谷歌DeepMind的AlphaEvolve AI打破数学记录，优化技术基础设施
谷歌DeepMind推出了AlphaEvolve，这是一种具有自我进化和算法发明能力的开创性人工智能系统。这一先进AI已在谷歌的运营中产生重大影响——从数据中心优化到芯片设计——同时还在数学研究领域取得突破。
技术基础设施革命
AlphaEvolve将Gemini大语言模型与进化优化技术相结合，不仅能分析单个函数，还能改进整个代码库。在内部运行一年多后，该系统实现了：
- 提高计算资源调度效率
- 加速AI模型训练速度
- 优化谷歌全球数据中心运营
该AI的调度算法回收了谷歌数据中心0.7%的闲置资源——考虑到公司庞大的规模，这是一笔可观的节省。它还通过消除冗余电路逻辑改进了谷歌张量处理单元(TPUs)的设计。
AI生成图片，通过Midjourney授权
突破数学壁垒
AlphaEvolve通过解决11维空间中的"接吻数问题"创造了历史，识别出593个可以同时接触中心球体的球体——一项新的世界纪录。该AI还在矩阵乘法上超越了传奇的Strassen算法，将4×4复值矩阵所需的乘法次数从49次减少到48次。
在50个未解数学问题上测试时：
- 75%的情况下匹配现有最佳解决方案
- 20%的情况下提出更优解决方案
AlphaEvolve工作原理
该系统采用进化方法而非单次提示编码：
- 同时使用Gemini Flash和Gemini Pro提出代码修改建议
- 通过严格筛选流程评估建议
- 选择最优解进行进一步进化
"这套系统擅长解决具有明确评估标准的问题，"DeepMind研究员Alexander Novikov解释道，"这就是为什么它能从数据中心管理延伸到数学证明领域。"
未来应用前景
其潜力远超当前应用范围。DeepMind正与学术机构合作探索以下领域的应用：
- 药物发现与开发
- 先进材料科学研究
- 更广泛的科学协作框架
"AlphaEvolve不仅优化了我们的系统——它还在帮助我们解决困扰数十年的难题，"研究员Chris Balog表示。
这一发展标志着人工智能系统在真正科学发现和创造性问题解决能力方面迈出了重要一步。
关键要点
- AlphaEvolve结合Gemini大语言模型与进化优化技术实现自主算法改进
- 部署于谷歌数据中心后全球回收0.7%闲置资源
- 打破56年矩阵乘法记录并解决复杂数学问题
- 通过多个Gemini模型并行评估代码修改方案
- 未来应用可能彻底改变药物发现和材料科学领域
