оптимизировав работу матричного умножения без потери корректности. Это изменение уже интегрировано в будущую версию TPU – специализированного ускорителя ИИ от Google. А в сфере обучения моделей AlphaEvolve нашёл способ разбивать матричные операции на более эффективные подзадачи, ускорив работу одного из ключевых компонентов архитектуры Gemini на 23% и сократив общее время обучения на 1%.
Даже на таких низкоуровневых задачах, как оптимизация инструкций для GPU, где обычно работают только компиляторы, AlphaEvolve добился впечатляющих результатов – до 32,5% ускорения в реализации ядра FlashAttention для трансформеров.
Кроме практических применений в ИТ-инфраструктуре, AlphaEvolve оказался полезен и в научных задачах. Он разработал новую процедуру градиентной оптимизации и предложил улучшенные алгоритмы для умножения комплексных матриц 4×4, превзойдя знаменитый алгоритм Штрассена. Более того, система успешно решила или улучшила около 20% из более чем 50 открытых математических задач в геометрии, комбинаторике и теории чисел. Одно из достижений – новое приближение в задаче поцелуев (kissing number) в 11 измерениях: AlphaEvolve нашёл конфигурацию из 593 касающихся сфер.
Google рассматривает AlphaEvolve как шаг в сторону универсальных ИИ-систем, способных не просто писать код, но и помогать в научных открытиях. Сейчас компания готовит программу раннего доступа для исследователей и разрабатывает удобный интерфейс взаимодействия с системой. В будущем AlphaEvolve может быть применим не только в ИТ и математике, но и в таких сферах, как материаловедение, разработка лекарств, устойчивое развитие и бизнес-аналитика.