根据Nature的说法，5月14日，Google DeepMind推出了Alphaevolve，这是一种可以开发和改进算法代码的人工智能系统（AI），并将其用于成功解决数学和计算机科学领域的主要问题。该系统继续进行iTrates，并通过结合大型语言模型（LLM）的创造力和筛选分析算法的机制来优化解决方案，并最终取得了新的成功。当前，该系统仅在Google上使用。 DeepMind伦敦科学系负责人Pushmeet Kohli透露，除了解决数学问题外，Alphaevolve还使用Alphaevolve来应对实用挑战 - 改善了下一代张量处理单元的设计（计算芯片（计算芯片），并且为AI设计了）并找到了更好地使用全球计算来源的方法，从而可以节省0.7％的总资源。 Max Planc的AI科学家Mario Krenn KrennK德国光学科学研究所指出，以前在科学领域的AI应用通常依赖于针对特定活动进行定制的算法，而Alphaevolve作为一般系统，已经实现了跨学科来解决LLM功能的呼吁。 DeepMind将Alphaevolve定义为“代理”，其独特性取决于其对科学研究过程的关键联系的关注。用户进入问题，评估标准和初始解决方案后，LLM生成了数千种改进的道路，并且“评估者”算法根据测量最佳解决方案的预设过滤了MGAN的改进。 DeepMind的AI科学家Matej Balog表示，根据最佳解决方案的酌处权，LLM将提出新的想法，而Alphaevolve将通过优化迭代以探索更多可能性来改变更强的算法。 Alphaevolve基于2023年宣布的FunSearch系统，该系统超出了人们通过类似的进化方法解决数学问题。 Balog说，与FunSearch相比，Alphaevolve可以处理更大的代码并解决跨域算法更复杂的问题。 DeepMind说，由Alphaevolve计算出的基质繁殖方法优于1969年德国数学家Volker Strasn建议的最快算法。尽管这是一个一般目标系统，但矩阵操作中的Alphaevolve性能甚至超过了科学的阿尔高高位，这是一种专为2022年设计的AI工具。俄亥俄州立大学的研究人员仍然对Alphaevolve的实际实用性保持谨慎。英国牛津大学的数学家和人工智能研究员西蒙·弗里德（Simon Frieder）还表示，他将不得不等待资源的开放版本，而不是依靠DeepMind可以随时进行调整的所有者系统。尽管维持αEangvolve所需的计算源比Alphatensor少，但Kohli承认其能耗IS太高了，无法在DeepMind的服务器上免费开放。但是，DeepMind希望激发社区研究通过发布该系统提出更多的应用方向。科利强调说：“我们敬业以确保更多的研究人员能够使用这项技术。” （Li Muzi）