編者按：本文來自微信公眾號(hào) 新智元（ID：AI_era），編輯：桃子 好困，創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

就在剛剛，谷歌DeepMind祭出終極AI智能體——AlphaEvolve，一個(gè)由Gemini驅(qū)動(dòng)的進(jìn)化編碼神器。

歷時(shí)一年半，它的出世，直接炸翻了算法界。

AlphaEvolve核心機(jī)制，是將谷歌Gemini解決創(chuàng)造性問題的能力和能驗(yàn)證答案的自動(dòng)評(píng)估器相結(jié)合，然后用進(jìn)化框架來優(yōu)化最有潛力的想法。

它用48次標(biāo)量乘法，搞定4x4復(fù)數(shù)矩陣乘法，改進(jìn)了1969年Strassen最優(yōu)算法。

AlphaEvolve不僅僅是矩陣乘法屠龍刀，還是個(gè)跨界狂魔。

DeepMind團(tuán)隊(duì)讓其解決數(shù)學(xué)分析、幾何、組合學(xué)、數(shù)論等領(lǐng)域的50+開放問題。

菲爾茲獎(jiǎng)得主陶哲軒等大佬親自出題，谷歌論文致謝

在約75%題目中，它重新發(fā)現(xiàn)了最前沿解法；在20%題目中，它直接碾壓了已知最佳解。

AlphaEvolve最炸裂的戰(zhàn)績，便是改進(jìn)了困擾數(shù)學(xué)家300多年的「接吻數(shù)問題」！

Wikipedia已更新至谷歌DeepMind的最新數(shù)據(jù)

甚至，AlphaEvolve讓谷歌數(shù)據(jù)中心效率飆升，平均回收了0.7%的計(jì)算資源。

此外，它還能提升芯片設(shè)計(jì)和AI訓(xùn)練過程的效率，包括訓(xùn)練它自己所使用的LLM。

AI初創(chuàng)創(chuàng)始人Justin Halford驚嘆AlphaEvolve超人編碼能力，并稱編程將其十年內(nèi)迎來AlphaGo時(shí)刻。

利用LLM設(shè)計(jì)更好的算法

2023年，谷歌首次展示了LLM的驚人能力：生成用計(jì)算機(jī)代碼編寫的函數(shù)，不僅能幫助發(fā)現(xiàn)開放科學(xué)問題的新知識(shí)，還能證明其正確性。

這一突破，為算法設(shè)計(jì)開啟了全新篇章。

論文地址：https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/AlphaEvolve.pdf

如今，谷歌AlphaEvolve更進(jìn)一步，超越了單個(gè)函數(shù)的生成，進(jìn)化出能夠優(yōu)化整個(gè)代碼庫，并開發(fā)更復(fù)雜算法的能力。

AlphaEvolve通過利用谷歌一系列SOTA模型，協(xié)同生成計(jì)算機(jī)程序，以代碼形式實(shí)現(xiàn)高效的算法解決方案。

其中，最快、最高效的Gemini Flash最大程度地拓展了探索性思路的范圍，而性能最強(qiáng)的Gemini Pro則通過富有洞察力提供關(guān)鍵優(yōu)化建議。

AlphaEvolve的核心在于，其智能的算法生成與進(jìn)化機(jī)制，如下圖所示。

提示詞采樣器為語言模型構(gòu)建提示詞，隨后語言模型會(huì)生成新的程序。生成的程序會(huì)經(jīng)過評(píng)估模塊的評(píng)估并存儲(chǔ)于程序數(shù)據(jù)庫中，該數(shù)據(jù)庫采用進(jìn)化算法來決定哪些程序會(huì)被用于后續(xù)的提示詞構(gòu)建

AlphaEvolve還引入了自動(dòng)評(píng)估指標(biāo)，來驗(yàn)證、運(yùn)行和評(píng)估候選程序。

它對(duì)提供的每個(gè)解決方案的準(zhǔn)確性和質(zhì)量，進(jìn)行客觀、可量化的評(píng)估。

這種系統(tǒng)化方法確保了算法優(yōu)化透明度，尤其在數(shù)學(xué)、計(jì)算機(jī)科學(xué)等需要精確衡量進(jìn)展的領(lǐng)域，展現(xiàn)出巨大的潛力。

