Исследование возможностей AlphaEvolve было опубликовано в журнале Nature. Эта система искусственного интеллекта от Google DeepMind впервые внесла новое открытие в одну из известных математических задач: она улучшила так называемое «число поцелуя» в 11 измерениях. Речь идет о максимальном количестве одинаковых сфер, которые могут одновременно касаться одной центральной, не перекрываясь. В трехмерном пространстве таких сфер может быть 12, а в 11-мерном AlphaEvolve увеличила известное значение с 592 до 593.
Хотя это кажется незначительным сдвигом, такой результат оказался недоступен даже для профессиональных математиков. Более того, модель не просто перебирала варианты — она нашла решение с помощью генетического алгоритма, вдохновленного эволюцией. Система получает начальный пример решения, затем предлагает альтернативы, оценивает их и выбирает лучшие для следующего поколения.
AlphaEvolve была проверена на разных задачах из анализа, геометрии и комбинаторики. В 75% случаев ИИ находил уже известные наилучшие решения, а в 20% — предлагал более эффективные, ранее неизвестные. Один из таких примеров — улучшенный алгоритм для умножения матриц, который стал логичным продолжением предыдущих успехов AlphaTensor.
DeepMind также использовала AlphaEvolve в практических задачах, включая оптимизацию работы дата-центров, улучшение дизайна тензорных процессоров и сокращение времени обучения ИИ Gemini на 1%. Это может показаться небольшим, но даже минимальное ускорение в масштабах глобальной инфраструктуры Google дает заметную экономию ресурсов.
Создатели отмечают, что модель применима к любой задаче, которую можно выразить кодом и проверить автоматически. Это делает систему универсальной. В будущем разработчики планируют применить AlphaEvolve к естественным наукам — например, для физики или биологии, где тоже есть симуляторы и тесты решений.
Они также хотят объединить ее с другим проектом DeepMind — ИИ-соученым, который генерирует гипотезы на естественном языке. Такая связка может привести к созданию еще более абстрактных, но эффективных моделей научного поиска.
Некоторые видят в этом шаг к самосовершенствующемуся ИИ и опасаются так называемой сингулярности — гипотетического момента, когда интеллект машин начнет развиваться без участия человека. Однако команда DeepMind подчеркивает, что их цель — создание ИИ, который будет полезен человечеству и служить науке.
В то время как AlphaEvolve прокладывает путь к новым математическим открытиям с помощью кода и генетических алгоритмов, другие ИИ-решения используют визуальные данные для расшифровки тайн живых клеток. Один из таких инструментов научился «читать» ДНК по микроскопическим снимкам — подробнее об этом вы можете узнать в этой статье.
