AlphaEvolve引领科研变革
近日，谷歌DeepMind推出的AlphaEvolve，如同重磅炸弹，让我们迈入AI创造科学的崭新时代。这一AI取得了诸多人类未曾触及的数学成果，其意义堪比数学界AlphaGo的「第37步」。
多领域重大突破
在数学领域，AlphaEvolve成果斐然。它改进了4×4矩阵乘法，将运算次数从49次减至48次，实现了自1969年Strassen算法提出后56年内的重大突破。同时，它推进了六边形填充问题的研究，在停滞16年后，找到了在更大六边形内排列11个和12个六边形的更优解法。此外，它还一举改进了困扰数学家300多年的「接吻数问题」。
独特的进化能力
AlphaEvolve通过自我进化、训练自身使用的LLM，拥有了超人的编码能力。有人预言，十年内编程将迎来自己的AlphaGo时刻。而且，它展现出的AI自主优化算法能力，可能彻底改变芯片设计和数据中心效率。
与过往成果对比
谷歌DeepMind此前有诸多杰出成果，如AlphaGo击败人类冠军，AlphaZero学会多种棋类，AlphaFold预测蛋白质结构，AlphaDev发现更快排序算法，AlphaTensor实现矩阵乘法算法突破，FunSeARCh寻找新数学解决方案。而AlphaEvolve作为通用武器，不仅能解决问题，还能发现新的前沿领域，代表着人类集体智慧的飞跃。
研究者揭秘细节
此次打造AlphaEvolve的团队研究者首次接受采访。在矩阵乘法方面，AlphaEvolve打破了半个多世纪的纪录，连研究者都始料未及。它还与FunSearch有所不同，本质上可作用于整个代码库，优化函数交互。
优化谷歌计算设施
谷歌工程师将候选方案放入AlphaEvolve，它进化出更聪明的启发式方法，用于优化谷歌内部计算基础设施，节省了大量资源。
类似「盗梦空间」的自我改进
AlphaEvolve还找到了加速gemini模型训练的方法，生成解决方案和产生方案的程序，如同《盗梦空间》。不过，它仍依赖人类参与，预示着人类和AI强大协作循环的未来。
适合科学发现的原因
AlphaEvolve是进化算法，能带来探索多样性，筛选重要想法，识别有潜力的代码并改进。虽然理论上无法确定算法运行时长，但实践中可设置问题范围。它还能做出想象力惊人的跳跃，如发现矩阵乘法算法。其意义在于能直接应用于现实挑战，或许标志着AI奇点的到来。
