El nuevo chatbot de Google AI aborda las matemáticas y las ciencias complejas
Un sistema Google DeepMind mejora los diseños de chips y aborda problemas de matemáticas no resueltas, pero no se ha implementado a investigadores fuera de la empresa
Deepmind dice que Alphaevolve ha ayudado a mejorar el diseño de chips de IA.
Google Deepmind ha utilizado modelos de chatbot para encontrar soluciones a problemas importantes en matemáticas e informática.
El sistema, llamado Alphaevolve, combina la creatividad de un modelo de lenguaje grande (LLM) con algoritmos que pueden analizar las sugerencias del modelo para filtrar y mejorar las soluciones. Fue descrito en un libro blanco Lanzado por la compañía el 14 de mayo.
“El documento es bastante espectacular”, dice Mario Krenn, quien dirige el laboratorio científico artificial en el Instituto Max Planck para la Ciencia de la Luz en Erlangen, Alemania. “Creo que Alphaevolve es la primera demostración exitosa de nuevos descubrimientos basados en LLM de uso general”.
Sobre el apoyo al periodismo científico
Si está disfrutando de este artículo, considere apoyar nuestro periodismo galardonado con suscripción. Al comprar una suscripción, está ayudando a garantizar el futuro de las historias impactantes sobre los descubrimientos e ideas que dan forma a nuestro mundo hoy.
Además de usar el sistema para descubrir soluciones para abrir problemas de matemáticas, DeepMind ya ha aplicado la técnica de inteligencia artificial (IA) a sus propios desafíos prácticos, dice Pushmeet Kohli, jefe de ciencias de la firma de Londres.
Alphaevolve ha ayudado a mejorar el diseño de la próxima generación de unidades de procesamiento de tensor de la compañía, informes de computación desarrollados especialmente para IA, y ha encontrado una manera de explotar de manera más eficiente la capacidad informática mundial de Google, ahorrando el 0.7% de los recursos totales. “Ha tenido un impacto sustancial”, dice Kohli.
AI de propósito general
La mayoría de las aplicaciones exitosas de la IA en la ciencia hasta ahora, incluida la herramienta de diseño de proteínas Alfafold -Han involucrado un algoritmo de aprendizaje que estaba hecho a mano para su tarea, dice Krenn. Pero Alphaevolve es de propósito general, aprovechando las habilidades de LLM para generar código para resolver problemas en una amplia gama de dominios.
DeepMind describe a Alphaevolve como un ‘agente’, ya que implica el uso de modelos de IA interactivos. Pero se dirige a un punto diferente en el proceso científico de muchos otros ‘agentes’ Ciencia de IA sistemas que se han utilizado para Revisar la literatura y sugerir hipótesis.
Alphaevolve se basa en la familia Géminis de LLM de la empresa. Cada tarea comienza con el usuario que ingresa una pregunta, criterios para la evaluación y una solución sugerida, para la cual el LLM propone cientos o miles de modificaciones. Un algoritmo de ‘evaluador’ evalúa las modificaciones contra las métricas para una buena solución (por ejemplo, en la tarea de asignar los trabajos informáticos de Google, los investigadores quieren desperdiciar menos recursos).
Sobre la base de qué soluciones se consideran las mejores, el LLM sugiere nuevas ideas y con el tiempo el sistema evoluciona una población de algoritmos más fuertes, dice Matej Balog, un científico de IA de Deepmind que co-lideró la investigación. “Exploramos este conjunto diverso de posibilidades de cómo se puede resolver el problema”, dice.
Alphaevolve se basa en el sistema de FunSearch de la firmaque en 2023 se demostró que utiliza un enfoque evolutivo similar para los humanos superiores a los problemas no resueltos en las matemáticas. En comparación con FunSearch, Alphaevolve puede manejar piezas de código mucho más grandes y abordar algoritmos más complejos en una amplia gama de dominios científicos, dice Balog.
Deepmind dice que Alphaevolve ha creado una manera de realizar un cálculo, conocido como multiplicación de matriz, que en algunos casos es más rápido que el método más rápido conocido, que fue desarrollado por el matemático alemán Volker Strassen en 1969. Tales cálculos implican números multiplicadores en las cuadrículas y se usan para capacitar redes neurales. A pesar de ser de propósito general, Alphaevolve superó Alphatensor, una herramienta de IA descrita por la empresa en 2022 y diseñada específicamente para la mecánica de matriz.
El enfoque podría usarse para abordar los problemas de optimización, dice Krenn, o en cualquier lugar de la ciencia, donde hay métricas concretas o simulaciones, para evaluar lo que hace una buena solución. Esto podría incluir el diseño de nuevos microscopios, telescopio o incluso materiales, agrega.
Aplicaciones estrechas
En matemáticas, Alphaevolve parece permitir aceleraciones significativas para abordar algunos problemas, dice Simon Frieder, un matemático e investigador de IA en la Universidad de Oxford, Reino Unido. Pero probablemente se aplicará solo a la “porción estrecha” de las tareas que pueden presentarse como problemas para resolverse a través del código, dice.
Otros investigadores están reservando el juicio sobre la utilidad de la herramienta hasta que se haya probado fuera de DeepMind. “Hasta que los sistemas hayan sido probados por una comunidad más amplia, me mantendría escéptico y tomaría los resultados informados con un grano de sal”, dice Huan Sun, investigador de IA en la Universidad Estatal de Ohio en Columbus. Frieder dice que esperará hasta que los investigadores recreen una versión de código abierto, en lugar de confiar en el sistema patentado de Deepmind, que podría retirarse o cambiar.
Aunque Alphaevolve requiere menos potencia informática para ejecutar que Alphatensor, todavía es demasiado intensivo en recursos para que esté disponible gratuitamente en los servidores de Deepmind, dice Kohli.
Pero la compañía espera que anunciar el sistema aliente a los investigadores a sugerir áreas de ciencia en las que aplicar Alphaevolve. “Definitivamente estamos comprometidos a asegurarnos de que la mayoría de las personas en la comunidad científica tengan acceso a ella”, dice Kohli.
Este artículo se reproduce con permiso y fue Primero publicado el 14 de mayo de 2025.