Подразделение Google DeepMind, занимающееся разработкой в области искусственного интеллекта, анонсировало новую ИИ-систему под названием AlphaEvolve, которая фокусируется на решении задач, подходящих для машинной обработки.

Разработчики уверены, что этот алгоритм поможет оптимизировать инфраструктуру, используемую Google для обучения больших языковых моделей (LLM). В своем сообщении DeepMind сообщает, что в настоящее время работает над созданием пользовательского интерфейса для AlphaEvolve.

После завершения этого этапа доступ к ИИ-алгоритму получит ограниченное количество исследователей, а затем — и более широкая аудитория. Многие ИИ-модели периодически «галлюцинируют», создавая вымышленные факты, что связано с их вероятностной архитектурой.

Интересно, что новые ИИ-алгоритмы, такие как o3 от OpenAI, демонстрируют более высокую частоту галлюцинаций по сравнению с предыдущими версиями, что указывает на сложность данной проблемы. Чтобы справиться с этой ситуацией, AlphaEvolve включает специальный механизм — автоматическую систему оценок. Эта система использует ИИ-модели для генерации, критики и формирования пула возможных ответов на заданный вопрос, а также для автоматической оценки их точности.

AlphaEvolve не является первой системой, в которой применяется подобный подход. Разные исследователи, включая команду DeepMind, уже несколько лет используют схожие методы в различных математических областях. Тем не менее, DeepMind утверждает, что применение в AlphaEvolve «самых современных» моделей, таких как Gemini, делает систему существенно более мощной по сравнению с ее предшественниками.

Процесс взаимодействия пользователя с AlphaEvolve начинается с постановки задачи. Пользователь может добавить дополнительные детали, включая инструкции, уравнения, фрагменты кода и соответствующую литературу. Также необходимо предоставить механизм, позволяющий автоматическую оценку ответов в виде формулы.

Важно отметить, что AlphaEvolve может решать только те задачи, которые она способна самостоятельно оценить, поэтому система ограничена определенными типами задач, в частности в области информатики и системной оптимизации. Еще одним значительным ограничением является то, что ИИ-система способна описывать решения только в виде алгоритмов, что делает ее малопригодной для решения нечисловых задач.

В ходе тестирования AlphaEvolve успешно решала около 50 математических задач, охватывающих различные области — от геометрии до комбинаторики. В результате система смогла «воспроизвести» известные решения в 75% случаев и предложить улучшенные варианты в 20% случаях. DeepMind также протестировала систему на практике, в том числе для повышения эффективности работы центров обработки данных Google и ускорения обучения ИИ-моделей.

По данным разработчиков, AlphaEvolve создала алгоритм, который позволил сэкономить 0,7% вычислительных ресурсов Google на глобальном уровне. Также система предложила оптимизацию, которая сократила общее время обучения моделей семейства Gemini на 1%. Тем не менее, следует отметить, что AlphaEvolve пока не совершила значительных прорывов. В одном из своих экспериментов система предложила улучшение дизайна ИИ-ускорителя Google TPU, которое уже было найдено другими алгоритмами. Однако DeepMind подчеркивает, как и многие другие разработчики в сфере ИИ, что AlphaEvolve может экономить время, позволяя специалистам сосредоточиться на решении других задач.