Participe de nossos boletins diários e semanais para obter as atualizações mais recentes e conteúdo exclusivo sobre a cobertura de IA líder do setor. Saber mais
Hoje, o Google Deepmind retirou a cortina de volta ao AlphaEvolve, um agente de inteligência artificial que pode inventar algoritmos de computadores novos-depois colocá-los diretamente para trabalhar dentro do vasto império de computação da empresa.
O AlphaVolve combina os modelos de idiomas Gemini Language do Google com uma abordagem evolutiva que testa, refina e melhora os algoritmos automaticamente. O sistema já foi implantado nos centers de data centers, projetos de chips e sistemas de treinamento de IA do Google – aumentando a eficiência e resolvendo problemas matemáticos que percorreram os pesquisadores há décadas.
“O AlphaEvolve é um agente de codificação de IA movido a Gêmeos que é capaz de fazer novas descobertas em computação e matemática”, explicou Matej Balog, pesquisador do Google DeepMind, em uma entrevista com a VentureBeat. “Ele pode descobrir algoritmos de complexidade notável – abrangendo centenas de linhas de código com estruturas lógicas sofisticadas que vão muito além das funções simples”.
O sistema se expande drasticamente no trabalho anterior do Google com o FunSearch, evoluindo bases de código inteiras, em vez de funções únicas. Representa um grande salto na capacidade da IA de desenvolver algoritmos sofisticados para desafios científicos e problemas cotidianos de computação.
Dentro do impulso de eficiência de 0,7% do Google: como os algoritmos artesanais da AIN executam os data centers da empresa
A AlphaEvolve está em silêncio no Google há mais de um ano. Os resultados já são significativos.
Um algoritmo que descobriu foi alimentado Borg, o enorme sistema de gerenciamento de cluster do Google. Esse agendamento heurístico recupera uma média de 0,7% dos recursos de computação mundial do Google continuamente – um ganho de eficiência impressionante na escala do Google.
A descoberta tem como alvo diretamente os “recursos presos” – máquinas que ficaram sem um tipo de recurso (como a memória) enquanto ainda têm outras pessoas (como a CPU) disponíveis. A solução da AlphaEvolve é especialmente valiosa porque produz um código simples e legível por humanos que os engenheiros podem interpretar, depurar e implantar facilmente.
O agente da IA não parou nos data centers. Reescreveu parte do design de hardware do Google, encontrando uma maneira de eliminar bits desnecessários em um circuito aritmético crucial para unidades de processamento tensoras (TPUs). Os designers da TPU validaram a alteração para a correção e agora está indo para um próximo design de chip.
Talvez o mais impressionante, o Alphavolve melhorou os próprios sistemas que a própria alimentação. Ele otimizou um kernel de multiplicação de matriz usado para treinar modelos de Gemini, alcançando uma aceleração de 23% para essa operação e reduzindo o tempo geral de treinamento em 1%. Para os sistemas de IA que treinam em enormes grades computacionais, esse ganho de eficiência se traduz em economia substancial de energia e recursos.
“Tentamos identificar peças críticas que podem ser aceleradas e tenham o máximo de impacto possível”, disse Alexander Novikov, outro pesquisador do DeepMind, em entrevista à VentureBeat. “Conseguimos otimizar o tempo prático de execução de (um kernel vital) em 23%, que se traduziu em economia de ponta a ponta de 1% em todo o cartão de treinamento de Gemini”.
Quebrar o registro de multiplicação de matriz de 56 anos de Strassen: a IA resolve o que os humanos não poderiam
O AlphaEvolve resolve problemas matemáticos que percorreram especialistas em humanos por décadas enquanto avançavam nos sistemas existentes.
O sistema projetou um novo procedimento de otimização baseado em gradiente que descobriu vários novos algoritmos de multiplicação de matrizes. Uma descoberta derrubou um registro matemático que havia sido 56 anos.
