主要内容
人工智能的一个关键问题是，模型多久会超越仅仅复述和重新组合所学内容，产生真正新颖的想法或见解。谷歌 DeepMind 的一个新项目表明，通过一些巧妙的调整，这些模型至少可以超越人类在设计某些类型算法方面的专业知识，包括对推进人工智能本身有用的算法。
该公司的最新 AI 项目“AlphaEvolve”将其 Gemini AI 模型的编码技能与测试新算法有效性的方法以及产生新设计的进化方法相结合。AlphaEvolve 为几种计算提出了更高效的算法，包括一种涉及矩阵计算的方法，优于已使用 56 年的 Strassen 算法。新方法通过减少产生结果所需的计算数量来提高计算效率。
DeepMind 还使用 AlphaEvolve 为几个实际问题提出了更好的算法，包括在数据中心内安排任务、勾勒计算机芯片设计以及优化用于构建像 Gemini 本身这样的大型语言模型的算法设计。DeepMind 科学 AI 负责人 Pushmeet Kohli 表示：“这些是现代 AI 生态系统的三个关键要素。这个超人编码代理能够承担某些任务，并远远超越已知的解决方案。”
AlphaEvolve 的研究负责人之一 Matej Balog 表示，通常很难知道大型语言模型是否提出了真正新颖的写作或代码，但可以证明没有人能提出更好的解决方案来解决某些问题。他说：“我们非常精确地表明，你可以发现一些可证明是新的和正确的东西。你可以非常确定你所发现的东西不可能在训练数据中。”
普林斯顿大学专门研究算法设计的科学家 Sanjeev Arora 表示，AlphaEvolve 的进步相对较小，仅适用于涉及在潜在答案空间中搜索的算法。但他补充说：“搜索是一个相当通用的想法，适用于许多环境。”
AI 驱动的编码正在开始改变开发者和公司编写软件的方式。最新的 AI 模型使新手能够轻松构建简单的应用程序和网站，一些有经验的开发者正在使用 AI 来自动化更多的工作。AlphaEvolve 展示了通过持续实验和评估，AI 提出完全新颖想法的潜力。
DeepMind 和其他 AI 公司希望 AI 代理将逐渐学会在许多领域表现出更普遍的独创性，也许最终能在给定特定问题时为业务问题生成巧妙的解决方案或新颖的见解。哥伦比亚大学从事算法设计的助理教授 Josh Alman 表示，AlphaEvolve 似乎确实在产生新颖的想法，而不是重新组合在训练期间学到的东西。他说：“它必须在做一些新的事情，而不仅仅是复述。”
DeepMind 研究人员发现，他们有时可以给出一个算法的想法作为提示，并产生有趣的新结果。Alman 表示，这提出了人类科学家可以与像 AlphaZero 这样的系统合作的前景。他说：“这对我来说真的很令人兴奋。”
AlphaEvolve 不是唯一展示真正独创性的 DeepMind 程序。该公司著名的棋盘游戏程序 AlphaZero 能够通过自己的实验形式设计原创的走法和策略。Balog 表示，他的团队使用的进化方法可以与 AlphaZero 中使用的强化学习方法相结合——这是一个让程序通过正负反馈学习的过程——以在其他领域探索新想法。