Google DeepMind hat heute AlphaEvolve vorgestellt, einen künstlichen Intelligenz-Agenten mit der Fähigkeit zur Selbstentwicklung. Er kann komplexe Computer-Algorithmen selbst entwickeln und wird bereits in den globalen Rechenzentren von Google, bei der Chip-Design und im Training von KI-Modellen eingesetzt, wobei er bedeutende Fortschritte erzielt hat.
AlphaEvolve kombiniert das große Sprachmodell Gemini mit evolutionären Optimierungsmethoden, um den gesamten Code-Bestand automatisch zu testen, zu verbessern und zu optimieren – nicht nur einzelne Funktionen. Das System läuft seit über einem Jahr intern und hat die Effizienz der Rechenressourcensteuerung verbessert, die Modelltrainings beschleunigt und bahnbrechende Ergebnisse in der mathematischen Forschung erbracht.
Von Servern bis zu Chips: AlphaEvolve optimiert die untere Schicht von Googles Architektur
Das von AlphaEvolve entwickelte Ressourcensteuerungs-Algorithmus wird bereits in den globalen Rechenzentren von Google verwendet, um das Problem der „verschwendeten Ressourcen“ zu lösen und 0,7 % der Ressourcen wiederherzustellen. Für Googles Ausmaß bedeutet dies signifikante Einsparungen an Kosten und Energie.
Es optimierte auch die logischen Schaltkreise der Tensor Processing Units (TPUs), indem redundanten Bits entfernt wurden, um die zukünftige Chip-Designs zu verbessern. Außerdem wurde der eigene KI-Trainingskern von AlphaEvolve optimiert, was die Geschwindigkeit der Matrixoperationen des Gemini-Modells um 23 % erhöhte und die gesamte Trainingszeit um 1 % verkürzte.
Quelle: Bilder generiert durch AI, Lizenzdienstleister Midjourney
Basierend auf der Mathematik löst AlphaEvolve ein 56 Jahre altes Rätsel
In der Grundlagenforschung hat AlphaEvolve ebenfalls bemerkenswerte Beiträge geleistet. Es schrieb durch neuartige Optimierer den Matrixmultiplikationsalgorithmus um und übertraf erstmals seit 1969 den Strassen-Algorithmus für 4×4 komplexe Matrizen, indem es die benötigten Multiplikationen von 49 auf 48 reduzierte und damit einen 56 Jahre alten Rekord brach.
Bei der Überprüfung von über 50 ungelösten mathematischen Problemen stimmte AlphaEvolve in etwa 75 % der Fälle mit den besten bestehenden Lösungen überein und fand in etwa 20 % der Fälle bessere Lösungen. Ein klassisches Beispiel ist das „Kusszahlproblem“: Das System fand in 11-dimensionalen Räumen 593 Kugeln, die sich gleichzeitig am Zentrum einer Kugel berühren konnten, und schlug damit den bisherigen Weltrekord.
KI entwickelt KI: Funktionsweise von AlphaEvolve
Im Gegensatz zu traditionellen KI-Codetools, die auf einzelne Prompts angewiesen sind, um Code zu generieren, nutzt AlphaEvolve eine evolutionäre Methode zur Algorithmusentwicklung. Es ruft gleichzeitig Gemini Flash und Gemini Pro zur Vorschläge für Code-Änderungen ab, die von einem Systemevaluator als beste Lösung ausgewählt werden, bevor sie in die nächste Evolutionsschleife eingehen.
Der DeepMind-Forscher Alexander Novikov sagte, dass dieses System sich auf „Probleme mit klaren Bewertungsmaßstäben“ spezialisiert habe, was die automatische Optimierung effizienter und zuverlässiger macht. Daher kann AlphaEvolve in verschiedenen Bereichen von der Rechenzentrum-Verwaltung bis zur mathematischen Theorembeweisung effiziente Lösungen entwickeln, die dem Menschen schwer zugänglich sind.
Nächstes Ziel: Arzneimittelforschung, Materialwissenschaften und breitere wissenschaftliche Zusammenarbeit
DeepMind sagt, dass die Potenzial von AlphaEvolve weit über Googles interne Nutzung hinausgeht. Derzeit arbeiten sie mit „Menschen + AI“-Teams zusammen, um Benutzeroberflächen zu entwickeln und frühzeitigen Zugang zu akademischen Institutionen zu planen.
„Dies ist ein wirklich wirkungsvolles wissenschaftliches Werkzeug, das sich schnell in der realen Welt zeigen kann“, sagte der Forscher Chris Balog. „AlphaEvolve erweitert die Grenzen von KI und optimiert nicht nur das System, das es selbst treibt, sondern hilft uns auch, lange ungelöste Probleme zu lösen.“
Mit der stetigen Entwicklung großer Sprachmodelle zeigt AlphaEvolve, wie KI kontinuierlich weiterentwickelt wird und tiefer in Kreativität und wissenschaftliche Entdeckungen vorstoßen kann.