AlphaEvolve: Gemini-aangedreven AI ontwerpt baanbrekende algoritmen

AlphaEvolve heeft reeds significante impact gehad binnen Google's eigen infrastructuur. De agent heeft de efficiëntie van datacenters verbeterd, geholpen bij het ontwerpen van geavanceerdere computerchips en de trainingsprocessen van AI-modellen versneld – inclusief de modellen die ten grondslag liggen aan AlphaEvolve zelf. Daarnaast heeft de AI-agent snellere algoritmen voor matrixvermenigvuldiging ontdekt en nieuwe oplossingen aangedragen voor openstaande wiskundige problemen, wat het enorme potentieel van deze technologie in diverse domeinen aantoont.

Van losse functies naar complete algoritmen

Waar eerdere pogingen met LLM's zich richtten op het genereren van individuele codefuncties voor specifieke wetenschappelijke problemen, gaat AlphaEvolve een stap verder. De agent is in staat om complete codebases te ontwikkelen en complexe algoritmen te evolueren. Het systeem maakt gebruik van een ensemble van state-of-the-art LLM's: Gemini Flash voor een brede exploratie van ideeën en Gemini Pro voor diepgaande, inzichtelijke suggesties. Deze modellen genereren gezamenlijk computerprogramma's die algoritmische oplossingen in code implementeren.

De kracht van AlphaEvolve ligt in de combinatie van deze creatieve generatie met rigoureuze, geautomatiseerde evaluatie, aldus Google. Het systeem verifieert, voert uit en beoordeelt de voorgestelde programma's met behulp van objectieve, meetbare criteria. Dit maakt AlphaEvolve bijzonder waardevol in domeinen waar vooruitgang duidelijk en systematisch kan worden gemeten, zoals wiskunde en computerwetenschap.

Concrete verbeteringen binnen Google's ecosysteem

De afgelopen twaalf maanden zijn door AlphaEvolve ontdekte algoritmen al geïmplementeerd binnen Google's computing-infrastructuur, met opmerkelijke resultaten:

• Efficiëntere datacenters: AlphaEvolve ontwikkelde een eenvoudig maar effectief algoritme voor Borg, Google's systeem voor datacenterorkestratie. Deze oplossing, al meer dan een jaar in productie, levert continu een gemiddelde besparing op van 0,7% van Google's wereldwijde computerresources.
• Geavanceerder hardwareontwerp: AlphaEvolve stelde een herschrijving van Verilog-code voor die onnodige bits verwijderde uit een cruciale rekenschakeling voor matrixvermenigvuldiging. Deze aanpassing, die strenge verificatiemethoden doorstond, zal worden geïntegreerd in een toekomstige Tensor Processing Unit (TPU).
• Snellere AI-training en -inferentie: AlphaEvolve optimaliseerde een vitale kernel in de architectuur van Gemini met 23%, wat resulteerde in een 1% reductie van de trainingstijd van het model. Daarnaast behaalde de agent een versnelling tot 32,5% voor de FlashAttention-kernel in Transformer-gebaseerde AI-modellen.

Doorbraken in wiskunde en algoritme-ontdekking

Naast de praktische toepassingen binnen Google, heeft AlphaEvolve ook significante vooruitgang geboekt in fundamenteel onderzoek:

• Snellere matrixvermenigvuldiging: AlphaEvolve ontdekte een nieuw algoritme om 4x4 complexe matrices te vermenigvuldigen met slechts 48 scalaire vermenigvuldigingen, een verbetering ten opzichte van het 1969-algoritme van Strassen, dat tot nu toe als het beste gold.
• Oplossen van open wiskundige problemen: Toegepast op meer dan 50 open problemen in diverse wiskundige disciplines, herontdekte AlphaEvolve in circa 75% van de gevallen de state-of-the-art oplossingen. In 20% van de gevallen wist het systeem de tot dan toe beste bekende oplossingen te verbeteren. Een opmerkelijk voorbeeld is de vooruitgang die werd geboekt bij het "kissing number problem" in 11 dimensies, waarbij AlphaEvolve een nieuwe ondergrens van 593 sferen vaststelde.

De toekomst van AlphaEvolve

De ontwikkeling van AlphaEvolve markeert een belangrijke stap voorwaarts in de evolutie van AI, van het ontdekken van algoritmen voor specifieke taken naar het ontwikkelen van complexe oplossingen voor een breed scala aan uitdagingen. Het team verwacht dat de mogelijkheden van AlphaEvolve verder zullen groeien in lijn met de voortdurende verbeteringen van grote taalmodellen.

Momenteel wordt er in samenwerking met het People + AI Research team gewerkt aan een gebruiksvriendelijke interface voor interactie met AlphaEvolve. Er wordt een Early Access Programma gepland voor geselecteerde academische gebruikers en de mogelijkheden voor een bredere beschikbaarheid worden onderzocht. Geïnteresseerden kunnen zich via een online formulier registreren.

Hoewel de focus nu ligt op wiskunde en computerwetenschap, is de algemene aard van AlphaEvolve veelbelovend voor toepassingen in tal van andere domeinen, zoals materiaalkunde, medicijnontwikkeling, duurzaamheid en diverse technologische en zakelijke contexten. De potentie van deze Gemini-aangedreven AI-agent om fundamentele problemen aan te pakken en innovatie te versnellen, lijkt grenzeloos.