谷歌DeepMind近期公布了一项重大进展，其最新研发的编程AI Agent——AlphaEvolve，已展现出在通用算法发现与优化方面的卓越能力，并将这些成果直接应用到了谷歌的各项业务之中。
AlphaEvolve结合了Gemini Flash（注重速度提升）和Gemini Pro（注重深度提升）两大技术，能够对现有代码进行智能分析，并提出改进建议。这一AI Agent不仅能够发现单个函数的优化方案，更能对整个代码库进行进化式改造，从而开发出更为复杂的算法。通过结合大语言模型的创造力和自动化评估器的精准度，AlphaEvolve在数学和计算领域的实际应用中取得了显著成效。
据悉，在过去的一年里，谷歌已经将AlphaEvolve发现的算法部署到了其计算生态系统中，涵盖了数据中心、硬件和软件等多个方面。其中，AlphaEvolve在谷歌大规模集群管理系统Borg中的应用尤为亮眼，通过启发式调度算法，实现了对全球计算资源0.7%的可持续恢复。同时，AlphaEvolve还使得Gemini的运算速度提升了23%，整体训练时间缩短了1%。
AlphaEvolve还在数学领域取得了突破性的成果。针对困扰数学家们超过300年的接吻数问题，AlphaEvolve提出了一种新的解决方案，发现了一个由593个外球组成的配置，并在11维中建立了新的下限。这一发现不仅展示了AlphaEvolve在解决复杂数学问题方面的潜力，也为其在更广泛领域的应用提供了可能。
在AI训练和推理方面，AlphaEvolve同样展现出了强大的能力。通过优化大型矩阵乘法操作的分解方式，AlphaEvolve在Gemini架构中的关键内核上实现了23%的运算速度提升，并缩短了1%的训练时间。同时，AlphaEvolve还能够优化底层GPU指令，在Transformer-based AI模型的FlashAttention内核实现中实现了32.5%的加速。这些成果将极大提升AI的性能和研究速度。
AlphaEvolve的发现过程并非一蹴而就。它首先通过大语言模型生成新的程序，然后利用自动化评估器对这些程序进行验证和评分。这些评估指标为每个解决方案的准确性和质量提供了客观、可量化的评估标准。通过这种方式，AlphaEvolve能够不断进化，提出更加优秀的算法。
谷歌DeepMind的研究员Matej Balog表示：“AlphaEvolve能够发现极其复杂的算法，这些算法跨越数百行代码，拥有远远超出简单函数的复杂逻辑结构。它的出现将极大地推动数学和计算机科学的发展。”
除了在数学和计算领域的应用外，谷歌DeepMind还在探索AlphaEvolve在更多领域的应用潜力。目前，他们正在与People+AI研究团队合作，开发用于与AlphaEvolve交互的友好用户界面，并计划为选定的学术用户推出早期访问计划。未来，随着技术的不断发展和完善，AlphaEvolve有望在材料科学、药物发现、可持续性以及更广泛的技术和商业应用领域发挥重要作用。
在矩阵乘法算法场景下，AlphaEvolve也展现出了其强大的优化能力。通过提出一组用于发现更快矩阵乘法算法的变更，AlphaEvolve找到了一种使用48次标量乘法来乘以4×4复值矩阵的算法，这一发现改进了之前被认为是该场景下最好的Strassen算法。这一成果不仅展示了AlphaEvolve在算法优化方面的实力，也为其在更广泛领域的应用提供了有力支持。
