Um novo agente de inteligência artificial, chamado AlphaEvolve, foi anunciado, prometendo revolucionar a descoberta e otimização de algoritmos. Alimentado por modelos de linguagem avançados, o AlphaEvolve combina a criatividade desses modelos com avaliadores automatizados para resolver problemas complexos em matemática e computação moderna. Essa inovação demonstra um potencial promissor, especialmente nas operações de treinamento de inteligência artificial e design de circuitos.

Em 2023, foi comprovado que modelos de linguagem podem gerar funções em código para resolver problemas científicos abertos. O AlphaEvolve não se limita a descobrir funções individuais, mas é capaz de evoluir bases de código inteiras e desenvolver algoritmos complexos. Ele utiliza uma combinação de modelos de linguagem, como o Gemini Flash, que explora uma ampla gama de ideias, e o Gemini Pro, que oferece sugestões profundas e valiosas.

Uma das contribuições significativas do AlphaEvolve foi na otimização do agendamento de data centers da Google. Ele descobriu uma heurística eficaz que permite ao sistema Borg orquestrar as operações de data centers de forma mais eficiente, resultando em uma economia média de 0,7% nos recursos computacionais globais da Google. Esse aumento de eficiência não apenas melhora o desempenho, mas também oferece vantagens operacionais, como interpretabilidade e facilidade de implementação.

Além disso, AlphaEvolve propôs melhorias no design de hardware, como uma reescrita em Verilog que eliminou bits desnecessários em um circuito aritmético otimizado para multiplicação de matrizes. Essas mudanças foram integradas em um futuro Tensor Processing Unit (TPU), promovendo uma colaboração eficaz entre engenheiros de hardware e inteligência artificial.

Outro destaque é a aceleração do desempenho em treinamento de inteligência artificial. O AlphaEvolve encontrou maneiras mais inteligentes de dividir operações complexas, resultando em uma redução de 1% no tempo de treinamento do modelo Gemini. Essa otimização é crucial, pois cada eficiência ganha se traduz em economias significativas nos recursos computacionais.

Na área da matemática, AlphaEvolve demonstrou sua capacidade de propor novas abordagens a problemas complexos. Através de um código inicial, o agente desenvolveu componentes de um procedimento de otimização baseado em gradiente que descobriu novos algoritmos para multiplicação de matrizes. Um exemplo notável foi a descoberta de um algoritmo que multiplica matrizes 4x4 usando 48 multiplicações escalares, superando um algoritmo anterior de 1969.

O futuro do AlphaEvolve parece promissor, com planos para uma interface amigável e um programa de acesso antecipado para usuários acadêmicos selecionados. A versatilidade do AlphaEvolve sugere que ele pode ser aplicado em diversas áreas, como ciência dos materiais, descoberta de medicamentos e sustentabilidade, ampliando ainda mais suas aplicações práticas.