Команда Google DeepMind представила нову систему штучного інтелекту AlphaEvolve, здатну не лише генерувати код, а й розробляти нові алгоритми, що перевершують існуючі, включно з тими, які століттями вважалися еталонними. Про це повідомляє WIRED. Цей прорив може змінити правила гри в таких сферах, як обчислення, проєктування мікросхем, оптимізація датацентрів і навіть вдосконалення самих великих мовних моделей.
Система AlphaEvolve поєднує мовну модель Gemini від Google з еволюційним алгоритмічним підходом. Простіше кажучи, це означає, що ШІ не просто пише код, а випробовує, модифікує та комбінує різні варіанти, оцінюючи їх ефективність і відбираючи найкращі — як у природному доборі, але серед алгоритмів.
Цей підхід дозволив AlphaEvolve згенерувати новий алгоритм для обчислень з матрицями, який перевершує Алгоритм Штрассена — стандарт у цій галузі вже 56 років. Суть досягнення — у зменшенні кількості обчислень, необхідних для отримання результату.
Алгоритм Штрассена — це спосіб швидшого множення матриць, тобто таблиць чисел, який використовує менше математичних операцій, ніж традиційний метод. Завдяки цьому його часто застосовують у задачах, де потрібно багато обчислень, наприклад у комп’ютерній графіці або штучному інтелекті.
Крім теоретичних удосконалень, AlphaEvolve виявився корисним і в прикладних сферах:
- Розклад задач у датацентрах — критичне завдання для енергоефективності й продуктивності.
- Проєктування комп’ютерних мікросхем — складний процес, де навіть невелика оптимізація має велике значення.
- Оптимізація алгоритмів для великих мовних моделей — включаючи саму Gemini.
Gemini — це потужна мовна модель від Google, здатна розуміти й генерувати текст, писати код та вирішувати складні завдання штучного інтелекту, аналог відомого ChatGPT.
За словами Пушміта Колі, керівника напряму AI for Science у DeepMind, ці завдання — “три основні елементи сучасної AI-екосистеми”, і AlphaEvolve показує, що ШІ вже здатен перевершити людський рівень у їх розв’язанні.
Одне з головних питань у дослідженнях ШІ — чи може модель створювати справді нові знання, а не лише переробляти побачене у навчальних даних. За словами одного з лідерів проєкту, Матея Балога, результати AlphaEvolve можна математично довести як нові й правильні: “Ми можемо точно показати, що ці рішення не могли бути в навчальних даних.”
Це важливо, оскільки демонструє не просто здатність моделі повторювати, а її потенціал як співавтора відкриттів у науці та техніці.
Обережний оптимізм від науковців
Не всі в академічному середовищі вважають прорив кардинальним. Санджив Арора з Принстона зазначає, що ці досягнення поки обмежуються задачами, які можна формалізувати як пошук у просторі рішень.
Інші дослідники, як Джош Алман з Колумбійського університету, бачать у цьому значно більше: “Це не просто компіляція вивченого — це нова творчість.”
AlphaEvolve — не перший проєкт DeepMind, що демонструє “інтуїцію” ШІ. AlphaZero колись здивував світ, створюючи нестандартні, але блискучі ходи в шахах і ґо. Інші проєкти — AlphaTensor (2022) та FunSearch (2024) — також використовували методи навчання з підкріпленням або еволюційні підходи для створення нових алгоритмів.
Головне питання — чи зможуть такі системи братися за складні, слабо формалізовані наукові завдання. Якщо так — це може серйозно пришвидшити інновації та загальний технічний прогрес.
Якщо штучний інтелект навчився створювати нові алгоритми, які не лише кращі, але й принципово нові, ми спостерігаємо зародження нової форми наукової творчості — не як інструмент, а як повноцінний учасник процесу.
