Los sistemas de IA de Google Deepmind han dado grandes avances científicos en los últimos años, de predecir las estructuras 3D de casi todos proteína conocida en el universo a Pronóstico del clima Más exactamente que nunca.
El laboratorio con sede en el Reino Unido presentó hoy su último avance: Alphaevolve, un agente de codificación de IA que hace que los modelos de idiomas grandes (LLM) sean mejor como Gemini para resolver la computación compleja y los problemas matemáticos.
Alphaevolve funciona con los mismos modelos que está tratando de mejorar. Usando Gemini, el agente propone programas, escritos en código, que intentan resolver un problema dado. Ejecuta cada fragmento de código a través de pruebas automatizadas que evalúan cuán preciso, eficiente o novedoso es. Alphaevolve mantiene los fragmentos de código de alto rendimiento y los utiliza como base para la próxima ronda de generación. En muchos ciclos, este proceso «evoluciona» mejores y mejores soluciones. En esencia, es una IA autoevolución.
DeepMind ya ha utilizado Alphaevolve para abordar el uso de energía del centro de datos, diseñar mejores chips y acelerar el entrenamiento de IA. Aquí hay cinco de sus mejores hazañas hasta ahora.
1. Descubrió nuevas soluciones a algunos de los problemas matemáticos más difíciles del mundo
Alphaevolve se puso a prueba en más de 50 problemas abiertos en matemáticas, desde la combinatoria hasta la teoría de números. En el 20% de los casos, mejoró las soluciones más conocidas para ellos.
Uno de ellos era el de 300 años Problema de número de besos. En un espacio 11 dimensional, Alphaevolve descubrió un nuevo límite inferior con una configuración de 593 esferas, progreso que incluso los matemáticos expertos no habían alcanzado.
2. Hizo que los centros de datos de Google fueran más eficientes
El agente de IA ideó una forma de administrar mejor la programación de energía en los centros de datos de Google. Eso ha permitido al gigante tecnológico mejorar su eficiencia energética del centro de datos en un 0.7% durante el último año, un costo significativo y un ahorro de energía dado el tamaño de su operación de centro de datos.
3. Ayudó a entrenar a Géminis más rápido
Alphaevolve mejoró la forma en que las multiplicaciones de matriz se dividen en subproblemas, una operación central en el entrenamiento de modelos de IA como Géminis. Esa optimización aceleró el proceso en un 23%, reduciendo el tiempo de entrenamiento total de Géminis en un 1%. En el mundo de la IA generativa, cada punto porcentual puede traducirse en ahorros de costos y energía.
4. Se diseñó parte del próximo chip AI de Google
El agente también está utilizando sus habilidades de escritura de código para volver a cablear las cosas en el mundo físico. Reescribió una porción de un circuito aritmético en Verilog, un lenguaje utilizado para el diseño de chips, lo que lo hace más eficiente. Esa misma lógica ahora se está utilizando para desarrollar la futura TPU de Google (unidad de procesamiento de tensor), un chip avanzado para el aprendizaje automático.
5. Venció a un algoritmo legendario de 1969
Durante décadas, el algoritmo de Strassen fue el estándar de oro para multiplicar matrices de complejo 4 × 4. Alphaevolve encontró una solución más eficiente, utilizando menos multiplicaciones escalares. Esto podría conducir a LLM más avanzados, que depender mucho en la multiplicación de matriz para funcionar.
Según Deepmind, estas hazañas son solo la punta del iceberg para Alphaevolve. El laboratorio prevé que el agente resuelva innumerables problemas, desde descubrir nuevos materiales y drogas hasta racionalizar las operaciones comerciales.
AI evolución será un tema candente en Conferencia TNWque tiene lugar del 19 al 20 de junio en Amsterdam. Las entradas para el evento son Ahora en venta – Use el código TNWXMedia2025 en el pago para obtener un 30% de descuento.