本报讯 据《自然》报道，5月14日，谷歌DeepMind推出能自主生成并改进算法代码的通用科学人工智能（AI）系统AlphaEvolve，并利用它成功破解了数学和计算机科学领域的重大难题。该系统通过结合大语言模型（LLM）的创造力与评估算法的筛选机制，不断迭代优化解决方案，最终实现新的突破。目前，该系统仅在谷歌内部使用。

DeepMind伦敦科学部门负责人Pushmeet Kohli透露，除解决数学问题外，AlphaEvolve已用于应对实际挑战——改进了下一代张量处理单元（专为AI设计的计算芯片）的设计，并找到更高效利用全球计算资源的方法，节省总资源0.7%。

德国马克斯·普朗克光科学研究所AI科学家Mario Krenn Krenn指出，此前AI在科学领域的应用多依赖于针对特定任务定制的算法，而AlphaEvolve作为通用系统，则通过调用LLM的代码生成能力，实现了跨学科解决问题。

DeepMind将AlphaEvolve定义为“智能体”，其独特之处在于聚焦科研流程的核心环节。用户输入问题、评估标准和初始方案后，LLM就会生成数百至数千个改进方案，再由“评估者”算法根据最优解决方案的预设指标对这些改进方案进行筛选。DeepMind的AI科学家Matej Balog表示，基于对最优解决方案的判断，LLM会提出新思路，AlphaEvolve则通过迭代优化进化出更强的算法，探索更多可能性。

AlphaEvolve建立在2023年公布的FunSearch系统基础之上，后者曾通过类似进化方法在破解数学难题上超越人类。Balog表示，与FunSearch相比，AlphaEvolve能处理更大规模的代码，并解决更复杂的跨领域算法问题。

DeepMind称，AlphaEvolve提出的矩阵乘法计算方法在某些情况下优于德国数学家Volker Strassen在1969年提出的最快算法。尽管是通用系统，AlphaEvolve在矩阵运算上的表现甚至超越了DeepMind 2022年专为此设计的AI工具AlphaTensor。

不过，在更广泛的科研群体试用之前，美国俄亥俄州立大学AI研究员Huan Sun对AlphaEvolve的实际效用仍持谨慎态度。英国牛津大学数学家兼AI研究员Simon Frieder也表示，需等待开源版本而非依赖DeepMind可能随时调整的专有系统。

尽管维持AlphaEvolve运行所需的计算资源少于AlphaTensor，但Kohli坦言其能耗仍过高，无法在DeepMind服务器上免费开放。不过，DeepMind希望通过公布该系统来激发科研界提出更多应用方向。“我们致力于确保更多的科研人员能获取这项技术。”Kohli强调。（李木子）