O Google DeepMind, a 7 de maio (hora dos EUA), publicou um relatório de resultados do AlphaEvolve em múltiplos domínios. O blog oficial da DeepMind resumiu os progressos concretos do AlphaEvolve desde o seu lançamento: encontrou um método de multiplicação de matrizes complexas 4×4 melhor do que o algoritmo de Strassen (1969) (48 multiplicações escalares puras), em colaboração com matemáticos como Terence Tao para resolver vários difíceis problemas matemáticos de Erdős, permitiu poupar 0,7% de recursos globais de computação para os centros de dados da Google, aumentou em 23% a velocidade dos kernels-chave usados no treino do Gemini e reduziu em 1% o tempo total de treino do Gemini.
Arquitectura: agente evolutivo com exploração de amplitude via Gemini Flash + avaliação de profundidade via Gemini Pro
O AlphaEvolve é um agente de codificação evolutiva, concebido para descoberta geral de algoritmos e optimização:
Gemini Flash—maximizar a amplitude das ideias de exploração
Gemini Pro—fornecer recomendações críticas em profundidade
avaliador automático—validar cada resposta candidata e fornecer feedback
estrutura evolutiva—iterar continuamente com base no feedback de avaliação e manter as soluções mais promissoras
Esta estrutura permite ao AlphaEvolve, sem orientação prévia por parte de humanos, gerar e testar soluções continuamente para problemas em aberto, sendo adequado para domínios em que “a resposta pode ser validada automaticamente” (problemas de algoritmos, matemática e optimização).
Resultados em matemática: multiplicação de matrizes 4×4 que actualiza o registo de 1969, e problemas de Erdős resolvidos em colaboração com Terence Tao
O AlphaEvolve registou progressos concretos em matemática e ciência da computação:
Multiplicação de matrizes complexas 4×4: encontrou um algoritmo que requer apenas 48 multiplicações escalares, superando o melhor resultado apresentado por Strassen em 1969
colaboração com matemáticos reconhecidos, como Terence Tao, para resolver, em conjunto, vários problemas abertos de Erdős
O algoritmo de Strassen é uma das soluções de referência de longa data para a complexidade computacional da multiplicação de matrizes; o AlphaEvolve quebrou décadas de resultados neste caso, sendo um exemplo concreto de “um agente de IA a encontrar novas soluções no limite da matemática”.
Resultados em infra-estruturas: poupança energética nos centros de dados da Google e redução de erros de circuitos quânticos em 10×
Aplicação do AlphaEvolve aos sistemas próprios da Google:
Centros de dados: encontrar um método melhor para escalonamento de tarefas, recuperando em média 0,7% de recursos globais de computação
Treino do Gemini: aumento de 23% na velocidade do kernel-chave e redução de 1% no tempo total de treino
Física quântica: no processador quântico Willow da Google, os circuitos quânticos concebidos pelo AlphaEvolve apresentam um erro 10 vezes menor do que a melhor linha de base de optimização tradicional, permitindo que simulações de moléculas complexas sejam executadas na Willow
Optimização de redes eléctricas: aumentar a percentagem de soluções viáveis do modelo de redes neuronais gráficas (GNN) para o problema AC Optimal Power Flow de 14% para mais de 88%
Ciências da Terra: automatizar o modelo Earth AI para optimização, melhorando em 5% a precisão da previsão do risco de catástrofes naturais
Eventos concretos a acompanhar: se o AlphaEvolve será disponibilizado, a partir de ferramentas internas da Google, para investigadores externos; avanços subsequentes em quebras do conjunto de problemas de Erdős; e o progresso de comercialização do AlphaEvolve na Google Cloud (a DeepMind já anunciou antecipadamente, no blog da Google Cloud, integrações relacionadas).
Este artigo com resultados interdisciplinares do AlphaEvolve da DeepMind: multiplicação de matrizes 4×4 que actualiza o registo de Strassen 1969 e treino do Gemini mais rápido em 1% apareceu pela primeira vez em Cadeia Notícias ABMedia.
Isenção de responsabilidade: As informações contidas nesta página podem ser provenientes de terceiros e não representam os pontos de vista ou opiniões da Gate. O conteúdo apresentado nesta página é apenas para referência e não constitui qualquer aconselhamento financeiro, de investimento ou jurídico. A Gate não garante a exatidão ou o carácter exaustivo das informações e não poderá ser responsabilizada por quaisquer perdas resultantes da utilização destas informações. Os investimentos em ativos virtuais implicam riscos elevados e estão sujeitos a uma volatilidade de preços significativa. Pode perder todo o seu capital investido. Compreenda plenamente os riscos relevantes e tome decisões prudentes com base na sua própria situação financeira e tolerância ao risco. Para mais informações, consulte a
Isenção de responsabilidade.
