0糖0卡0脂 旭日森林仙草烏龍茶優(yōu)惠：15瓶到手29元
旭日森林無糖仙草烏龍茶510ml*15瓶平時要賣為79.9元，今日下單領(lǐng)取50元優(yōu)惠券，到手價為29.9元。產(chǎn)品規(guī)格：0糖0卡0脂，添加草本仙草汁，清涼爽口，富含茶多酚，保留
去年，AI 能解出博士級別的數(shù)學(xué)題，已是轟動一時的大新聞；
而今年，能攻克「未解之謎」級別的數(shù)學(xué)難題的 AI 已經(jīng)來了。
5 月 15 日，Google DeepMind 發(fā)布了全新編程智能體 AlphaEvolve。不同于傳統(tǒng)的編程 Agent，它專注于通用算法的自動發(fā)現(xiàn)與持續(xù)優(yōu)化。
顧名思義，AlphaEvolve 擅長在「進(jìn)化」中尋找更優(yōu)解，它模擬自然選擇機(jī)制，能在代碼中不斷迭代、演化出創(chuàng)新算法。
只要問題能用程序表達(dá)、結(jié)果能用函數(shù)評估，AlphaEvolve 就能迭代算法。Google 表示，在組合數(shù)學(xué)、幾何學(xué)、數(shù)論等超過 50 個未解問題中應(yīng)用后，AlphaEvolve 在約 20% 的問題上超越了人類現(xiàn)有解法。
DeepMind 研究員 Matej Balog 表示：「AlphaEvolve 在十多個公開的數(shù)學(xué)問題上取得了突破。
但讓我激動的是：它找到了 56 年以來，4x4 復(fù)數(shù)矩陣乘法算法的首次改進(jìn)。這個結(jié)果，來自它自創(chuàng)的一種復(fù)雜搜索算法。」
AlphaEvolve 的價值不僅在數(shù)學(xué)，它展現(xiàn)出的是一種通用的「算法發(fā)現(xiàn)能力」。Balog 表示：「我們對 AlphaEvolve 的應(yīng)用，還只是觸及表層。」
01 問題能用程序表達(dá)、結(jié)果能用函數(shù)評估，AlphaEvolve 就能迭代算法
Google DeepMind 表示，AlphaEvolve 能夠在多個復(fù)雜問題中取得突破，關(guān)鍵在于其背后運(yùn)作的是一整套自動進(jìn)化機(jī)制，能持續(xù)優(yōu)化算法并提升性能。
從本質(zhì)上看，AlphaEvolve 解決的是一個通用的黑盒優(yōu)化問題：maximize h(f)。其中，f 是由大型語言模型生成的程序，h 是衡量該程序質(zhì)量的評估函數(shù)。
在實(shí)際流程中，AlphaEvolve 首先通過提示采樣器（prompt sampler）組裝提示詞，引導(dǎo)語言模型生成代碼。
DeepMind 使用了兩個不同的 Gemini 模型協(xié)同工作：Gemini Flash 以更高速度生成大量候選方案，擴(kuò)展思路的廣度；Gemini Pro 則提供更深入的結(jié)構(gòu)性建議。
二者結(jié)合，使模型能產(chǎn)出具備實(shí)際可行性和算法深度的程序。生成的程序會被送入自動評估系統(tǒng)，經(jīng)過驗(yàn)證、運(yùn)行和打分后，寫入程序數(shù)據(jù)庫。
數(shù)據(jù)庫中運(yùn)行著一套進(jìn)化算法，會從已有程序中挑選表現(xiàn)好的方案，為下一輪提示提供方向，不斷迭代出更優(yōu)解。
AlphaEvovle 的一個核心點(diǎn)就是這套自動評估指標(biāo)。它能對生成程序進(jìn)行驗(yàn)證、運(yùn)行和評分。
每一個程序都會被 h 函數(shù)衡量其準(zhǔn)確性、運(yùn)行效率、代碼質(zhì)量等維度。這些評分標(biāo)準(zhǔn)是客觀、量化的，使 AlphaEvolve 能夠在無需人類直接干預(yù)的前提下持續(xù)優(yōu)化。
圖片來源：Google
不過，這里的 h 函數(shù)依然由人類研究人員定義，可以是準(zhǔn)確率、運(yùn)行時間，甚至代碼可讀性等維度的組合。
AlphaEvolve 負(fù)責(zé)的只是在給定 h 的前提下去尋找優(yōu)的 f。對于一些數(shù)學(xué)問題或研究任務(wù)，Google 也可能預(yù)設(shè) h。這也說明了 AlphaEvolve 當(dāng)前的邊界：它適用于那些「成果是否優(yōu)秀」可以自動量化判斷的問題。
但如何定義「優(yōu)秀」，仍需人來給出。在需要人類實(shí)驗(yàn)才能確定是否優(yōu)秀的問題上，AlphaEvolve 就無法評估了。
以 DeepMind 研究員提到的 4 x 4 復(fù)數(shù)矩陣乘法為例，研究人員設(shè)置了一組任務(wù)目標(biāo)，包括達(dá)到的低乘法次數(shù)（即張量分解的秩）以及達(dá)到該結(jié)果的隨機(jī)種子比例。
這些信號構(gòu)成了 AlphaEvolve 的優(yōu)化目標(biāo)，引導(dǎo)它在復(fù)雜的搜索空間中穩(wěn)步「爬山」。AlphaEvolve 從問題定義出發(fā)，基于標(biāo)準(zhǔn)的梯度優(yōu)化流程（包括初始化器、重建損失函數(shù)、Adam 優(yōu)化器等），演化出了一系列高質(zhì)量的張量分解算法。
終，它在 14 個矩陣乘法結(jié)構(gòu)上超越了已知優(yōu)結(jié)果。其中引人注目的，是它提出了歷史上第一個能用 48 次乘法完成 4×4 復(fù)數(shù)矩陣乘法的算法——打破了 56 年未被突破的記錄。
