DeepMind作为人工智能研发实验室，继续引人注目。该公司宣布开发了名为AlphaEvolve的新人工智能系统，该系统能够生成可由机器评估的解决方案。
AlphaEvolve 能够帮助优化 Google 用于训练其自有 AI 模型的底层架构。DeepMind 表示，目前他们正在开发一个可与 AlphaEvolve 交互的用户界面，并计划为选定的学者启动早期访问计划。
核心机制：自动评估系统解决“幻觉”难题
如今大多数人工智能模型有时会产生幻觉。由于概率结构的原因，这些模型有时会以极其自信的方式生成错误信息。在OpenAI的o3模型等新一代AI系统中，这种情况更为常见。AlphaEvolve通过一种智能机制来解决这一问题：自动评估系统。该系统通过分析生成的答案来构建各种概率池，并自动对答案进行准确性评分。
DeepMind承认AlphaEvolve并非行业中首个采用类似方法的技术。事实上，包括DeepMind内部团队在内的研究人员几年前已在多个数学领域应用了类似技术。然而，该公司声称，由于其使用了最新的Gemini模型，AlphaEvolve比竞争对手强大得多。
应用场景与性能表现
使用 AlphaEvolve 时，用户可以向系统定义一个问题，并可选择性地提供额外信息，如指令、方程、代码片段和相关文献。然而，该系统只能解决能够自我评估的问题。这也将 AlphaEvolve 的应用范围限制在计算机科学和系统优化等特定领域。此外，AlphaEvolve 的解决方案只能通过算法来表达，这也限制了其在非数值问题中的应用。
DeepMind在一个包含近50个问题的数据集上测试了AlphaEvolve，这些问题涵盖了几何学和组合学等多个数学领域。公司表示，AlphaEvolve成功重新发现了这些问题的75%中已知的最佳解决方案，并在20%的情况下产生了更好的解决方案。
DeepMind 还在实际问题上测试了 AlphaEvolve，例如提高 Google 数据中心的效率以及缩短模型训练时间。该系统生成了一种算法，能够持续回收全球 Google 计算资源的 0.7%。此外，它还提出了一项优化方案，可将 Gemini 模型的训练时间减少 1%。
核心价值：提升研发效率而非颠覆性发现
AlphaEvolve 尚未做出革命性的发现。例如，Google 在 TPU AI 加速芯片设计中发现的改进，此前已被其他工具识别。尽管如此，DeepMind 仍强调了 AlphaEvolve 的核心价值：该系统可以通过高效利用研究人员的时间，引导他们专注于更复杂和关键的任务。