AlphaEvolve от Google оптимизирует алгоритм Штрассена впервые за 56 лет

AlphaEvolve от Google оптимизирует алгоритм Штрассена впервые за 56 лет

Корпорация Google раскрыла технические особенности революционного инструмента под кодовым наименованием AlphaEvolve – специализированного агентского решения, интегрирующего генеративные возможности крупноязыковой модели Gemini с механизмами автоматической верификации.

Историческое значение имеет математический прорыв, осуществленный с помощью AlphaEvolve: впервые за 56-летний период был оптимизирован классический алгоритм Штрассена для умножения матриц размерностью 4×4, что привело к сокращению количества операций с 49 до 48. Данное достижение имеет фундаментальное значение для целого спектра вычислительных задач, от компьютерной графики до машинного обучения.

Технологическая архитектура разработки позволяет системе самостоятельно формулировать, тестировать и итеративно совершенствовать алгоритмы в сферах прикладной математики и программной инженерии.

Принципиальное методологическое преимущество AlphaEvolve заключается в трехкомпонентной структуре его функционирования. На первом этапе задействуется крупноязыковая модель Gemini, проводящая всесторонний анализ существующих алгоритмических подходов и генерирующая спектр альтернативных решений на основе обширного корпуса накопленных знаний.

Второй этап включает систему автоматической оценки предложенных алгоритмов по ключевым метрикам эффективности и точности, обеспечивая объективную компаративистику различных вариантов.

Завершающий этап базируется на применении эволюционных методик, включающих алгоритмическую мутацию и рекомбинацию, что позволяет интегрировать оптимальные элементы из множества предложенных решений.

Технология уже продемонстрировала впечатляющие результаты в корпоративной экосистеме Google, включая оптимизацию операционных параметров дата-центров, ускорение процессов проектирования полупроводниковых компонентов и совершенствование механизмов обучения нейросетевых архитектур.

Документированные метрики эффективности свидетельствуют о 23% ускорении вычислительных процессов в модели Gemini при одновременном сокращении времени обучения на 1%.

В перспективной программе развития технологии Google DeepMind анонсировал поэтапное расширение доступа к инструментарию AlphaEvolve. Первоначально система будет предоставлена исследовательским университетским центрам и научным организациям в режиме раннего доступа, с последующим масштабированием для более широкой аудитории пользователей.

Анна Маркова
Анна Маркова

Специализируется на технологической журналистике с фокусом на искусственный интеллект. Пишет о реальном применении ИИ в бизнесе и повседневной жизни.