Các hệ thống AI của Google Deepmind đã có những bước tiến khoa học lớn trong những năm gần đây – từ việc dự đoán các cấu trúc 3D của hầu hết mọi protein đã biết trong vũ trụ để dự báo thời tiết chính xác hơn bao giờ hết.
Phòng thí nghiệm có trụ sở tại Vương quốc Anh hôm nay đã tiết lộ sự tiến bộ mới nhất của mình: Alphaevolve, một tác nhân mã hóa AI tạo ra các mô hình ngôn ngữ lớn (LLM) như Gemini tốt hơn trong việc giải quyết các vấn đề toán học và toán học phức tạp.
Alphaevolve được cung cấp bởi các mô hình tương tự mà nó đang cố gắng cải thiện. Sử dụng Gemini, tác nhân đề xuất các chương trình – được viết bằng mã – cố gắng giải quyết một vấn đề nhất định. Nó chạy từng đoạn mã thông qua các bài kiểm tra tự động để đánh giá mức độ chính xác, hiệu quả hoặc mới lạ của nó. Alphaevolve giữ các đoạn mã hiệu suất cao nhất và sử dụng chúng làm cơ sở cho vòng tiếp theo của thế hệ. Trong nhiều chu kỳ, quá trình này, phát triển các giải pháp tốt hơn và tốt hơn. Về bản chất, nó là một AI tự phát triển.
DeepMind đã sử dụng Alphaevolve để giải quyết việc sử dụng năng lượng trung tâm dữ liệu, thiết kế chip tốt hơn và tăng tốc độ đào tạo AI. Dưới đây là năm trong số những chiến công hàng đầu của nó cho đến nay.
1. Nó đã phát hiện ra các giải pháp mới cho một số vấn đề toán học khó nhất thế giới
Giá tăng trong tuần này! Đăng ký hội nghị TNW trước thứ năm, ngày 15 tháng 5
Tiết kiệm € € và tham gia 1000 nhà sáng lập, nhà đầu tư và nhà vô địch đổi mới vào ngày 19 & 20 tháng 6.
Alphaevolve đã được đưa vào bài kiểm tra hơn 50 vấn đề mở trong toán học, từ tổ hợp đến lý thuyết số. Trong 20% trường hợp, nó đã cải thiện các giải pháp nổi tiếng nhất cho họ.
Một trong số đó là người đàn ông 300 tuổi vấn đề về số hôn. Trong không gian 11 chiều, Alphaevolve đã phát hiện ra một giới hạn dưới mới với cấu hình 593 quả cầu-tiến trình mà ngay cả các nhà toán học chuyên gia cũng không đạt được.
2. Nó làm cho các trung tâm dữ liệu của Google hiệu quả hơn
Đại lý AI đã nghĩ ra một cách để quản lý lịch trình năng lượng tốt hơn tại các trung tâm dữ liệu của Google. Điều đó đã cho phép gã khổng lồ công nghệ cải thiện hiệu quả năng lượng của trung tâm dữ liệu lên 0,7% so với năm ngoái – một chi phí và tiết kiệm năng lượng đáng kể với quy mô hoạt động của trung tâm dữ liệu.
3. Nó đã giúp đào tạo Song Tử nhanh hơn
Alphaevolve đã cải thiện cách các phép nhân ma trận được chia thành các bài toán con, một hoạt động cốt lõi trong việc đào tạo các mô hình AI như Song Tử. Tối ưu hóa đó đã tăng thêm 3%về quá trình đào tạo của Gemini. Trong thế giới của AI tổng quát, mỗi điểm phần trăm có thể chuyển thành chi phí và tiết kiệm năng lượng.
4. Nó được thiết kế một phần của chip AI tiếp theo của Google
Đại lý cũng đang sử dụng các kỹ năng viết mã của mình để tua lại mọi thứ trong thế giới vật lý. Nó viết lại một phần của một mạch số học trong Verilog – một ngôn ngữ được sử dụng cho thiết kế chip – làm cho nó hiệu quả hơn. Logic tương tự đó hiện đang được sử dụng để phát triển TPU tương lai của Google (đơn vị xử lý tenxơ), một chip nâng cao cho học máy.
5. Nó đánh bại một thuật toán huyền thoại từ năm 1969
Trong nhiều thập kỷ, thuật toán của Strassen là tiêu chuẩn vàng để nhân các ma trận phức tạp 4 × 4. Alphaevolve đã tìm thấy một giải pháp hiệu quả hơn – sử dụng số nhân vô hướng ít hơn. Điều này có thể dẫn đến các LLM tiên tiến hơn, mà phụ thuộc rất nhiều Trên phép nhân ma trận thành chức năng.
Theo Deepmind, những chiến công này chỉ là phần nổi của tảng băng cho Alphaevolve. Phòng thí nghiệm hình dung các đại lý giải quyết vô số vấn đề, từ việc khám phá các vật liệu và thuốc mới cho đến hợp lý hóa các hoạt động kinh doanh.
Sự tiến hóa của AI sẽ là một chủ đề nóng tại Hội nghị TNWdiễn ra vào ngày 19-20 tháng 6 tại Amsterdam. Vé cho sự kiện là bây giờ đang được bán – Sử dụng mã TNWXMedia2025 khi thanh toán để giảm 30%.
Nguồn The Next Web