Google 的 DeepMind 研究部门宣称,其最新 AI 代理标志着利用该技术解决数学和科学重大问题的一大步。该系统被称为 AlphaEvolve,是基于公司的 Gemini 大语言模型 ( LLMs ),并加入了一种“进化论”方法,用于评估和改进各类应用场景下的算法。
AlphaEvolve 本质上是一个 AI 编程代理,但它远超标准的 Gemini 聊天机器人。当您与 Gemini 对话时,总存在幻觉风险,即由于底层技术的非确定性,AI 可能凭空捏造细节。而 AlphaEvolve 则采用了一种独特的方法,在处理复杂算法问题时提高了准确性。
据 DeepMind 介绍,这款 AI 采用了一套自动评估系统。当研究人员与 AlphaEvolve 互动时,他们会输入一个问题以及可能的解决方案和探索方向。该模型利用了高效的 Gemini Flash 和更注重细节的 Gemini Pro,生成多种可能的解决方案,然后每个方案都会由评估器进行分析。通过进化框架,AlphaEvolve 能够专注于最优解并不断改进。
来源: Google DeepMind
该公司过去的许多 AI 系统,例如用于蛋白质折叠的 AlphaFold,都在单一知识领域内进行了大量训练。然而,AlphaEvolve 则展现出更大的动态性。DeepMind 表示,AlphaEvolve 是一款通用型 AI,能够协助任何编程或算法问题的研究。Google 已经开始在其庞大的业务体系中部署该系统,并取得了积极成果。
团队已经将 AlphaEvolve 部署在 Google Borg 集群管理系统上,用于管理其数据中心。该 AI 建议对调度启发式算法进行修改,这一改变已被采纳,使 Google 全球计算资源节约了 0.7% 。对于 Google 这样规模的企业来说,这是一项显著的财务效益。
此外,AlphaEvolve 或将使生成式 AI 的运作更为高效,而这正是实现该技术商业价值的必要条件。生成系统的内部运作依赖于矩阵乘法操作。历史上,数学家 Volker Strassen 于 1969 年提出了最有效的 4×4 复数矩阵乘法方法,但 DeepMind 表示,AlphaEvolve 已发现了一种更高效的新算法。DeepMind 过去曾通过像 AlphaTensor 这样专注领域的 AI 代理处理这一问题,尽管 AlphaEvolve 是一款通用型 AI,但其解决方案优于 AlphaTensor。
Google 的下一代 Tensor 处理硬件也将从 AlphaEvolve 中受益。DeepMind 报告称,该 AI 对芯片所使用的 Verilog 硬件描述语言进行了修改,剔除了不必要的比特,从而提升了效率。Google 目前仍在验证这一改动,但预计这将成为即将推出的处理器的一部分。
目前,只有 Google 能够调试 AlphaEvolve。虽然其耗用的计算资源比 AlphaTensor 少,但由于系统的复杂性,目前仍不对外公开。未来情况可能会有所变化,而这种高效的评估方法也有望被整合到更小型的科研 AI 工具中。
好文章,需要你的鼓励
机器人和自动化工具已成为云环境中最大的安全威胁,网络犯罪分子率先应用自动化决策来窃取凭证和执行恶意活动。自动化攻击显著缩短了攻击者驻留时间,从传统的数天减少到5分钟内即可完成数据泄露。随着大语言模型的发展,"黑客机器人"将变得更加先进。企业面临AI快速采用压力,但多数组织错误地关注模型本身而非基础设施安全。解决方案是将AI工作负载视为普通云工作负载,应用运行时安全最佳实践。
MBZUAI研究团队发布了史上最大的开源数学训练数据集MegaMath,包含3716亿个Token,是现有开源数学数据集的数十倍。该数据集通过创新的数据处理技术,从网页、代码库和AI合成等多个来源收集高质量数学内容。实验显示,使用MegaMath训练的AI模型在数学推理任务上性能显著提升,为AI数学能力发展提供了强大支撑。
面对心理健康专业人士短缺问题,谷歌、麦肯锡和加拿大重大挑战组织联合发布《心理健康与AI现场指南》,提出利用AI辅助任务分担模式。该指南构建了包含项目适应、人员选择、培训、分配、干预和完成六个阶段的任务分担模型,AI可在候选人筛选、培训定制、客户匹配、预约调度和治疗建议等环节发挥作用。该方法通过将部分治疗任务分配给经过培训的非专业人员,并运用AI进行管理支持,有望缓解治疗服务供需失衡问题。
这项由多个知名机构联合开展的研究揭示了AI系统的"隐形思维"——潜在推理。不同于传统的链式思维推理,潜在推理在AI内部连续空间中进行,不受语言表达限制,信息处理能力提升约2700倍。研究将其分为垂直递归和水平递归两类,前者通过重复处理增加思考深度,后者通过状态演化扩展记忆容量。