Google DeepMind Lance AlphaEvolve, Résolvant Des Problèmes Mathématiques Vieux De 300 Ans Et Trouvant De Meilleures Solutions Pour Près De 40 Problèmes Mathématiques
Tard dans la nuit du 14 mai, heure de Pékin, Google DeepMind a publié un agent d'IA de programmation appelé AlphaEvolve.Il combine les puissantes capacités de génération de code de grands modèles de langage avec des évaluateurs automatisés.Capable de concevoir et d'optimiser des algorithmes pour certains problèmes fondamentaux et complexes en mathématiques et en informatique moderne.
Selon la présentation officielle, AlphaEvolve a amélioré l'efficacité des centres de données de Google, la conception des puces et les processus de formation de l'IA. Il a également contribué à concevoir des algorithmes de multiplication de matrices plus rapides et a trouvé de nouvelles solutions à certains problèmes mathématiques ouverts, montrant un grand potentiel pour une large application dans de nombreux domaines.
Plus précisément, AlphaEvolve utilise plusieurs des derniers grands modèles de la série Gemini.Son flux de travail comprend la génération de codes d'algorithmes à partir de modèles de langage, la vérification et la notation de ces codes via des évaluateurs automatisés, et enfin la mise en œuvre d'un mécanisme évolutif dans la base de données d'algorithmes pour optimiser en permanence les solutions générées.
Dans les applications pratiques,AlphaEvolve est capable d'aller au-delà des fonctions simples, de faire évoluer des bases de code entières et de développer des algorithmes plus complexes.Il élargit la portée des idées de résolution de problèmes grâce au modèle Gemini Flash, tandis que le modèle Gemini Pro fournit des informations approfondies. Les deux travaillent ensemble pour proposer plusieurs programmes informatiques visant à codifier des solutions algorithmiques. Le flux de travail du système consiste à générer automatiquement de nouveaux programmes à partir d'un modèle de langage, dont les performances sont ensuite évaluées objectivement et quantitativement par un évaluateur, sélectionnant ainsi le code de la plus haute qualité et le plus efficace.
Selon la présentation officielle, AlphaEvolve a découvert une méthode heuristique simple mais très efficace pour aider le système de gestion de cluster à grande échelle de Google, Borg, à planifier plus efficacement les énormes centres de données de Google. La solution est utilisée en production depuis plus d’un an et a régulièrement restauré en moyenne 0,7% de ressources informatiques mondiales.
aussi,AlphaEvolve a également proposé une nouvelle méthode de réécriture Verilog qui supprime efficacement les bits inutiles dans les circuits de multiplication matricielle.Cette amélioration a été intégrée à la prochaine unité de traitement Tensor (TPU) de Google, qui améliorera les performances de la puce.
En termes de formation de modèles, AlphaEvolve optimise les opérations de multiplication de matrices dans l'architecture Gemini.Il a augmenté sa vitesse de 23% et raccourci le temps d'entraînement de 1%. De plus, il réduit considérablement le temps d’ingénierie nécessaire à l’optimisation du noyau, passant de plusieurs semaines à quelques jours, améliorant ainsi considérablement la productivité des chercheurs.
Il convient de mentionner queAlphaEvolve a également démontré de fortes capacités sur les problèmes mathématiques.Par exemple, dans la découverte des algorithmes de multiplication de matrices, il a trouvé un nouvel algorithme qui ne nécessite que 48 multiplications scalaires pour compléter la multiplication de matrices complexes 4×4, ce qui est meilleur que l'ancien algorithme proposé par Strassen en 1969. en même temps,AlphaEvolve a également été appliqué à plus de 50 problèmes ouverts en mathématiques.Dans près de 751 cas TP3T, il a redécouvert des solutions de pointe et, dans 201 cas TP3T, il a amélioré les solutions les plus connues, comme l'amélioration de l'efficacité de la résolution du « problème du nombre qui s'embrasse », un problème qui tourmente les mathématiciens depuis plus de 300 ans.
En résumé, AlphaEvolve dispose d’une large gamme d’applications, qui ne se limite pas seulement aux mathématiques et à l’informatique. avenir,Google prévoit de travailler avec l'équipe de recherche People + AI pourDévelopper une interface conviviale et la mettre à disposition des utilisateurs universitaires via le programme d’accès anticipé. À long terme, le potentiel d’AlphaEvolve réside dans le fait qu’il peut être appliqué à tout problème pouvant être décrit et vérifié automatiquement par un algorithme, et devrait permettre de réaliser davantage de percées dans des domaines tels que la science des matériaux, la découverte de médicaments et la durabilité.