•
史詩時刻！ AlphaGo神之一手突現，GoogleAI顛覆科學研究極限？
太瘋狂了，AlphaGo的「第37步」時刻，已經來臨。 Google的AlphaEvolve，讓我們從此進入AI創造科學的時代，人類科學研究將徹底顛覆！背後的研究者也首次接受採訪，揭露研究過程中的一些驚人細節。
這周，GoogleDeepMind丟出了重磅炸彈－AlphaEvolve。
但許多人，彷彿還未意識到這個AI的意義。
可以這麼說，AlphaEvolve，就是數學界AlphaGo的「第37步」時刻，堪稱瘋狂。
Google的這個AI，取得了人類未曾發現的數學成果。
例如，它改進了改進了4x4矩陣乘法，將運算次數從49次減少到48次，這是自1969年Strassen演算法提出以來，56年內的突破！
另外，它還推進了六邊形填充問題的研究，找到了在更大六邊形內排列11個和12個六邊形的更優解法，超越了人類的解決方案（在停滯16年之後）！
甚至，它一舉改進了困擾數學家300多年的「接吻數問題」。
而這一切，都是靠AI自我進化、訓練自己所使用的LLM而得到的。
透過自我對弈，它擁有了超人的編碼能力，甚至讓人預言—
十年內，程式設計將迎來自己的AlphaGo時刻。
而且，跟AlphaGo的「第37步」不同，AlphaEvolve展現出AI自主優化演算法的能力，或將徹底改變晶片設計與資料中心效率。
GoogleCEO Pichai，對「AI訓練AI」進行了生動的解釋：由Gemini驅動的編碼agent，優化了Gemini的訓練，形成了一個資料飛輪
跟以往成果不同的是，GoogleDeepMind這次直接弄出一個通用武器。
從此，AI不僅能解決問題，還能發現新的前沿領域。這代表著，人類集體智慧發生了一次真正的飛躍！
接下來的劇本，或許就是AI橫掃各大科學難題，直接顛覆人類科學研究。
GoogleDeepMind引領全人類未來
GoogleDeepMind，一直在AI改造世界這個方向引領著前線。可以說，在將近30年裡，他們都在指引人類文明的方向。
AlphaGo透過學習人類對弈，甚至自我對弈，擊敗了人類冠軍李世石。
AlphaZero通過自我對弈，學會圍棋、國際象棋和日本將棋，被稱為一種人類從未見過的智慧。
AlphaFold預測了數百萬種從未經過實驗測量的蛋白質三維結構。
AlphaDev則發現了更快的排序演算法。
AlphaTensor用於進行科學發現，將尋找更快矩陣乘法演算法的問題建構成一個遊戲，並實現了重大突破。
FunSearch則將我們帶到更遠，透過程式碼演化，利用LLM尋找新的數學解決方案。
GoogleDeepMind的下一個Alpha，更是令人無比期待。
OpenAI研究員Jason Wei就表示，AlphaEvolve對於像我這樣的強化學習鐵桿粉絲來說，確實令人不安
所以，這次打造出AlphaEvolve的團隊，究竟有那些人物，經歷了那些探索？
就在最近，Youtube上的人氣大V「Machine Learning Street Talk”，就提前獲取了GoogleDeepMind的這篇論文，並採訪了這項工作的研究者。
半個世紀矩陣乘法突破，研究者當場驚呆
在電腦科學領域，幾乎沒有問題能像矩陣乘法一樣基礎。
半個多世紀以來，此領域的一個特定基準，一直被認為難以突破。
因為最優演算法的搜尋空間極為龐大，使得窮舉在實務上幾乎不可能，即使對相對較小的矩陣也是如此。
1969年，Strassen透過發現一種演算法，徹底改變了這個領域。此演算法僅需七次標量乘法，即可乘以兩個二乘二矩陣。
而就在今天，這紀錄被Alpha Evolve打破了！
而它能做到一點，連GoogleDeepMind的研究者都沒想到。
對於通常情況下的矩陣，仍然沒有比使用四十九次乘法進行兩次Strassen更好的辦法。
開始，研究者也壓根沒有期待，它能找到比四十九次更好的結果，因為他們已經用AlphaTensor嘗試了很長時間了。
所以，他們只是出於完整性試了一下，因為想在論文中展示這個表格而已。
結果，出乎所有人意料，一個更快的演算法，居然被它發現了！
這次，演算法使用了48次，而不是49次乘法，徹底打破紀錄。
當看到一位同事發消息通知這一結果時，研究者表示自己簡直不敢相信。
反複檢查三次後，他們終於確認——
AI不斷增強的能力，可以產生全新的、可證明精準的演算法，從而推動科學的邊界！
跟第一個版本有何差別？
根據論文，AlphaEvolve是一種進化編程智能體，顯著提升了預訓練LLM在復雜任務上的能力。
要知道，先前團隊曾有第一篇論文，講的是FunSearch，原理與之非常相似。
所以，二者的區別在那裡呢？
研究者介紹說，FunSearch只是在搜尋一個單一的函數，但AlphaEvolve，本質上可以作用於整個程式碼庫。
它會在程式碼庫中你標記的區域中進行搜尋，甚至優化這些函數之間的互動。
Google昂貴的服務器，不用閒置了
