AlphaEvolve. ИИ совершает научные открытия.

• Google представил Alpha Evolve 14 мая.  

• Внутри компании система используется уже несколько месяцев.  

• Результаты представлены в презентации и научной статье.  

• Система эволюционирует код, совершая открытия, которые ускользали от человечества десятилетиями.  

• Основана на больших языковых моделях и эволюционных подходах.  

• Решает сложные задачи, от научных проблем до оптимизации вычислительной инфраструктуры.  

• Постановка задачи: исследователь определяет критерии оценки и начальное решение.  

• Автоматический оценщик: оценивает эффективность предложенных решений.  

• Эволюция кода: специальные блоки кода отмечаются для улучшения.  

• Промт-инжиниринг: формирование заданий для LLM с учётом контекста и предыдущих решений.  

• Каскад оценки: решения проходят через простые и быстрые тесты, затем более сложные.  

• Обратная связь от LLM: оценка простоты кода и других метрик.  

• Множественные метрики: оптимизация нескольких показателей одновременно.  

• Хранение успешных и неудачных решений с их оценками.  

• Асинхронная и параллельная работа на множестве вычислений.  

• Развитие идей проекта Funsarch: работа с целыми файлами кода на любом языке.  

• Ускорение перемножения матриц: улучшение алгоритма Штрассена до 48 скалярных умножений.  

• Новые открытия в математике: решение более 50 задач, включая контактные числа и проблему минимального пересечения Эрдиша.  

• Оптимизация экосистемы Google: планирование задач в дата-центрах, инженерия ядер для Gemini, проектирование аппаратных схем, оптимизация кода компилятора.  

• Эволюционный подход: хранение и использование лучших предыдущих решений.  

• Контекст в промтах: подробная информация о задаче важна для LLM.  

• Эволюция метапромтов: LLM сама улучшает инструкции для себя.  

• Эволюция всего файла: возможность изменять весь код позволяет находить более сложные улучшения.  

• Мощный LLM: комбинация больших и более быстрых моделей даёт лучший результат.  

• Дистилляция знаний: передача знаний, полученных Alpha Evolve, в следующее поколение базовых LLM.  

• Цикл самосовершенствования: оптимизация системы, на которой обучает Gemini, может стать ещё короче и эффективнее.  

• Alpha-Evolf требует автоматического оценщика для работы.  

• В математике, информатике и некоторых инженерных задачах это работает хорошо.  

• В естественных науках, где эксперименты требуют физической работы, это сложнее.  

• Возможно будущее за объединением Alpha-Evolf с системами, которые могут оценивать идеи на более высоком концептуальном уровне или взаимодействовать с человеком-экспертом.  

• Alpha-Evolf демонстрирует мощь комбинации больших языковых моделей, автоматической оценки и эволюционных алгоритмов.  

• Он не просто пишет код, но и открывает новое знание, решает десятилетиями стоявшие проблемы и оптимизирует современные технологии.  

• Это шаг к созданию ИИ, который может стать партнёром человека в научных исследованиях и инженерном деле.  

• Будущее, где ИИ помогает расширять границы познания, становится реальностью.