La mente profonda rivela un’intelligenza artificiale generale “magnifica” che risolve meglio i problemi del mondo reale di quanto le persone possano
Guarda l’ultima produzione video techrider.ro
-Il articolo continua di seguito –
Google DeepMind utilizza un modello di chatbot utilizzato per elaborare soluzioni per i principali problemi di matematica e informatica VentureBeat.
Un sistema chiamato Alphaevolve combina la creatività dei modelli LLM con algoritmi in grado di analizzare le proposte di modello per filtrare e migliorare le soluzioni. Che è stato spiegato in un Il documento ufficiale è stato rilasciato Azienda il 14 maggio.
Alphaevolve combina il modello LLM Gemini Google Utilizza un approccio evolutivo che verifica, migliora e migliora automaticamente l’algoritmo. Il sistema è già stato implementato in sistemi di formazione per data center, progetti di chip e intelligenza artificiale Google – Aumenta l’efficienza e risolve i problemi matematici che sono stati difficili per i ricercatori per decenni.
“Alphaevolve è un agente di codifica basato su pietre preziose e intelligenza artificiale, permettendoti di fare nuove scoperte in informatica e matematica”, ha detto. Google DeepMind. “Possiamo scoprire algoritmi di incredibile complessità, che coprono centinaia di righe di codice con sofisticate strutture logiche che vanno ben oltre le semplici funzioni.”
Il sistema espande drasticamente i lavori precedenti Google Utilizzando FunSearch, si sviluppa l’intera base di codice anziché le singole funzionalità. Ciò rappresenta un grave salto nella capacità dell’intelligenza artificiale di sviluppare algoritmi sofisticati per problemi computazionali scientifici e quotidiani.
Aumenta l’efficienza dello 0,7% GoogleGestisce il database della società di algoritmo creata dall’intelligenza artificiale
Alphaevolve funziona con cura all’interno Google Più di un anno. I risultati sono già importanti.
Un sistema di gestione di cluster su larga scala, Borg, ha scoperto l’algoritmo per Fed Fed. Google. Questa programmazione euristica recupera continuamente una media dello 0,7% delle risorse computazionali globali Google – ottenere un’efficienza straordinaria su scala Google.
Questa scoperta è direttamente correlata a “risorse bloccate” – i veicoli rimanenti (come la CPU) senza tipo di risorsa (come la memoria) sono ancora disponibili. La soluzione AlphaEoVolve è particolarmente preziosa in quanto genera un codice semplice e facile da leggere che gli ingegneri possono interpretare, risolvere i problemi e implementare.
L’agente di intelligenza artificiale non si è fermato nel database. Riscrivi parte del design hardware di GoogleTrova un modo per eliminare i bit inutili nei circuiti aritmetici critici delle unità di elaborazione del tensore (TPU). I progettisti della TPU hanno esaminato i cambiamenti per l’equità e ora sono il futuro design di chip.
Forse il più impressionante è il modo in cui Alphaevolve abbia migliorato il sistema che lo alimenta. I nuclei di proliferazione della matrice usati per addestrare il modello Gemelli sono stati ottimizzati, ottenendo un’accelerazione del 23% con questa operazione, riducendo il tempo di allenamento totale dell’1%. Per i sistemi di intelligenza artificiale addestrati su grandi griglie di calcolo, questo guadagno di efficienza porta a significativi risparmi energetici e delle risorse.
Record nella moltiplicazione della matrice 56 -ier -old di Strassen: risolve ciò che la gente non poteva fare
Alphaevolve risolve i problemi matematici che rendono gli esperti difficili da decenni durante lo sviluppo di sistemi esistenti.
Il sistema ha progettato una nuova procedura di ottimizzazione basata su gradiente. Ciò ha portato alla scoperta di diversi nuovi algoritmi di crescita di matrice. La scoperta ha sconfitto una documentazione matematica che esisteva da 56 anni.
