在5月中旬，谷歌發(fā)布了AlphaEvolve。不僅30天內(nèi)攻克了18年未解的難題，或?qū)㈤_(kāi)啟了一場(chǎng)無(wú)需「靈感」的科學(xué)革命：未來(lái)，科學(xué)家將不再依賴直覺(jué)，而是靠AI解決難題！
5月中旬，谷歌在科學(xué)和計(jì)算領(lǐng)域投下了重磅炸彈：AlphaEvolve。
利用Gemini模型，它發(fā)現(xiàn)全新的算法。
比如說(shuō)，僅用30天，AlphaEvolve與人類聯(lián)手三度攻克一項(xiàng)封塵18年的數(shù)學(xué)難題！對(duì)此，知名華人數(shù)學(xué)家陶哲軒略感驚訝。
不僅在計(jì)算機(jī)科學(xué)和數(shù)學(xué)取得重大進(jìn)展，AI甚至可能影響到更廣泛的科學(xué)領(lǐng)域。
它不僅僅是生成文本工具，更不是簡(jiǎn)單的模板生成器。它喻示了AI的無(wú)限可能，就像AlphaGo的「神之一手」，展現(xiàn)了人類從未做過(guò)的突破。
這甚至可能是邁向AI自我改進(jìn)的一步。
在深度對(duì)話中，華人投資家SarahGuo（郭睿）采訪了谷歌DeepMind科學(xué)與戰(zhàn)略副總裁PushmeetKohli（下圖左），以及研究科學(xué)家MatejBalog（下圖右）。
他們分享了AlphaEvolve的背后故事。除了數(shù)學(xué)和計(jì)算機(jī)科學(xué)，他們也進(jìn)一步暢想：AlphaEvolve背后的理念，是否還能顛覆更多基礎(chǔ)科學(xué)領(lǐng)域？
AlphaEvolve證明靠智能取代「運(yùn)氣」，也能顛覆科學(xué)。AlphaEvolve，或許正開(kāi)啟一場(chǎng)不靠「靈感」的科學(xué)革命。
AlphaEvolve：陶哲軒震驚的進(jìn)步
DeepMind的使命是負(fù)責(zé)任地構(gòu)建人工智能，造福人類。這些年來(lái)，DeepMind一直在科學(xué)領(lǐng)域?qū)ふ倚滤惴ā?/p>
AlphaEvolve有什么不一樣？
PushmeetKohli認(rèn)為區(qū)別可以從歷史上來(lái)看。
一切從AlphaGo說(shuō)起。
AlphaGo不僅能夠高效地探索圍棋的所有可能局面，而且能夠提出當(dāng)時(shí)最佳走法。在幾十年的圍棋歷史中，人類都沒(méi)有發(fā)現(xiàn)這種下法。
某種意義上，AlphaGo是AI智能體。在龐大的搜索空間中，它可以高效探索并提出最優(yōu)解。這種能力讓人們感到驚訝，因?yàn)閲宸浅?fù)雜，科學(xué)家們認(rèn)為AI能夠在這一領(lǐng)域取得突破還需要很長(zhǎng)時(shí)間。
從AlphaGo的工作中，DeepMind得到啟發(fā)：
如果AI能夠如此高效地搜索圍棋的所有可能局面，那么是否可以利用類似的思想去搜索算法空間呢？
這就是開(kāi)始研發(fā)AlphaTensor工作的基礎(chǔ)。
幾十年來(lái)，人們認(rèn)為矩陣乘法的復(fù)雜度是立方級(jí)別的。也就是說(shuō)，如果你有兩個(gè)矩陣，矩陣的維度是n，那么計(jì)算的時(shí)間復(fù)雜度是n3。
50多年前，德國(guó)數(shù)學(xué)家Strassen提出了一種非常反直覺(jué)的方法，證明了：實(shí)際上，矩陣乘法的復(fù)雜度比原來(lái)預(yù)想的要低。
通過(guò)搜索，AlphaTensor發(fā)現(xiàn)了比之前所知的算法更高效的解決方案。它不僅在效率上超越了傳統(tǒng)算法，而且這個(gè)結(jié)果還證明了AI可以實(shí)現(xiàn)超人級(jí)別的突破。