圖片來源：Google
AlphaEvolve 的技術(shù)路線可追溯到 DeepMind 早期提出的 FunSearch 系統(tǒng)。
FunSearch 同樣利用語言模型引導(dǎo)程序進(jìn)化，曾被用于發(fā)現(xiàn)數(shù)學(xué)結(jié)構(gòu)或在線算法策略。但與之相比，AlphaEvolve 的擴(kuò)展性顯著提升：它可以修改完整程序，處理多個函數(shù)、組件、甚至跨語言結(jié)構(gòu)協(xié)同優(yōu)化，而不僅限于 Python 中的單一函數(shù)。
這種更高的通用性，使 AlphaEvolve 不再只是一個「智能改函數(shù)」的工具，而像是一個可以自主演化大型算法系統(tǒng)的「程序設(shè)計(jì)伙伴」。
據(jù) DeepMind 披露，AlphaEvolve 已被應(yīng)用于 50 多個數(shù)學(xué)難題，涵蓋數(shù)學(xué)分析、幾何學(xué)、組合數(shù)學(xué)與數(shù)論等領(lǐng)域。大多數(shù)實(shí)驗(yàn)都能在數(shù)小時內(nèi)完成部署。在約 75% 的問題中，它成功重新發(fā)現(xiàn)了當(dāng)前的優(yōu)解。
更令人驚喜的是，在約 20% 的問題中，它給出了比已知方法更好的解法。比如在數(shù)學(xué)界研究了 300 多年的「接吻數(shù)問題」中，AlphaEvolve 構(gòu)造出由 593 個球體組成的新結(jié)構(gòu)，在 11 維空間中刷新了下界。
除了數(shù)學(xué)，AlphaEvolve 也已在 Google 內(nèi)部實(shí)際落地應(yīng)用，解決了計(jì)算棧中多個層面的工程問題，包括：為 Borg 系統(tǒng)設(shè)計(jì)新的調(diào)度啟發(fā)式；優(yōu)化大語言模型訓(xùn)練時使用的矩陣乘法內(nèi)核；改寫 TPU 芯片中的算術(shù)電路；加速 Transformer 注意力機(jī)制的執(zhí)行速度。
這些任務(wù)之間跨度極大，但都具備一個共性：問題能用程序表達(dá)、結(jié)果能用函數(shù)評估。只要這兩點(diǎn)成立，AlphaEvolve 就可以發(fā)揮作用。
02 更多的智能供給，帶來無限的游戲
此次發(fā)布來自 Google DeepMind，這一團(tuán)隊(duì)曾推出 AlphaGo、AlphaFold 等具有里程碑意義的 AI 系統(tǒng)，在博弈智能與科學(xué)發(fā)現(xiàn)領(lǐng)域顯著擴(kuò)展了人工智能的能力邊界。
AlphaEvolve，與依賴強(qiáng)化學(xué)習(xí)和自我博弈（如 AlphaGo）的系統(tǒng)不同，是通過語言模型生成大量程序候選，結(jié)合自動評估與進(jìn)化機(jī)制，篩選出更優(yōu)的算法方案。
它更像是一種可編排、可擴(kuò)展的算法構(gòu)造與發(fā)現(xiàn)框架。相比 AlphaGo 展示的是人工智能如何在規(guī)則明確定義的博弈中超越人類，AlphaEvolve 的意義可能更在于：它為研究者提供了一種持續(xù)、可擴(kuò)展的算法生成與優(yōu)化能力。
算法設(shè)計(jì)與調(diào)優(yōu)歷來是一種高度稀缺的技術(shù)能力。算法工程師在就業(yè)市場上普遍享有更高的薪酬與職位門檻，足以反映其復(fù)雜性與稀缺性。
而現(xiàn)在，只要設(shè)定明確的評估方式，AlphaEvolve 就有可能以接近無限的算力和耐心，自動探索并優(yōu)化算法解法。這意味著，「發(fā)現(xiàn)并改進(jìn)算法」這項(xiàng)曾依賴個體經(jīng)驗(yàn)的能力，開始從稀缺、手工、不可復(fù)制，變?yōu)榭勺詣踊⒖梢?guī)模化的智能供給。
尤瓦爾·赫拉利曾經(jīng)有一個比喻，形容 AlphaGo 為人類帶來的沖擊。人類一直在圍棋星球上探索如何下圍棋，不斷有人畫出路線圖，探索圍棋星球的樣貌。
直到 AI 出現(xiàn)，人類才驚覺，自己不過是在圍棋星球的一座小島上原地打轉(zhuǎn)，而真正的星球遼闊無邊，未曾涉足的區(qū)域遠(yuǎn)超想象。
而去年到今年，在科研領(lǐng)域，我們也不斷地看到 AI 正在做同樣的事情。2024 年，AI 相關(guān)成果首次同時獲得諾貝爾物理學(xué)獎與化學(xué)獎，而這很有可能成為未來的科研常態(tài)。
從某種程度上說，AlphaEvolve 所做的，是以前所未有的速度加快這張科研的「未知地圖」的展開。
以無限的智能供給，讓每個領(lǐng)域都有可能被再探索一遍。當(dāng)「能被發(fā)現(xiàn)的算法」不再稀缺，人類對知識的征途，或許才剛剛開始。
本文鏈接：http://www.tebozhan.com/showinfo-17-150086-0.html56年無人解開的數(shù)學(xué)難題 被谷歌的新AI突破了
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請聯(lián)系：2376512515@qq.com 津ICP備18001702號
津公網(wǎng)安備 12010102000574號