تقول مختبرات الذكاء الاصطناعي في جوجل ديب مايند إنها طورت نظام ذكاء اصطناعي جديد لمعالجة المشاكل بحلول “قابلة للمعالجة بالآلة”.
في التجارب، قال ديب مايند إن النظام، الذي يسمى AlphaEvolve، يمكن أن يساعد في تحسين بعض البنية التحتية التي تستخدمها جوجل لتدريب نماذجها للذكاء الاصطناعي. وتقول الشركة إنها تبني واجهة مستخدم للتفاعل مع AlphaEvolve، وتخطط لإطلاق برنامج الوصول المبكر للأكاديميين المختارين قبل أن يتم طرحه بشكل أوسع.
تتخيل معظم نماذج الذكاء الاصطناعي. نظرًا لهياكلها الاحتمالية، فإنها أحيانًا تخلق أشياء بثقة. في الواقع، نماذج الذكاء الاصطناعي الأحدث مثل نموذج OpenAI o3 تتخيل أكثر من أسلافها، مما يوضح طبيعة المشكلة الصعبة.
يقدم AlphaEvolve آلية ذكية لتقليل التخيلات: نظام تقييم تلقائي. يستخدم النظام نماذج لتوليد وإبداء النقد والوصول إلى مجموعة من الإجابات الممكنة لسؤال ما، ويقوم تلقائيًا بتقييم الدقة وتسجيل الإجابات.
AlphaEvolve ليس النظام الأول الذي يتبنى هذا النهج. الباحثون، بما في ذلك فريق في ديب مايند قبل عدة سنوات، طبقوا تقنيات مماثلة في مجالات رياضية متنوعة. لكن ديب مايند تدعي أن استخدام AlphaEvolve لنماذج “حديثة ومتطورة” — تحديدًا نماذج جيميني — يجعلها أكثر قدرة بكثير من حالات سابقة للذكاء الاصطناعي.
لاستخدام AlphaEvolve، يجب على المستخدمين تحفيز النظام بمشكلة، بما في ذلك تفاصيل مثل التعليمات والمعادلات ورموز الكود والأدبيات ذات الصلة. كما يجب عليهم تقديم آلية لتقييم إجابات النظام تلقائيًا على شكل صيغة.
لأن AlphaEvolve يمكنه فقط حل المشكلات التي يمكنه تقييمها ذاتيًا، فإن النظام يمكنه العمل فقط مع أنواع معينة من المشكلات — تحديدًا تلك في مجالات مثل علوم الكمبيوتر وتحسين الأنظمة. في قيود رئيسية أخرى، يمكن لـ AlphaEvolve فقط وصف الحلول كخوارزميات، مما يجعله غير ملائم للمشكلات التي لا تتعلق بالأرقام.
لتقييم AlphaEvolve، جعلت ديب مايند النظام يحاول مجموعة مختارة من حوالي 50 مشكلة رياضية تغطي فروعًا من الهندسة إلى التركيب. تمكن AlphaEvolve من “إعادة اكتشاف” أفضل الإجابات المعروفة للمشكلات في 75% من الوقت واكتشاف حلول محسنة في 20% من الحالات، حسب ادعاءات ديب مايند.
قيمت ديب مايند AlphaEvolve أيضًا على مشكلات عملية، مثل زيادة كفاءة مراكز بيانات جوجل، وتسريع عمليات تدريب النماذج. وفقًا للمختبر، أنشأ AlphaEvolve خوارزمية تستعيد باستمرار 0.7% من موارد معالجة جوجل العالمية في المتوسط. كما اقترح النظام تحسينًا خفض الوقت الإجمالي الذي يستغرقه جوجل لتدريب نماذج جيميني بنسبة 1%.
لتوضيح الأمر، AlphaEvolve لا يحقق اكتشافات رائدة. في تجربة واحدة، تمكن النظام من العثور على تحسين لتصميم شريحة تسريع الذكاء الاصطناعي TPU الخاصة بجوجل التي تم الإشارة إليها بواسطة أدوات أخرى سابقًا.
ومع ذلك، تجعل ديب مايند نفس الحجة التي تقدمها العديد من مختبرات الذكاء الاصطناعي لأنظمتها: إن AlphaEvolve يمكن أن يوفر الوقت بينما يتيح للخبراء التركيز على أعمال أخرى أكثر أهمية.
