Google DeepMind 於 2025 年 5 月 14 日推出了一款革新演算法的 AI 工具——AlphaEvolve。不僅在 Google 內部基礎設施中實現顯著的效率提升，還在數學與計算機科學領域解決了多項長期未解的問題。本文將介紹 AlphaEvolve 的運作原理、核心應用、成就，以及其對科技與數學領域的潛在影響。
什麼是 Google AlphaEvolve？
AlphaEvolve 是一款由 Google DeepMind 開發的 AI Agent，透過進化計算（Evolutionary Computing）與大型語言模型的結合，自主發現和改良算法。它利用 Gemini Pro 和 Gemini Flash 模型的強大生成能力，生成算法代碼，並透過自動化評估器對代碼進行測試、評分和迭代改良。這種方法讓 AlphaEvolve 能夠應對任何可以用代碼表達且具備機器可評估結果的問題，使其成為通用算法設計的強大工具。
AlphaEvolve 的核心優勢在於其進化框架。系統首先由語言模型生成多樣化的算法方案，隨後透過自動化評估器對這些方案進行驗證和計分。表現不佳的方案被淘汰，而表現優異的方案則被進一步改進，這個過程類似於生物進化中的「優勝劣汰」。這樣的設計讓 AlphaEvolve 能夠快速探索龐大的算法空間，找到高效且創新的解決方案。AlphaEvolve 的核心應用
AlphaEvolve 的應用範圍涵蓋 Google 的基礎設施改良、硬體設計、AI 訓練，以及數學問題的解決。以下是其主要應用場景：
AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms
1. 提升數據中心效率
Google 的 Borg 集群管理系統負責調度全球數據中心的計算資源。AlphaEvolve 提出了一種簡單但高效的啟發式算法，平均回收了 Google 全球計算資源的 0.7%。這一改進已在 Google 數據中心運行超過一年，顯著提升了任務處理能力，同時保持了代碼的可讀性、可調試性和易部署性。這種持續的效率提升意味著 Google 可以在相同的計算資源下完成更多任務，實現更可持續的數位生態系統。
2. 改良硬體設計
在硬體設計方面，AlphaEvolve 為 Google 的張量處理單元（TPU）提出了一項 Verilog 重寫方案，透過移除矩陣乘法電路中的冗餘位元，顯著提升了效率。該方案通過嚴格的驗證測試，確保功能正確性，並已被整合到即將推出的 TPU 中。這種 AI 與硬體工程師的協作模式加速了專用晶片的設計流程，展示了 AlphaEvolve 在硬體改良中的巨大潛力。
3. 加速 AI 訓練與推理
AlphaEvolve 透過改良矩陣乘法操作，將 Gemini 模型的訓練時間縮短了 1%，並將關鍵內核的性能提升了 23%。此外，它還改良了基於 Transformer 的 FlashAttention 內核，實現了高達 32.5% 的加速。這些改進不僅節省了大量計算資源，還將內核改良的工程時間從數週縮短到數天，讓研究人員能夠更快地進行創新。
4. 推進數學與算法研究
AlphaEvolve 在數學領域的表現尤為突出。它改進了矩陣乘法算法，將 4x4 複數矩陣的乘法操作從 49 次減少到 48 次，超越了 1969 年 Strassen 算法的紀錄。 AlphaEvolve 還針對 50 多個數學分析、幾何、組合數學和數論的開放問題進行測試，在 75% 的案例中重新發現了最先進的解決方案，並在 20% 的案例中改進了現有最佳方案。
AlphaEvolve 如何運作？
AlphaEvolve 的運作流程可以分為以下幾個步驟：
AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms
- 生成算法代碼：Gemini Flash 模型負責生成多樣化的算法方案，確保探索廣度；Gemini Pro 模型則提供深入的建議，增強方案的質量。
- 自動化評估：生成的代碼通過自動化評估器進行驗證和計分，評估指標包括正確性、效率和質量。
- 進化改良：系統根據評估結果保留表現最佳的方案，並對其進行迭代改進，生成新的代碼版本。
- 資料庫管理：所有生成的代碼儲存在程序資料庫中，進化算法根據資料庫中的訊息決定下一輪的提示內容。
這種設計讓 AlphaEvolve 能夠高效地探索複雜的算法空間，並快速收斂到高性能的解決方案。
Google AlphaEvolve 透過結合大型語言模型與進化計算，開啟了算法設計的新時代。它不僅改良了 Google 的數據中心、硬體和 AI 訓練流程，還在數學領域取得了突破性進展。對於關心 AI 創新的讀者來說，AlphaEvolve 絕對是一個值得持續追蹤的焦點。
我是TN科技筆記，如果喜歡這篇文章，歡迎留言、點選愛心、轉發給我支持鼓勵～
也歡迎每個月請我喝杯咖啡，鼓勵我撰寫更多科技文章，一起跟著科技浪潮前進！！
>>>請我喝一杯咖啡