La conoscenza matematica del sistema è ben oltre la moltiplicazione della matrice. Se testato in relazione a più di 50 domande si aprono nella teoria della matematica, della geometria, delle combinazioni e dei numeri, Alpha Evolve ha equalizzato lo stato della soluzione -Art in circa il 75% dei casi. In circa il 20% dei casi, la soluzione più nota è stata migliorata.
“Il numero di baci nel numero di problemi) – Nel corso dei secoli, la vittoria ha avuto luogo su un compito geometrico per determinare il numero di palline unificate che non si sovrappongono alla sfera centrale. Nell’undicesima dimensione, Alpha Evolve ha trovato una composizione di 593 palline, superando il record precedente di 592.
Metodo di lavoro: aggiungi un processo di evoluzione del modello di lingua gemelli e crea una fabbrica di algoritmo digitale
È il suo approccio evolutivo che distingue l’alphaevolve da altri sistemi di codifica.
Il sistema implementa sia flash (velocità) che gemelli (profondità) per suggerire modifiche al codice esistente. Queste modifiche sono testate da valutatori automatizzati che prestano attenzione a ciascuna variazione. Gli algoritmi di maggior successo guidano il prossimo round di evoluzione.
Alphaevolve non genera solo codice dai dati di addestramento. Esplora in modo proattivo lo spazio delle soluzioni, scopri nuovi approcci, perfezionanoli attraverso soluzioni di creazione del processo di valutazione automatizzate che le persone potrebbero non immaginare.
“L’idea chiave del nostro approccio è concentrarsi sul problema di un chiaro valutatore. Per soluzioni di codice o frammenti proposti, possiamo verificarne automaticamente validità e misurarne la qualità”, spiega Novikov. “Questo ci consente di stabilire un ciclo di feedback rapido e affidabile per migliorare il nostro sistema.”
Questo approccio è particolarmente prezioso in quanto può affrontare qualsiasi problema con chiare metriche di valutazione, che si tratti dell’efficienza energetica di un data center o dell’eleganza delle prove matematiche.
Ambizioso Google DeepMind: dal cloud computing alla scoperta di farmaci
Attualmente implementato in infrastrutture matematiche e ricerca. Googleil potenziale evolve alfa va oltre. Google DeepMind viene applicato alla scienza dei materiali, alla scoperta di farmaci e ad altre aree che richiedono soluzioni algoritmiche complesse.
“La migliore collaborazione umana aiuta a risolvere le sfide scientifiche e ad applicarle su Google Scale”, ha affermato Novikov, evidenziando il sistema di collaborazione del sistema.
Google DeepMind sta attualmente sviluppando un’interfaccia con il suo team di ricerca People + con gli utenti e sta pianificando di lanciare un programma di accesso precoce per ricercatori accademici specifici. La società sta inoltre studiando una più ampia disponibilità.
I ricercatori al di fuori di DeepMind si riservano il loro giudizio sull’utilità dello strumento fino a quando non vengono testati esternamente. “Fino a quando il sistema non sarà testato dalla comunità più ampia, rimarrò scettico e ottengo meticolosamente risultati segnalati”, afferma Juan San, ricercatore nel campo dell’intelligenza artificiale presso l’Università dell’Ohio a Columbus. Fredier afferma che non si basa sul proprietario di una mente profonda che potrebbe essere ritirata o cambiata, ma attende che la versione open source non sia ricreata dai ricercatori.
Alphaevolve ha meno potenza di calcolo per essere eseguita rispetto a Alphaatensor, ma è troppo forte per usare le risorse ed è libero di utilizzare sui server DeepMind, afferma Kohli.
Tuttavia, la società spera che l’annuncio del sistema incoraggerà i ricercatori a proporre l’applicazione di alfaevolo sul campo scientifico. “Siamo decisamente impegnati a renderlo accessibile alla maggior parte delle persone nella comunità scientifica”, afferma Kohli.