DeepMind 全新自我进化 AI 编码代理的 5 项令人印象深刻的壮举

快速阅读: 《下一个 Web》消息，深度思维展示AI编程代理阿尔法进化，能优化大型语言模型解决复杂问题。其成就包括解决古老数学难题、提升谷歌数据中心效率、加速Gemini训练及设计AI芯片等。相关话题将在阿姆斯特丹TNW大会讨论。

深度思维（DeepMind）的AI系统近年来取得了显著的科学进展——从预测几乎所有已知蛋白质的三维结构，到更精确地预测天气。这家位于英国的实验室今天展示了其最新成果：阿尔法进化（AlphaEvolve），这是一种能够提升大型语言模型（LLMs）如Gemini在解决复杂计算和数学问题上的AI编程代理。阿尔法进化由其要改进的同一模型驱动。

使用Gemini，代理生成以代码形式表示的程序，尝试解决给定的问题。它通过自动测试运行每个代码片段，评估其准确性、效率或新颖性。阿尔法进化保留性能最优的代码片段，并将其作为下一轮生成的基础。经过多次循环，这一过程“进化”出越来越好的解决方案。本质上，这是一种能够自我进化的AI。

深度思维已经利用阿尔法进化优化了数据中心的能源使用，设计了更好的芯片，并加速了AI训练。以下是其迄今为止的五大成就：

1. **发现世界上最难数学问题的新解法**
本周价格上调！请在5月15日星期四之前注册TNW会议。节省大量费用，并于6月19日至20日加入数千名创始人、投资者和创新倡导者。立即注册。阿尔法进化在数学领域的50多个开放问题上进行了测试，从组合学到数论。在20%的情况下，它改进了这些问题的最佳已知解法。其中一个问题是存在300年之久的“接吻数问题”。在11维空间中，阿尔法进化发现了一种新的配置方式，使用593个球体得到了一个新的下界——这一进展甚至超越了顶尖的数学家。

2. **使谷歌的数据中心更加高效**
AI代理设计了一种更优的谷歌数据中心电力调度管理方案。这使得这家科技巨头在过去一年里提升了其数据中心能源效率0.7%——考虑到其数据中心的规模，这是一个重要的成本和能源节约。

3. **帮助加快了Gemini的训练速度**
阿尔法进化优化了矩阵乘法分解为子问题的方法，这是训练像Gemini这样的AI模型的核心操作。这一优化使流程提速23%，减少了Gemini总训练时间的1%。在生成式AI领域，每一个百分点都可以转化为成本和能源节约。

4. **共同设计了谷歌下一代AI芯片的一部分**
该代理还利用其编码技能重构了部分算术电路——一种用于芯片设计的语言，使其更加高效。同样的逻辑现正用于开发谷歌未来的张量处理单元（TPU），这是机器学习的先进芯片。

5. **击败了1969年的传奇算法**
几十年来，斯特拉森算法一直是4×4复杂数字矩阵相乘的黄金标准。阿尔法进化找到了一种更高效的解法——使用更少的标量乘法。这可能推动更先进的LLMs的发展，这些LLMs严重依赖矩阵乘法来运行。

根据深度思维的说法，这些成就是阿尔法进化冰山一角。该实验室设想这个代理可以解决无数问题，从发现新材料和药物到简化业务运营。AI的演进将是6月19日至20日在阿姆斯特丹举办的TNW大会热议的话题。活动门票正在热售中——在结账时使用代码TNWXMEDIA2025可享受30%的折扣。

故事由西恩·格施温特撰写
西恩是一名自由科学和技术记者，专注于气候和能源。从核聚变突破到电动汽车，他最开心的是挖掘独家新闻，调查新兴技术的影响，甚至亲自测试它们。他有五年的新闻经验，并持有南非开普敦大学的媒体和环境科学双学位。当他不写作时，你可能会发现他在远足、冲浪、打鼓或满足他的适度咖啡因瘾。你可以通过sion.geschwindt [at] protonmail [dot] com联系他。

订阅TNW简报
每周获取最重要的科技新闻。

(以上内容均由Ai生成)