Google DeepMind công bố bước tiến từ AlphaEvolve với 5 thành tựu ban đầu

4 giờ trướcBài gốc

Google DeepMind gặt hái thành công với AlphaEvolve

Các hệ thống AI của Google DeepMind đã đạt được nhiều bước tiến lớn trong lĩnh vực khoa học những năm gần đây - từ việc dự đoán cấu trúc 3D của hầu như mọi loại protein đã biết trên thế giới đến dự báo thời tiết chính xác hơn bao giờ hết. Và AlphaEvolve là minh chứng cho sự phát triển trong các hệ thống AI của Google DeepMind.

AlphaEvolve được vận hành bởi chính các mô hình mà nó đang cố gắng cải thiện. Sử dụng Gemini, tác nhân này đề xuất các đoạn chương trình dưới dạng mã để giải quyết một vấn đề đã cho. Sau đó, nó chạy các đoạn mã này qua các bài kiểm tra tự động để đánh giá độ chính xác, hiệu quả và tính mới mẻ.

Các đoạn mã hiệu suất cao nhất sẽ được giữ lại và dùng làm cơ sở cho vòng sinh tiếp theo. Qua nhiều vòng lặp, quy trình này “tiến hóa” ra các giải pháp ngày càng tốt hơn. Về bản chất, đây là một AI có khả năng tự tiến hóa.

DeepMind đã ứng dụng AlphaEvolve để giải các bài toán như: tiết kiệm năng lượng trung tâm dữ liệu, thiết kế chip hiệu quả hơn, và tăng tốc huấn luyện mô hình AI. Dưới đây là năm thành tựu nổi bật nhất của nó:

1. Khám phá lời giải mới cho những bài toán toán học hóc búa nhất thế giới

AlphaEvolve đã được thử nghiệm trên hơn 50 bài toán mở trong toán học, từ tổ hợp đến lý thuyết số. Trong 20% số trường hợp, nó đã tìm ra lời giải tốt hơn những lời giải tốt nhất hiện có.

Một trong những bài toán đó là bài toán “số nụ hôn” (kissing number) có tuổi đời hơn 300 năm. Trong không gian 11 chiều, AlphaEvolve đã khám phá ra một giới hạn dưới mới với cấu hình 593 hình cầu và đây là một bước tiến mà ngay cả các nhà toán học chuyên sâu cũng chưa đạt được.

2. Giúp trung tâm dữ liệu của Google tiết kiệm năng lượng

AlphaEvolve đã đề xuất một phương pháp tối ưu hóa lịch trình phân phối năng lượng trong các trung tâm dữ liệu của Google. Nhờ đó, hãng đã nâng cao hiệu quả năng lượng thêm 0,7% trong năm qua. Đây là một con số đáng kể đối với quy mô vận hành khổng lồ của Google.

3. Đẩy nhanh quá trình huấn luyện Gemini

Tác nhân này đã cải thiện cách chia nhỏ phép nhân ma trận - một phép toán cốt lõi trong quá trình huấn luyện các mô hình như Gemini. Nhờ tối ưu hóa này, tốc độ xử lý đã tăng 23%, giúp rút ngắn tổng thời gian huấn luyện Gemini khoảng 1%. Trong thế giới AI tạo sinh, mỗi phần trăm đều có thể mang lại lợi ích lớn về chi phí và năng lượng.

4. Đồng thiết kế một phần chip AI thế hệ tiếp theo của Google

AlphaEvolve cũng đang mang khả năng viết mã của mình vào thế giới vật lý. Nó đã viết lại một phần mạch số trong ngôn ngữ Verilog (dùng để thiết kế chip), giúp mạch hoạt động hiệu quả hơn. Chính logic này hiện đang được áp dụng để phát triển TPU thế hệ tiếp theo, con chip mạnh mẽ của Google dành cho học máy.

5. Đánh bại thuật toán huyền thoại từ năm 1969

Suốt hàng chục năm, thuật toán Strassen là tiêu chuẩn vàng để nhân các ma trận phức 4×4. AlphaEvolve đã tìm ra một phương pháp nhân hiệu quả hơn, sử dụng ít phép nhân vô hướng hơn. Thành tựu này có thể mở đường cho các LLM tiên tiến hơn, vốn phụ thuộc nhiều vào phép nhân ma trận để hoạt động.

Theo DeepMind, những thành tựu này chỉ là phần nổi của tảng băng trôi đối với AlphaEvolve. Họ hình dung công cụ này sẽ còn giải quyết vô số vấn đề khác, từ tìm ra vật liệu và thuốc mới, đến tối ưu hóa quy trình vận hành doanh nghiệp.

Anh Tú

Nguồn Một Thế Giới : https://1thegioi.vn/google-deepmind-cong-bo-buoc-tien-tu-alphaevolve-voi-5-thanh-tuu-ban-dau-232626.html