發(fā)現(xiàn)矩陣乘法算法，顛覆56年最優(yōu)解神話

AlphaEvolve的威力究竟有多炸裂？

它能為復(fù)雜的數(shù)學(xué)問題提出新方法。

在提供最小代碼框架后，它便能設(shè)計(jì)出全新的基于梯度優(yōu)化程序的組件發(fā)現(xiàn)了多種用于矩陣乘法的新算法。

AlphaEvolve開發(fā)的多種算法，在14個(gè)不同矩陣乘法任務(wù)上實(shí)現(xiàn)了技術(shù)突破。

其中，最耀眼的成果，是用48次標(biāo)量乘法來完成4x4復(fù)數(shù)矩陣乘法，徹底顛覆了Strassen算法的「最優(yōu)解」神話。

過去56年間，在特征為0的任意數(shù)域中，設(shè)計(jì)少于49次乘法的算法，始終是懸而未決的難題。

在求解過程中，AlphaEvolve對(duì)初始程序進(jìn)行了重大改進(jìn)，通過多項(xiàng)原創(chuàng)性設(shè)計(jì)逐步優(yōu)化算法。

Strassen算法

不僅如此，相較于前輩AlphaTensor，AlphaEvolve簡直開了掛。

前者還在二進(jìn)制算術(shù)下，對(duì)4x4矩陣做小修小補(bǔ)，后者直接殺入復(fù)數(shù)矩陣，效率飆升。

300年親吻數(shù)難題再獲突破

為了測試AlphaEvolve的極限，谷歌DeepMind還將其投入了數(shù)學(xué)分析、幾何、組合學(xué)和數(shù)論中的50多個(gè)開放問題。

在短短幾小時(shí)內(nèi)，AlphaEvolve完成了大多數(shù)問題的設(shè)置，展現(xiàn)出驚艷的靈活性。

更令人震撼的是，它在大約75%情況下，重新發(fā)現(xiàn)了最先進(jìn)的解決方案；在20%情況下，改進(jìn)了已知的最佳解決方案，并在相應(yīng)的開放問題上取得了進(jìn)展。

以困擾數(shù)學(xué)家300多年「親吻數(shù)」難題為例，AlphaEvolve在11維空間中，發(fā)現(xiàn)了593個(gè)外球的配置，刷新了該問題的下限。

這一突破不僅讓幾何界為之沸騰，更呈現(xiàn)了AlphaEvolve在高維數(shù)學(xué)空間無敵探索力。

幾何學(xué)中，數(shù)學(xué)空間的親吻數(shù)被定義為一種空間排布下非重疊單位球體的最大數(shù)量。其中，所有的單位球體都與一個(gè)中心單位球體相切

此外，在這三個(gè)不同領(lǐng)域，AlphaEvolve取得的其他成果：

分析學(xué)領(lǐng)域

· 自相關(guān)不等式：AlphaEvolve在多個(gè)自相關(guān)不等式問題上，改進(jìn)了已知最優(yōu)界值。

有網(wǎng)友表示，陶哲軒還曾嘗試開發(fā)一個(gè)AI，來驗(yàn)證分析中的估計(jì)，而且自己幾年前曾夢想過的事情，正在變?yōu)楝F(xiàn)實(shí)。

· 不確定性原理：AlphaEvolve通過優(yōu)化傅里葉分析中不確定性原理構(gòu)造，生成了一種改進(jìn)的配置，略微提高了上界。

組合數(shù)學(xué)與數(shù)論

· Erd?s最小重疊問題：AlphaEvolve為最小重疊問題建立了新的上界，小幅超越了此前記錄

幾何與堆積

· 親吻數(shù)問題

· 堆積問題：AlphaEvolve在多個(gè)問題上取得突破：在給定形狀內(nèi)布置N個(gè)點(diǎn)，優(yōu)化最大與最小距離比；實(shí)現(xiàn)多邊形最優(yōu)嵌套填充；改進(jìn)Heilbronn問題變體（構(gòu)造避免形成小面積三角形的點(diǎn)集）

重構(gòu)計(jì)算生態(tài)系統(tǒng)效率成倍飆升

當(dāng)然，AlphaEvolve的突破不局限于數(shù)學(xué)，其實(shí)際應(yīng)用已深刻改變了谷歌的計(jì)算生態(tài)系統(tǒng)。

在過去一年中，谷歌將AlphaEvolve發(fā)現(xiàn)的算法，部署到數(shù)據(jù)中心、硬件、軟件等多個(gè)領(lǐng)域。

這些算法優(yōu)化措施，顯著提升了計(jì)算效率，尤其在AI和計(jì)算基礎(chǔ)設(shè)施中成倍放大。

AlphaEvolve助力谷歌實(shí)現(xiàn)了更高效的數(shù)字生態(tài)系統(tǒng)，涵蓋從數(shù)據(jù)中心調(diào)度、硬件設(shè)計(jì)到AI模型訓(xùn)練的各個(gè)環(huán)節(jié)

