Google DeepMind vừa công bố một bước tiến đột phá trong lĩnh vực trí tuệ nhân tạo với việc ra mắt AlphaEvolve – một hệ thống AI có khả năng tự phát minh và tối ưu hóa các thuật toán mới. Được giới thiệu chính thức vào ngày 14/5/2025, AlphaEvolve là một tác nhân lập trình tiến hóa (evolutionary coding agent) được hỗ trợ bởi các mô hình ngôn ngữ lớn để khám phá và tối ưu hóa thuật toán đa mục đích.
Công nghệ đột phá
AlphaEvolve kết hợp khả năng giải quyết vấn đề sáng tạo của các mô hình Gemini với các bộ đánh giá tự động để xác minh câu trả lời, đồng thời sử dụng một khuôn khổ tiến hóa để cải thiện những ý tưởng đầy triển vọng nhất. Không giống như các hệ thống AI trước đây của DeepMind, AlphaEvolve là một AI đa năng có thể hỗ trợ nghiên cứu trong bất kỳ vấn đề lập trình hoặc thuật toán nào.
Về cơ bản, AlphaEvolve là một tác nhân lập trình AI được hỗ trợ bởi Gemini, nhưng nó vượt xa hơn nhiều so với một chatbot Gemini tiêu chuẩn. AlphaEvolve sử dụng cách tiếp cận tiến hóa để tăng độ chính xác khi xử lý các vấn đề thuật toán phức tạp.
Hệ thống sử dụng họ mô hình ngôn ngữ lớn Gemini 2.0 để tạo mã cho nhiều tác vụ khác nhau. Điểm đặc biệt là AlphaEvolve chấm điểm từng đề xuất của Gemini, loại bỏ những mã kém và điều chỉnh những mã tốt trong một quy trình lặp đi lặp lại, cho đến khi tạo ra thuật toán tốt nhất có thể. Trong nhiều trường hợp, kết quả hiệu quả hoặc chính xác hơn các giải pháp tốt nhất hiện có do con người viết.
Ứng dụng thực tế đã được triển khai
Điều ấn tượng nhất là Google đã bắt đầu triển khai các thuật toán do AlphaEvolve phát hiện trong nhiều lĩnh vực hoạt động của công ty. Cụ thể:
- Tối ưu hóa trung tâm dữ liệu: Đội ngũ Google đã sử dụng AlphaEvolve để cải thiện hệ thống quản lý cụm Borg của Google cho các trung tâm dữ liệu. AI đề xuất một thay đổi đối với thuật toán lập lịch, giúp tiết kiệm 0,7% tài nguyên tính toán của Google trên toàn cầu. Mặc dù con số này có vẻ nhỏ, nhưng với quy mô của Google, đây là một lợi ích tài chính đáng kể.
- Cải thiện hiệu suất chip: AlphaEvolve có thể làm cho AI tạo sinh hiệu quả hơn, điều cần thiết nếu bất kỳ ai muốn kiếm tiền từ công nghệ này. DeepMind báo cáo rằng AI đã tạo ra một thay đổi đối với ngôn ngữ mô tả phần cứng Verilog của chip để loại bỏ các bit không cần thiết, tăng hiệu suất. Thay đổi này dự kiến sẽ là một phần của bộ xử lý Tensor sắp tới.
- Khám phá thuật toán nhân ma trận mới: Cách hiệu quả nhất để nhân ma trận phức 4×4 được phát minh bởi nhà toán học Volker Strassen vào năm 1969, nhưng DeepMind cho biết AlphaEvolve đã khám phá một thuật toán mới thậm chí còn hiệu quả hơn. AlphaEvolve đã tìm ra một thuật toán để nhân ma trận phức 4×4 chỉ sử dụng 48 phép nhân vô hướng, cải thiện so với thuật toán Strassen năm 1969.
- Tối ưu hóa đào tạo AI: Bằng cách tìm ra cách thông minh hơn để chia một phép nhân ma trận lớn thành các bài toán con dễ quản lý hơn, AlphaEvolve đã tăng tốc kernel quan trọng này trong kiến trúc Gemini lên 23%, dẫn đến giảm 1% thời gian đào tạo Gemini.
Tiến bộ trong nghiên cứu toán học
AlphaEvolve không chỉ giải quyết các vấn đề thực tế mà còn có thể đề xuất các cách tiếp cận mới cho các vấn đề toán học phức tạp. Khi được cung cấp một bộ khung mã tối thiểu cho một chương trình máy tính, AlphaEvolve đã thiết kế nhiều thành phần của một quy trình tối ưu hóa dựa trên gradient mới để khám phá nhiều thuật toán mới cho phép nhân ma trận.
Để điều tra phạm vi của AlphaEvolve, đội ngũ Google đã áp dụng hệ thống này cho hơn 50 bài toán mở trong phân tích toán học, hình học, tổ hợp và lý thuyết số. Trong khoảng 75% trường hợp, hệ thống đã tái khám phá các giải pháp tiên tiến nhất, và trong 20% trường hợp, AlphaEvolve đã cải thiện các giải pháp tốt nhất đã biết trước đó.
Cách thức hoạt động
AlphaEvolve kết hợp cả Gemini Flash (cho tốc độ) và Gemini Pro (cho độ sâu) để đề xuất thay đổi đối với mã hiện có. Những thay đổi này được kiểm tra bởi các bộ đánh giá tự động chấm điểm từng biến thể. Các thuật toán thành công nhất sau đó sẽ hướng dẫn vòng tiến hóa tiếp theo.
AlphaEvolve không chỉ tạo mã từ dữ liệu đào tạo của nó. Nó chủ động khám phá không gian giải pháp, khám phá các cách tiếp cận mới và tinh chỉnh chúng thông qua quy trình đánh giá tự động – tạo ra các giải pháp mà con người có thể chưa bao giờ nghĩ ra.
Triển vọng tương lai
Mặc dù AlphaEvolve hiện đang được áp dụng trong toán học và điện toán, bản chất chung của nó có nghĩa là nó có thể áp dụng cho bất kỳ vấn đề nào có giải pháp có thể được mô tả như một thuật toán và được xác minh tự động. Google DeepMind tin rằng AlphaEvolve có thể mang tính chuyển đổi trong nhiều lĩnh vực hơn như khoa học vật liệu, khám phá thuốc, phát triển bền vững và các ứng dụng công nghệ và kinh doanh rộng hơn.
Google DeepMind cũng đang phát triển giao diện người dùng thân thiện cho AlphaEvolve và có kế hoạch triển khai Chương trình Truy cập Sớm cho những người dùng học thuật được chọn, đồng thời khám phá khả năng cung cấp AlphaEvolve rộng rãi hơn.
Sự phát triển của AlphaEvolve đánh dấu một bước tiến quan trọng trong khả năng của AI để giải quyết các vấn đề phức tạp trong toán học và khoa học máy tính, mở ra tiềm năng to lớn cho các ứng dụng trong thế giới thực và đưa AI tiến gần hơn đến khả năng sáng tạo và giải quyết vấn đề tương đương con người.