Google'ın yapay zeka araştırma bölümü DeepMind, en yeni yapay zeka aracıyla matematik ve bilimin büyük problemlerini çözme yolunda önemli bir adım attığını duyurdu. AlphaEvolve adı verilen bu sistem, şirketin Gemini büyük dil modellerine (LLM) dayanıyor, ancak ek olarak algoritmaları çeşitli kullanım alanlarında değerlendirip iyileştiren 'evrimsel' bir yaklaşım kullanıyor.
AlphaEvolve temelde bir yapay zeka kodlama aracı, ancak standart bir Gemini sohbet robotundan daha derinlemesine çalışıyor. Gemini gibi sohbet robotlarıyla etkileşimde bulunduğunuzda, altta yatan teknolojinin deterministik olmamasından kaynaklanan 'halüsinasyon' riski, yani yapay zekanın uydurma detaylar üretme olasılığı her zaman bulunur. AlphaEvolve, karmaşık algoritmik problemlerle başa çıkarken doğruluğunu artırmak için ilginç bir yaklaşım benimsiyor.
DeepMind tarafından yapılan açıklamalara göre bu yapay zeka otomatik bir değerlendirme sistemi kullanıyor. Bir araştırmacı AlphaEvolve ile etkileşime geçtiğinde, probleme ek olarak olası çözümleri ve incelenmesi gereken yolları sisteme girer. Model, Gemini Flash'ın verimliliğini ve Gemini Pro'nun daha detay odaklı yapısını kullanarak birden fazla olası çözüm üretir ve ardından her çözüm değerlendirici tarafından analiz edilir. Evrimsel bir çerçeve, AlphaEvolve'un en iyi çözüme odaklanmasını ve onu geliştirmesini sağlıyor.
Şirketin geçmişteki yapay zeka sistemlerinin çoğu, örneğin protein katlama alanındaki AlphaFold, tek bir bilgi alanında yoğun bir şekilde eğitilmişti. Ancak AlphaEvolve daha dinamik. DeepMind, AlphaEvolve'un genel amaçlı bir yapay zeka olduğunu ve herhangi bir programlama veya algoritmik problemdeki araştırmaya yardımcı olabileceğini söylüyor. Google da şimdiden bu sistemi geniş iş kollarında kullanmaya başladı ve olumlu sonuçlar aldı.
Ekip, AlphaEvolve'u Google'ın veri merkezleri için kullandığı Borg küme yönetimi sistemine entegre etti. Yapay zeka, zamanlama algoritmalarında bir değişiklik önerdi ve bu değişiklik uygulamaya konulduğunda Google'ın dünya genelindeki bilgi işlem kaynaklarında yüzde 0,7 oranında tasarruf sağlandı. Google gibi devasa bir şirket için bu, önemli bir finansal avantaj anlamına geliyor.
AlphaEvolve ayrıca üretken yapay zekayı daha verimli hale getirebilir, ki bu da teknolojiden para kazanılabilmesi için gerekli bir adım. Üretken sistemlerin iç işleyişi matris çarpma işlemlerine dayanır. 4x4 karmaşık değerli matrisleri çarpmanın en verimli yolu 1969'da matematikçi Volker Strassen tarafından bulunmuştu ve bu yöntem on yıllarca geçerliliğini korudu. Ancak DeepMind, AlphaEvolve'un daha da verimli yeni bir algoritma keşfettiğini belirtiyor. DeepMind daha önce AlphaTensor gibi dar alanda eğitilmiş yapay zeka ajanlarıyla bu problem üzerinde çalışmıştı. Genel bir yapay zeka olmasına rağmen AlphaEvolve, AlphaTensor'dan daha iyi bir çözüm buldu.
Google'ın yeni nesil Tensor işlemci donanımları da AlphaEvolve'dan fayda görecek. DeepMind, yapay zekanın çipin Verilog donanım tanımlama dilinde gereksiz bitleri atarak verimliliği artıran bir değişiklik yarattığını rapor ediyor. Google hâlâ bu değişikliği doğrulama üzerinde çalışıyor, ancak yaklaşmakta olan işlemcinin bir parçası olmasını bekliyor.
Şu ana kadar AlphaEvolve ile yalnızca Google çalışabildi. AlphaTensor'a kıyasla daha az bilgi işlem kaynağı kullanmasına rağmen, halka açık hale getirmek için hâlâ çok karmaşık. Bu durum gelecekte değişebilir, ancak onu bu kadar yetenekli kılan değerlendirme yaklaşımı, araştırma için daha küçük yapay zeka araçlarına da entegre edilebilir.