這些改進(jìn)不僅降低了能耗和運(yùn)營成本，還為所有用戶構(gòu)建一個(gè)更強(qiáng)大、更可持續(xù)的數(shù)字生態(tài)系統(tǒng)。

數(shù)據(jù)中心調(diào)度 ：節(jié)省0.7%計(jì)算資源

在優(yōu)化谷歌龐大的數(shù)據(jù)中心調(diào)度系統(tǒng)Borg時(shí)，AlphaEvolve發(fā)現(xiàn)了一種簡單但非常有效的啟發(fā)式方法，顯著提升計(jì)算資源效率。

這個(gè)解決方案已投入生產(chǎn)一年多，平均持續(xù)回收谷歌全球0.7%的計(jì)算資源。

這意味著，在相同的計(jì)算資源消耗下，任何時(shí)刻數(shù)據(jù)中心都能完成更多的任務(wù)。

更令人嘆服的是，AlphaEvolve的解決方案不僅性能強(qiáng)大，其代碼還具備顯著的運(yùn)營優(yōu)勢：可解釋性、易調(diào)試性、可預(yù)測性和易部署性。

設(shè)計(jì)谷歌下一代TPU

AlphaEvolve的觸角還延伸到了硬件設(shè)計(jì)領(lǐng)域。

在優(yōu)化谷歌下一代TPU時(shí)，它提出了一種Verilog重寫方案，精準(zhǔn)刪除了用于矩陣乘法的關(guān)鍵、高度優(yōu)化的算術(shù)電路中冗余位。

至關(guān)重要的是，這個(gè)方案必須通過了嚴(yán)格的驗(yàn)證流程，確保了修改后的電路保持功能正確性。

網(wǎng)友表示，這一改進(jìn)代表了Gemini對(duì)TPU算術(shù)電路的首次直接貢獻(xiàn)

目前，它已經(jīng)被集成到了谷歌即將推出的TPU中。

通過在芯片設(shè)計(jì)師的標(biāo)準(zhǔn)語言中提出修改建議，AlphaEvolve架起了AI和硬件工程師之間橋梁，加速未來專用芯片的設(shè)計(jì)。

內(nèi)核加速23%，優(yōu)化時(shí)間縮短至數(shù)天

AlphaEvolve在AI訓(xùn)練和推理方面的突破，更是令人瞠目結(jié)舌。

通過找到更優(yōu)的方法，將大型矩陣乘法分解為更易于處理的子問題，AlphaEvolve將Gemini架構(gòu)中關(guān)鍵內(nèi)核加速了23%，讓訓(xùn)練時(shí)間縮短了1%。

在AI模型動(dòng)輒消耗海量計(jì)算的今天，這一效率提升將節(jié)省巨大成本和能源消耗。

不僅如此，AlphaEvolve還將內(nèi)核優(yōu)化的工程時(shí)間，從專家數(shù)周砍到了自動(dòng)實(shí)驗(yàn)的幾天時(shí)間，大幅加速研究人員創(chuàng)新步伐。

AlphaEvolve還可以優(yōu)化底層GPU指令。

這個(gè)極其復(fù)雜的領(lǐng)域通常已經(jīng)通過編譯器進(jìn)行了大量優(yōu)化，因此，人工優(yōu)化往往難以奏效。

AlphaEvolve在基于Transformer的AI模型中，對(duì)FlashAttention內(nèi)核實(shí)現(xiàn)高達(dá)32.5%的加速。

這種優(yōu)化有助于專家查明性能瓶頸，并輕松地將改進(jìn)納入其代碼庫中，從而提高他們的生產(chǎn)力，并為未來節(jié)省計(jì)算資源和能源提供可能。

參考資料：

https://www.nature.com/articles/d41586-025-01523-z

https://deepmind.google/discover/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/

本文為專欄作者授權(quán)創(chuàng)業(yè)邦發(fā)表，版權(quán)歸原作者所有。文章系作者個(gè)人觀點(diǎn)，不代表創(chuàng)業(yè)邦立場，轉(zhuǎn)載請(qǐng)聯(lián)系原作者。如有任何疑問，請(qǐng)聯(lián)系editor@cyzone.cn。