在人工智能领域，一个关键问题是模型产生真正新颖的想法或见解的频率，而不仅仅是重复和重组已学习的内容。
来自Google DeepMind的一个新项目表明，通过一些巧妙的调整，这些模型至少可以在设计某些类型的算法方面超越人类专业水平——包括对推进人工智能本身有用的算法。
该公司的最新AI项目，名为AlphaEvolve，结合了其Gemini AI模型的编码技能、测试新算法有效性的方法以及产生新设计的进化方法。
AlphaEvolve为几种计算方法提出了更高效的算法，包括一种涉及矩阵计算的方法，该方法优于已被依赖56年的Strassen算法。这种新方法通过减少产生结果所需的计算次数来提高计算效率。
DeepMind还使用AlphaEvolve为几个现实世界的问题提出更好的算法，包括数据中心内的任务调度、计算机芯片设计草图，以及优化用于构建大型语言模型（如Gemini本身）的算法设计。
"这些是现代AI生态系统的三个关键元素，"DeepMind科学AI负责人Pushmeet Kohli说，"这个超人类编码代理能够承担某些任务，并在解决方案方面远远超出已知范围。"
AlphaEvolve研究负责人之一Matej Balog表示，通常很难知道大型语言模型是否提出了真正新颖的写作或代码，但可以证明没有人为某些问题找到更好的解决方案。"我们已经非常精确地证明，你可以发现一些可证明是新的且可证明是正确的东西，"Balog说，"你可以非常确定所发现的内容不可能存在于训练数据中。"
专门研究算法设计的普林斯顿大学科学家Sanjeev Arora表示，AlphaEvolve取得的进展相对较小，仅适用于涉及搜索潜在答案空间的算法。但他补充道："搜索是一个适用于多种场景的相当普遍的概念。"
AI驱动的编码正开始改变开发者和公司编写软件的方式。最新的AI模型使新手轻松构建简单的应用和网站，一些有经验的开发者正在使用AI自动化更多工作。
AlphaEvolve展示了AI通过持续实验和评估提出完全新颖想法的潜力。DeepMind和其他AI公司希望AI代理将逐渐学会在多个领域展现更普遍的创造力，也许最终能够为商业问题提供巧妙的解决方案，或在给定特定问题时产生新颖见解。
哥伦比亚大学研究算法设计的助理教授Josh Alman表示，AlphaEvolve确实似乎在生成新想法，而不仅仅是重新混合训练期间学到的内容。"它必须做一些新的事情，而不仅仅是重复，"他说。
DeepMind研究人员发现，他们有时可以通过提示给出一个算法的想法并产生有趣的新结果。Alman表示，这引发了人类科学家可能与类似AlphaZero的系统合作的前景。"这对我来说看起来非常令人兴奋，"他说。
AlphaEvolve并非DeepMind展示真正创造力的唯一程序。该公司著名的棋盘游戏程序AlphaZero能够通过自身的实验形式提出原创招法和策略。Balog表示，他的团队使用的进化方法可以与AlphaZero中采用的强化学习方法相结合——这是一个通过正负反馈让程序学习的过程——以在其他领域探索新想法。
DeepMind之前的两个项目也使用AI推动计算机科学的边界。2022年的AlphaTensor使用强化学习方法产生新颖算法。2024年的Fun Search使用进化方法为给定问题生成更高效的代码。
研究算法如何影响技术进步的麻省理工学院科学家Neil Thompson表示，关键问题不仅在于AI算法是否能展示原创性想法，还在于这种能力在多大程度上适用于科学研究和创新。
"如果这些能力可以用于解决更大、范围不那么严格的问题，它有潜力加速创新——从而带来繁荣，"Thompson说。
你对AlphaEvolve有什么看法？你希望AI解决哪些新颖问题？可以通过发送电子邮件至hello@wired.com或在下方评论区添加来告诉我。
