5000 Szolnok, Muskátli u. 2/A

A Google DeepMind bemutatta AlphaEvolve nevű mesterséges intelligenciáját

A Google DeepMind bejelentette legújabb mesterséges intelligencia ügynökét, az AlphaEvolve-t, amely képes új algoritmusokat létrehozni, valamint összetett kódolási és matematikai problémákat megoldani. A vállalat szerint az AlphaEvolve jelentős fejlesztéseket hozhat az adatközpontok, a chiptervezés és a mesterséges intelligencia képzési folyamatok terén, beleértve a saját működését támogató nagy nyelvi modellek továbbfejlesztését is.

A DeepMind közleménye szerint az AlphaEvolve algoritmusai már most éles környezetben bizonyítottak. A Google adatközpontjainak Borg nevű rendszerében alkalmazva az új megoldások átlagosan 0,7%-os javulást eredményeztek a teljes számítási erőforrások kihasználtságában – emelte ki Sundar Pichai, a Google vezérigazgatója.

Pushmeet Kohli, a DeepMind tudományos mesterséges intelligencia részlegének vezetője hozzátette, hogy az AlphaEvolve egy új, hatékony algoritmust fedezett fel a mátrixszorzás problémájára, amely a számítástechnika egyik alapvető kihívása. Az új megoldás javította az 50 éve ismert Strassen-módszert, és 50 nyitott matematikai probléma esetén az esetek 75%-ában elérte a legjobb ismert válaszokat, míg az esetek 20%-ában még tovább is fejlesztette azokat.

A mesterséges intelligencia ügynök a Gemini 2.0 Flash nyelvi modellre építve generál kódot, amelyet önértékelési módszerrel rangsorol. A legjobbnak ítélt kódokat az AlphaEvolve tovább javítja, és amint eléri az optimális eredményt, a fejlettebb Gemini 2.0 Pro modellt kezdi használni. Ez a megközelítés csökkenti a „hallucinációk”, vagyis a téves eredmények kockázatát, amelyek a legfejlettebb nyelvi modellek esetében is előfordulhatnak.

A DeepMind arról is beszámolt, hogy az AlphaEvolve a Google Tensor feldolgozó hardverén is változtatásokat hajtott végre, például eltávolította a felesleges elemeket a chip Verilog hardverleírásából, ami további teljesítményjavulást eredményezett. – írja a The Hindu.

Kép forrása: 51world