گوگل دیپ‌مایند از نسل جدید هوش مصنوعی با نام AlphaEvolve پرده‌برداری کرد
دیپ‌مایند گوگل از هوش مصنوعی نوینی به نام «AlphaEvolve» پرده‌برداری کرده است که قابلیت‌های آن فراتر از چت‌بات‌های معمولی می‌باشد. این سیستم پیشرفته نه‌تنها توانایی اختراع الگوریتم‌های جدید را دارد، بلکه در کاهش هزینه‌های پردازشی گوگل نیز به شکل قابل‌توجهی موفق عمل کرده است. این پیشرفت می‌تواند تأثیر عمیقی در روند تحقیقات ریاضی، مهندسی و حتی طراحی سخت‌افزار بگذارد.
بخش هوش مصنوعی گوگل، یعنی DeepMind، خبر از پیشرفت عمده‌ای در ایجنت هوش مصنوعی جدید خود داده است که در راستای استفاده از فناوری برای حل مشکلات کلان در ریاضیات و علوم قرار دارد. این سیستم تحت عنوان AlphaEvolve شناخته می‌شود و بر پایه مدل‌های زبانی بزرگ مشابه جمینای شکل‌گیری یافته و رویکرد تکاملی را به آن افزوده است تا توانایی ارزیابی و بهبود الگوریتم‌ها را در گستره‌ای وسیع از کاربردها ارتقا بخشد.
تحول مدل‌های حل مسئله با هوش مصنوعی AlphaEvolve
AlphaEvolve به‌عنوان یک ایجنت هوش مصنوعی برای کدنویسی طراحی شده است، اما قابلیت‌های آن بسیار فراتر از چت‌بات‌های معمول مانند جمینای می‌باشد. در زمان تعامل با جمینای، به‌دلیل ماهیت غیرقطعی مدل‌های زبانی، همواره خطر ایجاد اطلاعات نادرست وجود دارد، اما AlphaEvolve با پیاده‌سازی رویکردی نوآورانه، دقت در حل مسائل پیچیده الگوریتمی را افزایش داده است.
بر اساس اعلام DeepMind، این فناوری به سیستم ارزیابی خودکار متکی است. زمانی که پژوهشگران با AlphaEvolve ارتباط برقرار می‌کنند، مسئله‌ای را به همراه چندین مسیر و راه‌حل ممکن ارائه می‌دهند. پس از آن، با بهره‌گیری از جمینای فلش و جمینای پرو، چندین راه‌حل گوناگون تولید می‌شود و سپس سیستم ارزیابی به بررسی هر یک از آن‌ها می‌پردازد. این چارچوب تکاملی به AlphaEvolve این قدرت را می‌دهد که بر روی بهترین راه‌حل متمرکز شده و آن را بهینه‌سازی کند.
برخلاف مدل‌های قبلی DeepMind نظیر AlphaFold، که به‌طور خاص در یک حوزه محدود آموزش دیده بودند، AlphaEvolve از خصوصیات دینامیکی برخوردار است. دیپ‌مایند بیان می‌کند که این سامانه به پژوهشگران در هر مسئله‌ای مربوط به برنامه‌نویسی و الگوریتم‌ها یاری می‌رساند و گوگل از همین حالا به استفاده از آن در بخش‌های مختلف خود پرداخته و نتایج مثبتی دریافت کرده است.
تیم DeepMind این عامل هوشمند را در سیستم مدیریت خوشه‌ای خود به نام Borg در دیتاسنترهای گوگل به‌کار گرفته است. AlphaEvolve تغییراتی در الگوریتم زمان‌بندی (Scheduling Heuristics) پیشنهاد داده که با اجرایی کردن آن‌ها، مصرف منابع پردازشی گوگل در سراسر سازمان 0.7 درصد کاهش یافته است. به‌واقع، برای شرکتی با ابعاد گوگل، این صرفه‌جویی عدد بسیار قابل‌توجهی است که از نظر مالی اهمیت بالایی دارد.
نقش الگوریتم‌های هوش مصنوعی در افزایش کارایی منابع گوگل
علاوه بر این، AlphaEvolve قادر است کارایی هوش مصنوعی مولد (Generative AI) را نیز ارتقا بخشد. عملیات‌های داخلی این سیستم‌ها بر پایه ضرب ماتریس‌ها بنا شده است. مثلاً برای ضرب ماتریس‌های 4*4 با اعداد مختلط، مفهوم مؤثرتری را یک ریاضی‌دان به نام «ولکر اشتراسن» (Volker Strassen) در سال 1969 ارائه کرد که برای سال‌ها به‌عنوان بهترین روش شناخته می‌شد؛ اما دیپ‌مایند اعلام کرده که AlphaEvolve الگوریتم جدیدی یافته که به لحاظ کارایی بهتر است. در گذشته، دیپ‌مایند با دیگر عامل‌های هوش مصنوعی مانند «AlphaTensor» بر روی این موضوع کار کرده بود، اما AlphaEvolve با ارائه الگوریتمی عمومی‌تر، راه‌حلی بهینه‌تر به ارمغان آورده است.
از طرفی، نسل آینده سخت‌افزارهای «Tensor» گوگل نیز از توانایی‌های AlphaEvolve بهره‌برداری خواهد کرد. دیپ‌مایند گزارش کرده که این AI تغییراتی در زبان توصیف سخت‌افزار Verilog پیشنهاد کرد که با حذف بیت‌های غیرضروری، عملکرد تراشه را افزایش داده است. در حال حاضر، گوگل در حال بررسی صحت این تغییرات است، اما پیش‌بینی می‌شود آن را در نسل جدید پردازنده‌ها به کار گیرد.
فعلاً فقط گوگل است که به کار با AlphaEvolve دسترسی دارد. با اینکه این سیستم نسبت به AlphaTensor منابع محاسباتی کمتری نیاز دارد، اما هنوز هم از پیچیدگی بالایی برخوردار است و برای انتشار عمومی مناسب نمی‌باشد. انتظار می‌رود در آینده رویکرد ارزیابی خودکار آن در ابزارهای کوچک‌تر برای اهداف پژوهشی نیز به کار گرفته شود.
AlphaEvolve یکی از دستاوردهای قابل‌توجه DeepMind به شمار می‌آید که مرزهای توانمندی‌های هوش مصنوعی در حل مسائل الگوریتمی را به پیش می‌برد. برخلاف ابزارهای تخصصی که صرفاً در حوزه‌ای خاص عمل می‌کنند، این ایجنت هوش مصنوعی چندمنظوره قادر به بهینه‌سازی مصرف دیتاسنترها، طراحی بهتر پردازنده‌ها و حتی اکتشاف الگوریتم‌های جدید شده است. به‌هرحال، با اینکه هنوز برای استفاده عمومی عرضه نشده، نوید بخش آینده‌ای است که در آن ابزارهای هوش مصنوعی می‌توانند نه‌تنها به‌عنوان دستیار، بلکه به‌عنوان همکار تولیظات علمی و مهندسی در حل مسائل بنیادین ایفای نقش کنند.
