أنشأت Google عامل ذكاء اصطناعي AlphaEvolve لأتمتة تصميم الخوارزميات

قدمت DeepMind نموذج AlphaEvolve - عامل ذكاء اصطناعي يصمم ويحسّن الخوارزميات المعقدة بشكل تلقائي. تدمج النظام القدرات الإبداعية لنماذج اللغة الكبيرة Gemini مع وظائف التقييم التلقائي وخوارزمية تطورية للتحسين التدريجي.

كيف يعمل البحث التطوري

يستخدم AlphaEvolve مجموعة من نماذج Gemini لتقسيم المهام. يقوم نموذج Gemini Flash السريع والفعال بإنشاء أقصى عدد من الأفكار، مستكشفاً مساحة واسعة من الحلول الممكنة. يوفر نموذج Gemini Pro، الأقوى من Google، عمقاً حاسماً من خلال اقتراح حلول خوارزمية مدروسة تأخذ في الاعتبار المبادئ الرياضية المعقدة.

كل مرشح عبارة عن كود برمجي يطبق الحل المقترح. يقوم النظام بتشغيل هذا الكود والتحقق من النتائج باستخدام مقاييس التقييم التلقائي. يوفر هذا تقييماً موضوعياً قابلاً للقياس الكمي لدقة وجودة كل خوارزمية. يكون هذا النهج قوياً بشكل خاص في المجالات التي يمكن فيها قياس التقدم بوضوح ومنهجية - في الرياضيات وعلوم الحاسوب.

بناءً على هذه التقييمات، تختار الخوارزمية التطورية أفضل الحلول التي ستصبح أساساً للجيل التالي من المرشحين. يجمع النظام جميع الخوارزميات المكتشفة في قاعدة بيانات ويستخدمها لإنشاء مقترحات جديدة. تتكرر العملية، وتتحسن الأفكار، والنتائج تصبح تدريجياً أفضل.

النتائج العملية في Google

تم بالفعل نشر AlphaEvolve في Google وتظهر نتائج مثيرة للإعجاب:

• تحسين مراكز البيانات — اكتشفت النظام خوارزمية بسيطة لكن فعالة لجدولة مهام الحوسبة في Borg، نظام تنسيق مراكز البيانات الضخم في Google. تعمل هذه الخوارزمية في الإنتاج منذ سنة وتوفر في المتوسط 0.7% من موارد الحوسبة في Google حول العالم

• تصميم الرقائق — اقترح AlphaEvolve إعادة كتابة سلسلة ضرب المصفوفات الحرجة بإزالة البتات الزائدة في العمليات الرئيسية

• تسريع تدريب النماذج — تم دمج الخوارزميات التي اكتشفها النظام في عملية تدريب نماذج اللغة الكبيرة الحديثة، بما فيها Gemini و Gemini Flash نفسها

• الاكتشافات الرياضية — اكتشفت النظام حلولاً جديدة لعدة مسائل رياضية مفتوحة

من المهم أن جميع هذه الحلول مكتوبة بكود قابل للفهم من قبل الإنسان. يمكن للمهندسين قراءة الكود وفهمه وتصحيح الأخطاء والتنبؤ بسلوك الخوارزمية، مما يسهل النشر في الإنتاج.

ماذا يعني هذا

تخرج عوامل الذكاء الاصطناعي من المختبرات البحثية إلى الهندسة الصناعية. يوضح AlphaEvolve أن نماذج اللغة الكبيرة يمكنها المشاركة في القرارات المعمارية الأساسية التي تتطلب فهماً عميقاً لعلوم الحاسوب. بالنسبة للمطورين، يعني هذا أن جزءاً من العمل المتعلق بالبحث عن الخوارزميات المثلى يمكن تفويضه للذكاء الاصطناعي، بينما يركز الإنسان على المهام ذات المستوى الأعلى.