谷歌DeepMind近期公布了一項重大進展，其最新研發的編程AI Agent——AlphaEvolve，已展現出在通用算法發現與優化方面的卓越能力，并將這些成果直接應用到了谷歌的各項業務之中。

AlphaEvolve結合了Gemini Flash（注重速度提升）和Gemini Pro（注重深度提升）兩大技術，能夠對現有代碼進行智能分析，并提出改進建議。這一AI Agent不僅能夠發現單個函數的優化方案，更能對整個代碼庫進行進化式改造，從而開發出更為復雜的算法。通過結合大語言模型的創造力和自動化評估器的精準度，AlphaEvolve在數學和計算領域的實際應用中取得了顯著成效。

據悉，在過去的一年里，谷歌已經將AlphaEvolve發現的算法部署到了其計算生態系統中，涵蓋了數據中心、硬件和軟件等多個方面。其中，AlphaEvolve在谷歌大規模集群管理系統Borg中的應用尤為亮眼，通過啟發式調度算法，實現了對全球計算資源0.7%的可持續恢復。同時，AlphaEvolve還使得Gemini的運算速度提升了23%，整體訓練時間縮短了1%。

AlphaEvolve還在數學領域取得了突破性的成果。針對困擾數學家們超過300年的接吻數問題，AlphaEvolve提出了一種新的解決方案，發現了一個由593個外球組成的配置，并在11維中建立了新的下限。這一發現不僅展示了AlphaEvolve在解決復雜數學問題方面的潛力，也為其在更廣泛領域的應用提供了可能。

在AI訓練和推理方面，AlphaEvolve同樣展現出了強大的能力。通過優化大型矩陣乘法操作的分解方式，AlphaEvolve在Gemini架構中的關鍵內核上實現了23%的運算速度提升，并縮短了1%的訓練時間。同時，AlphaEvolve還能夠優化底層GPU指令，在Transformer-based AI模型的FlashAttention內核實現中實現了32.5%的加速。這些成果將極大提升AI的性能和研究速度。

AlphaEvolve的發現過程并非一蹴而就。它首先通過大語言模型生成新的程序，然后利用自動化評估器對這些程序進行驗證和評分。這些評估指標為每個解決方案的準確性和質量提供了客觀、可量化的評估標準。通過這種方式，AlphaEvolve能夠不斷進化，提出更加優秀的算法。

谷歌DeepMind的研究員Matej Balog表示：“AlphaEvolve能夠發現極其復雜的算法，這些算法跨越數百行代碼，擁有遠遠超出簡單函數的復雜邏輯結構。它的出現將極大地推動數學和計算機科學的發展。”

除了在數學和計算領域的應用外，谷歌DeepMind還在探索AlphaEvolve在更多領域的應用潛力。目前，他們正在與People+AI研究團隊合作，開發用于與AlphaEvolve交互的友好用戶界面，并計劃為選定的學術用戶推出早期訪問計劃。未來，隨著技術的不斷發展和完善，AlphaEvolve有望在材料科學、藥物發現、可持續性以及更廣泛的技術和商業應用領域發揮重要作用。

在矩陣乘法算法場景下，AlphaEvolve也展現出了其強大的優化能力。通過提出一組用于發現更快矩陣乘法算法的變更，AlphaEvolve找到了一種使用48次標量乘法來乘以4×4復值矩陣的算法，這一發現改進了之前被認為是該場景下最好的Strassen算法。這一成果不僅展示了AlphaEvolve在算法優化方面的實力，也為其在更廣泛領域的應用提供了有力支持。