谷歌旗下的 AI 研发实验室 DeepMind宣布推出一款名为 AlphaEvolve 的新型 AI 系统。这款工具专门设计用于解决具有“机器可评分”解决方案的问题，尤其是在数学、科学和系统优化领域表现突出。
DeepMind 表示，AlphaEvolve 不仅能够生成高质量的解决方案，还能通过自动评估机制显著减少传统 AI 模型中常见的“幻觉”问题。这一特性使其在处理复杂计算和优化任务时表现出色。
自动评估机制：减少幻觉的关键
与其他 AI 模型不同，AlphaEvolve 引入了一种创新的 自动评估机制。该机制利用模型生成多个可能的答案，并通过内置的评分系统对答案的准确性进行自动评估。这种方法不仅能有效筛选出最优解，还能大幅降低 AI 模型因概率架构而产生的错误或编造内容（即“幻觉”）。
尽管类似的技术在学术界已有先例，例如 DeepMind 几年前的研究团队就曾在数学领域应用过类似方法，但 AlphaEvolve 的独特之处在于其依赖于 Gemini 模型——这是 DeepMind 当前最先进的 AI 模型之一。DeepMind 声称，这种结合使 AlphaEvolve 的能力远超早期的 AI 实例。
使用方式：用户输入与自动评估
使用 AlphaEvolve 时，用户需要提供问题提示，可以包括以下内容：
- 具体指令
- 方程或代码片段
- 相关文献或背景信息
此外，用户还需定义一种评估机制（通常是公式形式），以帮助系统判断答案的正确性。由于 AlphaEvolve 的核心依赖于自动评估，它目前仅适用于那些可以自我验证的问题类型，例如计算机科学中的算法优化或系统效率提升。
测试结果：高效且实用
为了验证 AlphaEvolve 的性能，DeepMind 对其进行了多方面的测试：
- 数学问题解决
AlphaEvolve 被应用于约 50 个精选的数学问题，涵盖几何、组合数学等多个分支。结果显示，系统在 75% 的情况下重新发现了已知的最佳答案，并在 20% 的案例中提出了改进的解决方案。 - 实际应用测试
DeepMind 还将 AlphaEvolve 应用于谷歌的实际业务场景，例如：- 提升数据中心效率：AlphaEvolve 生成了一种算法，平均持续回收谷歌全球计算资源的 0.7%。
- 加速模型训练：系统提出了一种优化方案，将谷歌训练 Gemini 模型的总体时间缩短了 1%。
尽管 AlphaEvolve 并未取得突破性发现（例如，某些优化建议已被其他工具标记），但它在节省时间和资源方面展现了显著价值。
局限性与适用范围
AlphaEvolve 的能力虽然强大，但也存在一些限制：
- 问题类型的局限：由于系统只能解决“机器可评分”的问题，它主要适用于数值型或算法型任务，例如数学优化、计算机科学和系统工程等领域。对于非数值型问题（如开放式创意任务），AlphaEvolve 并不适用。
- 解决方案的形式：AlphaEvolve 的输出通常以算法形式呈现，因此更适合技术专家或研究人员使用。
未来计划：学术合作与推广
DeepMind 正在为 AlphaEvolve 构建用户界面，并计划推出一个 早期访问计划，优先向选定的学者和研究机构开放。未来，公司可能会将其推广至更广泛的用户群体。
DeepMind 认为，尽管 AlphaEvolve 无法取代人类专家，但它能显著节省时间，让研究人员专注于更具挑战性和创造性的工作。这一愿景与许多 AI 实验室的目标一致，即通过技术赋能人类，而非完全取代。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...