但問(wèn)題是，AlphaTensor專門(mén)針對(duì)矩陣乘法設(shè)計(jì)。那么，能否將這種方法推廣到更一般的問(wèn)題中呢？這就引出了對(duì)AlphaEvolve的進(jìn)一步探索。
AlphaEvolve不僅能夠處理特定的任務(wù)，它更具普適性，可以處理更廣泛的問(wèn)題。
AlphaEvolve利用了與AlphaTensor相似的進(jìn)化算法。但它不再局限于矩陣乘法的特定問(wèn)題，而是能夠在更廣泛的編程空間中搜索，提出解決方案。
不斷進(jìn)化，自我改進(jìn)
聽(tīng)起來(lái)AlphaEvolve類似于進(jìn)化選擇對(duì)吧？它是如何進(jìn)行每一代的改進(jìn)的？
在每一代過(guò)程中，AlphaEvolve不斷改進(jìn)，每一代都基于上一代的強(qiáng)解進(jìn)行優(yōu)化。
通過(guò)基因池和評(píng)估函數(shù)，確保每一代的改進(jìn)都能夠提高整體的解的質(zhì)量，同時(shí)保持了多樣性，以便在龐大的搜索空間中發(fā)現(xiàn)最佳解決方案。
那這種進(jìn)化過(guò)程的規(guī)模如何呢？如何控制模型的迭代次數(shù)？
關(guān)于這個(gè)問(wèn)題，AlphaEvolve有一個(gè)很棒的特性，就是它能夠適應(yīng)問(wèn)題的難度。
如果AlphaEvolve被要求解決一個(gè)相對(duì)簡(jiǎn)單的問(wèn)題，它幾乎能立即得到答案；但如果是一個(gè)非常復(fù)雜的問(wèn)題，那么解決方案可能需要更長(zhǎng)時(shí)間，更多的代次來(lái)不斷改進(jìn)。
但令人欣慰的是，AlphaEvolve可以持續(xù)改進(jìn)，即使是在面對(duì)難度極大的問(wèn)題時(shí)，它仍能不斷提高。
這非常有價(jià)值，因?yàn)樵诔掷m(xù)優(yōu)化時(shí)，許多傳統(tǒng)的系統(tǒng)往往會(huì)在早期就遇到瓶頸，無(wú)法繼續(xù)改進(jìn)。
至于預(yù)測(cè)需要多少代才能達(dá)到最優(yōu)解，這個(gè)問(wèn)題比較復(fù)雜。問(wèn)題的難度，無(wú)法預(yù)料，尤其是在科學(xué)領(lǐng)域，一些看似簡(jiǎn)單的問(wèn)題實(shí)際上可能非常難，反之亦然。但幸運(yùn)的是，只要持續(xù)運(yùn)行AlphaEvolve，它會(huì)隨著時(shí)間的推移不斷得到更好的結(jié)果。
對(duì)編碼智能體的意義
與一般的編碼智能體相比，AlphaEvolve有何不同之處？
與一般的編碼智能體相比，AlphaEvolve的優(yōu)勢(shì)在于它能夠處理更復(fù)雜的任務(wù)，并且具有更高的效率和創(chuàng)造性。
在面對(duì)復(fù)雜或模糊的任務(wù)時(shí)，大多數(shù)通用編碼智能體，容易陷入困境或產(chǎn)生錯(cuò)誤，因?yàn)樗鼈兺ǔＲ蕾囉谥苯拥娜蝿?wù)說(shuō)明，而這些說(shuō)明往往不夠精確，或者它們沒(méi)有很強(qiáng)的判斷能力。
而AlphaEvolve則依賴嚴(yán)格的評(píng)估函數(shù)。它能夠區(qū)分有效的解決方案與無(wú)效的解決方案。
它的「創(chuàng)造性」不僅僅體現(xiàn)在提出新算法上，還表現(xiàn)在對(duì)解決方案進(jìn)行有效評(píng)估和優(yōu)化的能力上。