“O que descobrimos, para nossa surpresa, para ser sincero, é que o AlphaVolve, apesar de ser uma tecnologia mais geral, obteve resultados ainda melhores que o alfatensor”, disse Balog, referindo -se ao sistema de multiplicação de matriz especializado anterior do DeepMind. “Para essas quatro por quatro matrizes, a AlphaEvolve encontrou um algoritmo que supera o algoritmo de Strassen de 1969 pela primeira vez nesse cenário”.
O avanço permite que duas matrizes com valor complexo 4 × 4 sejam multiplicadas usando 48 multiplicações escalares em vez de 49-uma descoberta que iludiu os matemáticos desde o trabalho histórico de Volker Straassen. De acordo com o artigo de pesquisa, o AlphaEvolve “melhora o estado da arte para 14 algoritmos de multiplicação de matrizes”.
O alcance matemático do sistema se estende muito além da multiplicação da matriz. Quando testados contra mais de 50 problemas abertos na análise matemática, geometria, combinatória e teoria dos números, as soluções de ponta da alfa-evolução correspondem a ponta em cerca de 75% dos casos. Em aproximadamente 20% dos casos, melhorou as soluções mais conhecidas.
Uma vitória veio no “problema do número de beijos”-um desafio geométrico de séculos de idade para determinar quantas esferas de unidade de não sobreposição podem tocar simultaneamente uma esfera central. Em 11 dimensões, o AlphaEvolve encontrou uma configuração com 593 esferas, quebrando o recorde anterior de 592.
Como funciona: modelos de idiomas Gemini e evolução criam uma fábrica de algoritmo digital
O que torna o AlphaVolve diferente de outros sistemas de codificação de IA é sua abordagem evolutiva.
O sistema implanta Gemini Flash (para Speed) e Gemini Pro (para profundidade) para propor alterações no código existente. Essas alterações são testadas por avaliadores automatizados que obtêm cada variação. Os algoritmos mais bem -sucedidos guiam a próxima rodada de evolução.
A AlphaEvolve não apenas gera código a partir de seus dados de treinamento. Ele explora ativamente o espaço da solução, descobre novas abordagens e as refina através de um processo de avaliação automatizado – a criação de soluções que os seres humanos nunca podem ter concebido.
“Uma idéia crítica em nossa abordagem é que nos concentramos em problemas com avaliadores claros. Para qualquer solução ou peça de código proposta, podemos verificar automaticamente sua validade e medir sua qualidade”, explicou Novikov. “Isso nos permite estabelecer loops de feedback rápido e confiável para melhorar o sistema”.
Essa abordagem é particularmente valiosa porque o sistema pode funcionar em qualquer problema com uma métrica de avaliação clara – seja a eficiência energética em um data center ou a elegância de uma prova matemática.
Da computação em nuvem à descoberta de medicamentos: onde o algoritmo do Google a IA vai a seguir
Embora atualmente implantado na infraestrutura e pesquisa matemática do Google, o potencial do AlphaEvolve atinge muito mais. O Google DeepMind prevê aplicações em ciências materiais, descoberta de medicamentos e outros campos que exigem soluções algorítmicas complexas.
“A melhor colaboração humana-AI pode ajudar a resolver desafios científicos abertos e também aplicá-los na escala do Google”, disse Novikov, destacando o potencial colaborativo do sistema.
O Google DeepMind agora está desenvolvendo uma interface de usuário com sua equipe de pesquisa de pessoas + IA e planeja lançar um programa de acesso antecipado para pesquisadores acadêmicos selecionados. A empresa também está explorando a disponibilidade mais ampla.
A flexibilidade do sistema marca uma vantagem significativa. Balog observou que “pelo menos anteriormente, quando trabalhei em pesquisas de aprendizado de máquina, não era minha experiência que você pudesse criar uma ferramenta científica e ver imediatamente o impacto no mundo real nessa escala. Isso é bastante incomum”.
À medida que os grandes modelos de linguagem avançam, as capacidades da AlphaEvolve crescerão ao lado deles. O sistema demonstra uma evolução intrigante na própria IA – começando nos limites digitais dos servidores do Google, otimizando o próprio hardware e software que lhe dão vida e agora alcançando para o exterior para resolver problemas que desafiaram o intelecto humano por décadas ou séculos.