گوگل دیپ‌مایند از هوش مصنوعی جدیدی به نام «AlphaEvolve» رونمایی کرده که فراتر از چت‌بات معمولی عمل می‌کند. این سیستم پیشرفته نه‌فقط می‌تواند الگوریتم‌های جدید اختراع کند، بلکه موفق شده هزینه‌های پردازشی گوگل را به میزان چشمگیری کاهش دهد. این تحول می‌تواند آینده تحقیقات ریاضی، مهندسی و حتی طراحی سخت‌افزار را متحول کند.
بخش هوش مصنوعی گوگل، DeepMind، اعلام کرده جدیدترین ایجنت یا عامل هوش مصنوعی این شرکت گامی مهم به‌سوی استفاده از تکنولوژی برای حل مسائل بزرگ در ریاضیات و علوم برداشته است. این سیستم که با نام AlphaEvolve شناخته می‌شود، بر پایه مدل‌های زبانی بزرگ جمینای ساخته شده و رویکردی تکاملی را اضافه کرده که توانایی ارزیابی و بهبود الگوریتم‌ها در طیف وسیعی از کاربردها را دارد.
هوش مصنوعی AlphaEvolve گوگل حل مسائل را متحول می‌کند
AlphaEvolve در اصل عامل هوش مصنوعی کدنویسی است اما بسیار فراتر از چت‌بات معمولی مثل جمینای عمل می‌کند. وقتی با جمینای صحبت می‌کنید، به‌خاطر ماهیت غیرقطعی مدل‌های زبانی، همیشه خطر توهم‌زایی یا ساخت اطلاعات غیرواقعی وجود دارد اما AlphaEvolve برای افزایش دقت در حل مسائل پیچیده الگوریتمی، رویکردی جالب به کار گرفته است.
به گفته DeepMind، این فناوری از سیستم ارزیابی خودکار بهره می‌برد. وقتی پژوهشگر با AlphaEvolve تعامل دارد، مسئله‌ای همراه چند مسیر و راه‌حل ممکن به آن می‌دهد. سپس با استفاده از جمینای فلش و جمینای پرو چندین راه‌حل مختلف تولید می‌شود. پس از آن، سیستم ارزیاب هر راه‌حل را بررسی می‌کند. چارچوب تکاملی به AlphaEvolve این امکان را می‌دهد که روی بهترین راه‌حل تمرکز کرده و آن را بهبود دهد.
برخلاف مدل‌های پیشین DeepMind مانند AlphaFold (برای پیش‌بینی ساختار پروتئین‌ها) که گسترده در حوزه‌ای خاص آموزش دیده بودند، AlphaEvolve دینامیک است. دیپ‌مایند می‌گوید این سامانه هوش مصنوعی می‌تواند در هر مسئله برنامه‌نویسی یا الگوریتمی به پژوهشگران کمک کند و گوگل از همین حالا استفاده از آن را در بخش‌های مختلف خود آغاز کرده و نتایج مثبتی گرفته است.
تیم DeepMind این عامل هوشمند را روی سامانه مدیریت خوشه‌های خود موسوم به Borg در دیتاسنترهای گوگل به کار برده است. AlphaEvolve تغییراتی در الگوریتم زمان‌بندی (Scheduling Heuristics) پیشنهاد داد که با پیاده‌سازی آنها مصرف منابع پردازشی گوگل در سراسر شرکت ۰.۷ درصد کاهش یافت. برای شرکتی به بزرگی گوگل این صرفه‌جویی عددی بسیار بزرگ است و اهمیت مالی دارد.
نقش الگوریتم‌های هوش مصنوعی در بهینه‌سازی منابع گوگل
همچنین AlphaEvolve ممکن است بتواند کارایی هوش مصنوعی مولد (Generative AI) را نیز افزایش دهد. عملیات‌های داخلی این سیستم‌ها بر پایه ضرب ماتریس‌هاست؛ برای مثال، مؤثرترین روش ضرب ماتریس‌های ۴*۴ با اعداد مختلط را ریاضی‌دانی به نام «ولکر اشتراسن» (Volker Strassen)در سال ۱۹۶۹ ارائه داد که تا دهه‌ها بهترین روش باقی ماند اما حالا دیپ‌مایند اعلام کرده AlphaEvolve الگوریتم جدیدی کشف کرده که کارآمدتر است. دیپ‌مایند قبلاً با عامل‌های هوش مصنوعی دیگری نظیر «AlphaTensor» روی همین موضوع کار کرده بود اما AlphaEvolve بااینکه مدلی عمومی است، راه‌حل بهتری ارائه کرده است.
از سوی دیگر، نسل آینده سخت‌افزارهای «Tensor» گوگل نیز از توانایی AlphaEvolve بهره‌مند می‌شود. دیپ‌مایند گزارش داده این AI تغییراتی در زبان توصیف سخت‌افزار Verilog پیشنهاد داده که با حذف بیت‌های غیرضروری، کارایی تراشه را بالا برده است. گوگل هنوز مشغول بررسی صحت این تغییرات است اما انتظار دارد آن را در نسل بعدی پردازنده‌ها پیاده کند.
درحال‌حاضر فقط خود گوگل می‌تواند با AlphaEvolve کار کند. هرچند این سیستم نسبت به AlphaTensor منابع محاسباتی کمتری مصرف می‌کند، همچنان بسیار پیچیده است و هنوز برای انتشار عمومی مناسب نیست. انتظار می‌رود در آینده رویکرد ارزیابی خودکار آن در ابزارهای کوچک‌تر برای اهداف تحقیقاتی نیز به کار گرفته شود.
AlphaEvolve دستاورد مهم DeepMind است که مرز توانایی‌های هوش مصنوعی در حل مسائل الگوریتمی را گسترش می‌دهد. برخلاف ابزارهای تخصصی که فقط در حوزه خاصی کاربرد داشتند، این ایجنت هوش مصنوعی چندمنظوره توانسته به بهینه‌سازی مصرف دیتاسنترها، طراحی بهتر پردازنده‌ها و حتی کشف الگوریتم‌های جدید دست یابد. اگرچه هنوز برای استفاده عمومی در دسترس نیست، آینده‌ای را نوید می‌دهد که در آن ابزارهای هوش مصنوعی نه‌فقط دستیار، بلکه همکار پژوهشگران و مهندسان در حل مسائل بنیادی خواهند بود.
