DeepMind enthüllt AlphaEvolve: Fortschritte in der KI-gestützten Problemlösung

LONDON / MÜNCHEN (IT BOLTWISE) – DeepMind, das Forschungs- und Entwicklungszentrum für Künstliche Intelligenz von Google, hat mit AlphaEvolve ein neues KI-System vorgestellt, das in der Lage ist, komplexe mathematische und wissenschaftliche Probleme zu lösen.

DeepMind, das renommierte KI-Forschungszentrum von Google, hat kürzlich ein neues System namens AlphaEvolve vorgestellt, das speziell für die Lösung von Problemen mit maschinell bewertbaren Lösungen entwickelt wurde. Dieses System könnte eine bedeutende Rolle bei der Optimierung der Infrastruktur spielen, die Google zur Schulung seiner KI-Modelle verwendet. DeepMind plant, eine Benutzeroberfläche für die Interaktion mit AlphaEvolve zu entwickeln und ein Early-Access-Programm für ausgewählte Akademiker zu starten, bevor es möglicherweise breiter ausgerollt wird.

Ein zentrales Problem vieler KI-Modelle ist das sogenannte Halluzinieren, bei dem die Modelle aufgrund ihrer probabilistischen Architektur manchmal fiktive Informationen generieren. AlphaEvolve hat einen innovativen Mechanismus eingeführt, um diese Halluzinationen zu reduzieren: ein automatisches Bewertungssystem. Dieses System nutzt Modelle, um mögliche Antworten auf eine Frage zu generieren, zu kritisieren und zu bewerten, und es bewertet die Antworten automatisch auf ihre Genauigkeit.

Obwohl AlphaEvolve nicht das erste System ist, das diesen Ansatz verfolgt, behauptet DeepMind, dass die Verwendung von “state-of-the-art”-Modellen, insbesondere der Gemini-Modelle, es deutlich leistungsfähiger macht als frühere KI-Instanzen. Um AlphaEvolve zu nutzen, müssen Benutzer das System mit einem Problem anregen und optional Details wie Anweisungen, Gleichungen, Code-Snippets und relevante Literatur bereitstellen. Sie müssen auch einen Mechanismus zur automatischen Bewertung der Antworten des Systems in Form einer Formel bereitstellen.

AlphaEvolve kann nur Probleme lösen, die es selbst bewerten kann, was bedeutet, dass das System nur mit bestimmten Arten von Problemen arbeiten kann, insbesondere in Bereichen wie Informatik und Systemoptimierung. Eine weitere wesentliche Einschränkung ist, dass AlphaEvolve Lösungen nur als Algorithmen beschreiben kann, was es für nicht-numerische Probleme ungeeignet macht.

Um AlphaEvolve zu bewerten, ließ DeepMind das System eine kuratierte Auswahl von etwa 50 mathematischen Problemen aus verschiedenen Bereichen wie Geometrie und Kombinatorik lösen. AlphaEvolve schaffte es, die bestbekannten Antworten auf die Probleme in 75 % der Fälle wiederzuentdecken und in 20 % der Fälle verbesserte Lösungen zu finden, so DeepMind.

DeepMind testete AlphaEvolve auch an praktischen Problemen, wie der Steigerung der Effizienz von Googles Rechenzentren und der Beschleunigung von Modelltrainingsläufen. Laut dem Labor generierte AlphaEvolve einen Algorithmus, der im Durchschnitt 0,7 % von Googles weltweiten Rechenressourcen kontinuierlich zurückgewinnt. Das System schlug auch eine Optimierung vor, die die Gesamtzeit, die Google benötigt, um seine Gemini-Modelle zu trainieren, um 1 % reduzierte.

Es ist wichtig zu betonen, dass AlphaEvolve keine bahnbrechenden Entdeckungen macht. In einem Experiment konnte das System eine Verbesserung für das Design von Googles TPU-KI-Beschleunigerchip finden, die bereits von anderen Tools erkannt worden war. DeepMind argumentiert jedoch, dass AlphaEvolve, wie viele andere KI-Systeme, Zeit sparen kann, während es Experten ermöglicht, sich auf andere, wichtigere Arbeiten zu konzentrieren.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!