Az utóbbi években az AI jelentős áttöréseket ért el a tudomány különböző területein: a fehérjehajtogatástól a kvantumfizikán át egészen a matematikai problémákig. Az AlphaFold, AlphaChip és AlphaTensor nevek már ismerősek lehetnek a mesterséges intelligencia felhasználása kapcsán, de most egy új szintre lépünk: megjelent az AlphaEvolve, amely magától, explicit felkészítés nélkül képes új algoritmusokat felfedezni.
Milyen módszerekkel dolgozik ez a rendszer? Az AlphaEvolve az evolúciós algoritmusok és a legkorszerűbb nyelvi modellek, mint a Gemini, ötvözetét alkalmazza. Célja nem az, hogy előre meghatározott problémákra adjon választ, hanem hogy a problématérben önállóan fedezzen fel hatékony megoldásokat – mintegy evolúciós folyamatként. A folyamat során a rendszer különböző algoritmusok generációit hozza létre, teszteli, majd a legeredményesebbekből újabbakat származtat, hasonlóan ahhoz, ahogy a természetes evolúció működik.
A témában megszólal Pushmeet Kohli, a Google DeepMind kutatási alelnöke is, aki kiemeli, hogy az AlphaEvolve nem rendelkezik előzetes tanítással; a tanulás és fejlődés kizárólag a feladat bemeneteiből és a rendszer visszacsatolásaiból történik. Már most jelentős fejlődést ért el például a mátrixszorzási algoritmusokban, a chiptervezésben és az adatközpont-optimalizációban – ezek mindegyike érezhető költség- és energia-megtakarítással járhat.
Felmerül a kérdés: milyen további hatásokkal lehet számolni a jövőben, ha az AI képes önállóan algoritmusokat fejleszteni, s ezzel új tudományos áttöréseket érhet el? Vajon mennyiben gyorsíthatja fel ez a tudomány előrehaladását, és milyen területeken lesz még képes meglepni bennünket? Ezek az izgalmas kérdések tartják lázban a szakembereket és a közönséget egyaránt.