所以，AlphaEvolve有沒有可能進化出一個方法，來優化Google的計算基礎設施呢？
出於嘗試，Google工程師將一個候選方案放進這個AI，令人驚喜的是，它果然進化出了一個更聰明的啟髮式方法！
現在，這個方法已經被運用於優化Google內部的計算基礎設施了。
要知道，在Google龐大的資料中心，高效率安排計算任務是一項非常複雜的操作。如果操作不當，昂貴的伺服器就會閒置。
而現在結果正式，這個全新方法利用了Google服務器群計算資源的0.7%，對於Google來說，這是一項巨大的節省。
盜夢空間成真？
甚至，在另一個自我改進的實例中，它甚至找到了加速Gemini模型訓練的方法，這，就為AlphaEvolve本身提供了動力。
這個實例之所以如此有趣，是因為它不僅產生瞭解決方案，還產生了產生這些方案的程式。
也就是說，Alpha Evolve就像《盜夢空間》一樣。
甚至研究者表示，在檢查程式碼時，他不僅想到，這看起來完全就是一種數學洞察，或者一種數學假設！
事實也證明了，它們確實對改進結果的非常關鍵。
而Alpha Evolve另外一個有趣的點，就是它仍然非常依賴「人類參與其中」。
過程中，人類負責識別那些內容是有趣的，找到那些有明確評估標準的問題，將候選解決方案納入循環中。
然後，Alpha Evolve就會遍歷這個可能性的錐體，在過程中不斷跳躍，將這個循環繼續下去。
所以，Alpha Evolve也預示了一種AI的未來──人類和AI之間，有著強大的協作循環。
曾經有一個「死掉的互聯網」的理論，指的是在未來，網上大部分內容都將由AI生成，而且非常表面化、非常膚淺。
而此時，就需要人類來指導AI、改進結果，進行迭代。
而讓Alpha Evolve如此酷炫且強大的，也正是人與機器之間的這種互動。
AlphaEvolve，為何如此適合科學發現
在訪談中，主持人向研究者提問：究竟是什麼促使你們走上了進化演算法的道路呢？
研究者回答說，這就跟科學發現的過程一樣，是非常自然的選擇。
進化演算法能為探索過程帶來多樣性，確保你不會在早期就鎖定在某種特定方法上，因為這種方法有可能是次優解。
最終，我們仍然需要不斷探索所有的可能性，尤其是在想要做出新的科學發現時。
言簡意賅地說，AlphaEvolve就是一個進化演算法，對於系統給出程式碼片段，我們都可以自動測試它好不好，有多好。
一方面，它可以把你限制在你可以解決的問題集上，另一方面，它涵蓋的問題範圍又非常廣泛。
LLM會為你提出各種想法，透過這個評估器，我們就可以篩選出真正重要的、能做出改變的想法。
最有潛力的代碼，將被識別出來，然後專注於改進這些部分。
接下來，採訪者就提出了一個重要的問題：我們什麼時候才知道，這個過程要結束？
例如，可能我們覺得該終止了，但如果再多等五分鐘，就會得到一個近乎完美的演算法。
研究者解答了他的疑惑。
從理論上講，的確永遠無法確定如何讓演算法運作更久，以及會得到什麼結果。
但在實踐中，這並未造成任何問題。
例如可以這樣設定問題：我正在嘗試解決這個數學中的開放性問題，尋找能取得進展的搜尋演算法，但我希望10分鐘內就能取得進展。
也就是說，其實我們只探索了能在10分鐘內做出進展的演算法空間。
當然的確存在這種可能性：如果運行更長時間，說不定還會有表現更好的演算法。這個可能性永遠無法消除。
那一刻，AI發生了想像力驚人的跳躍
主持人問道：你可以舉出一些系統做出真正有想像力的跳躍的例子嗎？
研究者表示，一個具體的例子，AlphaEvolve如何發現矩陣乘法演算法的。
實際上，他們只是讓它設計了一個基於梯度的搜尋演算法，也也就是一個能找出來的演算法的演算法，或是元演算法。
第一個搜尋演算法，是從一個非常簡單的程式碼框架開始的。
研究者並未給它任何東西，只告訴它「用梯度」，然後，它就寫出了這些複雜的損失函數和更新函數，而且以完全出人意料的方式引入了隨機性。
就在那一刻，研究者驚呼：太厲害了！
當然，這種程式碼也有可能是人類寫的，但他們真的會想到要寫出這段特定程式碼嗎？
那一刻，他彷彿頓悟了──AlphaEvolve所做的，是一些類似人類的事情，但又顯然不是人類會嘗試的東西。
人類具體是怎樣指導AI的呢？
研究者提及了一個實驗，在這個實驗中，他們請幾個人花了30分鍾思考這個問題，記下筆記，然後指導系統完成整個過程。
可以理解為，AI榨出了這個想法的全部精華，瞭解它的本質，於是引導LLM得出了這樣的目標，同時做了很多優化。
聽起來，這就是智慧的本質──嘗試很多事情，總有一件會成功。
最震撼之處：改變世界，就在當下
研究者表示，在以往，通常我們很難開發出某種科學研究工具，直接、立刻應用到現實世界的挑戰，並產生巨大影響。
而AlphaEvolve的意義就在於，在開箱時就能同時在數學和科學問題上做出新發現，甚至還能發現可以直接部署到Google核心計算架構中的演算法。
這，是他們以前從未經歷過的事。
AI奇點，或許已經到來了。 （新智元）