每當(dāng)提出一個(gè)新解決方案時(shí)，評(píng)估函數(shù)會(huì)幫助判斷它是否有效。
例如，在優(yōu)化數(shù)據(jù)中心調(diào)度時(shí)，評(píng)估函數(shù)可能是一個(gè)模擬器，它能夠根據(jù)給定的調(diào)度算法來(lái)判斷該算法在現(xiàn)實(shí)中的表現(xiàn)如何。
這個(gè)評(píng)估過(guò)程幫助AlphaEvolve更準(zhǔn)確地搜索解決方案空間。
那對(duì)于開(kāi)發(fā)者來(lái)說(shuō)，設(shè)計(jì)好的評(píng)估函數(shù)確實(shí)非常具有挑戰(zhàn)性。你需要明確什么樣的結(jié)果才是好的解決方案。在某些情況下，開(kāi)發(fā)者可以使用現(xiàn)有的模擬器來(lái)進(jìn)行評(píng)估，而在其他更復(fù)雜的情況下，可能需要開(kāi)發(fā)定制化的評(píng)估工具。
評(píng)估函數(shù)不僅要能判斷方案的好壞，還要能夠在不同的任務(wù)中靈活應(yīng)用。比如，在數(shù)據(jù)中心調(diào)度優(yōu)化問(wèn)題中，評(píng)估函數(shù)的復(fù)雜性可能遠(yuǎn)高于一些較簡(jiǎn)單的任務(wù)。
這也是為什么強(qiáng)調(diào)評(píng)估函數(shù)在AI系統(tǒng)中的重要性，只有擁有了精確的評(píng)估函數(shù)，AI才能有效地進(jìn)行創(chuàng)新。
左圖：AlphaEvolve為谷歌的工作負(fù)載和容量量身定制的啟發(fā)式函數(shù)；右圖：對(duì)該啟發(fā)式評(píng)分函數(shù)的可視化展示
科學(xué)家轉(zhuǎn)變角色
MatejBalog和PushmeetKohli都認(rèn)為：未來(lái)，科學(xué)家的角色會(huì)發(fā)生一些變化。
可以想象，在未來(lái)，科學(xué)家們將更多地專注于如何定義問(wèn)題、設(shè)計(jì)評(píng)估函數(shù)，以及如何解釋AI生成的結(jié)果。
AI將成為科學(xué)家們的強(qiáng)大工具，幫助他們更快解決復(fù)雜的問(wèn)題。
AI不僅僅給出答案，還提供算法，科學(xué)家們可以通過(guò)研究算法來(lái)理解背后的原理，這對(duì)于深入理解問(wèn)題和解決方案非常重要。
這正是AlphaEvolve稱霸多個(gè)領(lǐng)域的原因。
數(shù)學(xué)家和科學(xué)家不僅能看到最終的解決方案，還能理解到達(dá)這個(gè)解的路徑，這種新的視角對(duì)推動(dòng)科學(xué)發(fā)展至關(guān)重要。
此外，AlphaEvolve不僅僅推動(dòng)技術(shù)創(chuàng)新，還有助于科學(xué)家發(fā)掘新的思維方式，挑戰(zhàn)現(xiàn)有的認(rèn)知框架。
AlphaEvolve的問(wèn)世，標(biāo)志著科學(xué)研究進(jìn)入了一個(gè)嶄新的時(shí)代。它不僅在算法領(lǐng)域創(chuàng)造了奇跡，更為未來(lái)的科學(xué)革命鋪設(shè)了道路。
在AlphaEvolve的推動(dòng)下，或許我們即將見(jiàn)證：科學(xué)，不再依賴「靈感」，而是靠「智能」。
成名大作《諸天神王》,最反套路的情節(jié),高點(diǎn)擊,零差評(píng)!
小說(shuō):天界戰(zhàn)神異世重生,斗圣王誅天地,美食泡妞兩不誤
小說(shuō):天界戰(zhàn)神異世重生,斗圣王誅天地,全能泡妞王
