Pertanyaan kunci di kecerdasan buatan adalah seberapa sering model melampaui hanya memuntahkan dan meremixing apa yang telah mereka pelajari dan menghasilkan ide atau wawasan baru yang benar -benar baru.
Proyek baru dari Google DeepMind Menunjukkan bahwa dengan beberapa penyesuaian cerdas, model -model ini setidaknya dapat melampaui keahlian manusia yang merancang jenis algoritma tertentu – termasuk yang berguna untuk memajukan AI itu sendiri.
Proyek AI terbaru perusahaan, dipanggil Alphaevolvemenggabungkan keterampilan pengkodean model Gemini AI -nya dengan metode untuk menguji efektivitas algoritma baru dan metode evolusi untuk menghasilkan desain baru.
Alphaevolve muncul dengan algoritma yang lebih efisien untuk beberapa jenis perhitungan, termasuk metode untuk perhitungan yang melibatkan matriks yang merupakan pendekatan yang disebut algoritma Strassen yang telah diandalkan selama 56 tahun. Pendekatan baru meningkatkan efisiensi komputasi dengan mengurangi jumlah perhitungan yang diperlukan untuk menghasilkan hasil.
DeepMind juga menggunakan Alphaevolve untuk menghasilkan algoritma yang lebih baik untuk beberapa masalah dunia nyata termasuk tugas penjadwalan di dalam pusat data, membuat sketsa desain chip komputer, dan mengoptimalkan desain algoritma yang digunakan untuk membangun model bahasa besar seperti Gemini sendiri.
“Ini adalah tiga elemen penting dari ekosistem AI modern,” kata Pushmeet Kohli, kepala AI untuk sains di DeepMind. “Agen pengkodean manusia super ini dapat melakukan tugas -tugas tertentu dan melampaui apa yang diketahui dalam hal solusi bagi mereka.”
Matej Balog, salah satu penelitian mengarah pada Alphaevolve, mengatakan bahwa seringkali sulit untuk mengetahui apakah model bahasa besar telah menghasilkan tulisan atau kode yang benar -benar baru, tetapi dimungkinkan untuk menunjukkan bahwa tidak ada orang yang menghasilkan solusi yang lebih baik untuk masalah tertentu. “Kami telah menunjukkan dengan sangat tepat bahwa Anda dapat menemukan sesuatu yang terbukti baru dan terbukti benar,” kata Balog. “Anda bisa sangat yakin bahwa apa yang Anda temukan tidak mungkin ada dalam data pelatihan.”
Sanjeev Arora, seorang ilmuwan di Universitas Princeton yang berspesialisasi dalam desain algoritma, mengatakan bahwa kemajuan yang dibuat oleh Alphaevolve relatif kecil dan hanya berlaku untuk algoritma yang melibatkan pencarian melalui ruang jawaban potensial. Tapi dia menambahkan, “Pencarian adalah ide yang cukup umum yang berlaku untuk banyak pengaturan.”
Pengkodean bertenaga AI mulai mengubah cara pengembang dan perusahaan menulis perangkat lunak. Model AI terbaru menjadikannya sepele bagi pemula untuk membangun aplikasi dan situs web sederhana, dan beberapa pengembang berpengalaman menggunakan AI untuk mengotomatisasi lebih banyak pekerjaan mereka.
Alphaevolve menunjukkan potensi AI untuk menghasilkan ide -ide yang sepenuhnya baru melalui eksperimen dan evaluasi yang berkelanjutan. DeepMind dan perusahaan AI lainnya berharap bahwa agen AI secara bertahap akan belajar menunjukkan kecerdikan yang lebih umum di banyak bidang, mungkin pada akhirnya menghasilkan solusi cerdik untuk masalah bisnis atau wawasan baru ketika diberi masalah tertentu.
Josh Alman, asisten profesor di Universitas Columbia yang bekerja pada desain algoritma, mengatakan bahwa Alphaevolve tampaknya menghasilkan ide -ide baru daripada meremixing hal -hal yang dipelajari selama pelatihan. “Itu harus melakukan sesuatu yang baru dan bukan hanya memuntahkan,” katanya.
Para peneliti DeepMind menemukan bahwa mereka kadang -kadang dapat memberikan ide untuk algoritma sebagai prompt dan menghasilkan hasil baru yang menarik. Alman mengatakan ini meningkatkan prospek bahwa para ilmuwan manusia dapat berkolaborasi dengan sistem seperti Alphazero. “Itu sepertinya sangat menyenangkan bagiku,” katanya.
Alphaevolve bukan satu -satunya program DeepMind yang menunjukkan kecerdikan nyata. Program permainan papan-game yang terkenal di perusahaan ini Alphazero mampu menyusun gerakan dan strategi asli melalui bentuk eksperimennya sendiri. Balog mengatakan bahwa pendekatan evolusi yang digunakan oleh kelompoknya dapat digabungkan dengan metode pembelajaran penguatan yang digunakan di Alphazero – suatu proses yang memungkinkan program belajar melalui umpan balik positif dan negatif – untuk membuat sesuatu yang mengeksplorasi ide -ide baru di bidang lain.
Dua proyek DeepMind sebelumnya juga menggunakan AI untuk mendorong batas -batas ilmu komputer. Alphatensordari tahun 2022, menggunakan metode pembelajaran penguatan untuk menghasilkan algoritma baru. Pencarian yang menyenangkandari tahun 2024, menggunakan metode evolusi untuk menghasilkan kode yang lebih efisien untuk masalah yang diberikan.
Neil Thompson, seorang ilmuwan di MIT yang mempelajari cara algoritma mempengaruhi kemajuan teknologi, mengatakan bahwa pertanyaan kunci bukan hanya apakah algoritma AI dapat menunjukkan ide -ide asli, tetapi bagaimana umumnya ini dapat berlaku untuk penelitian dan inovasi ilmiah.
“Jika kemampuan ini dapat digunakan untuk mengatasi masalah yang lebih besar dan kurang ketat, ia memiliki potensi untuk mempercepat inovasi-dan dengan demikian kemakmuran,” kata Thompson.
Apa yang Anda hasilkan dari Alphaevolve? Masalah novel apa yang ingin Anda lihat ai? Beri tahu saya dengan mengirim email hello@wired.com atau menambahkan ke bagian komentar di bawah ini.
