Sebuah pertanyaan kunci dalam kecerdasan buatan adalah seberapa sering model melebihi hanya mengulangi dan mencampur ulang apa yang telah mereka pelajari dan menghasilkan gagasan atau wawasan yang benar-benar baru. Sebuah proyek baru dari Google DeepMind menunjukkan bahwa dengan beberapa perbaikan cerdas model-model ini setidaknya dapat melampaui keahlian manusia dalam merancang jenis algoritma tertentu – termasuk yang berguna untuk memajukan kecerdasan buatan itu sendiri. Proyek kecerdasan buatan terbaru perusahaan, yang disebut AlphaEvolve, menggabungkan keterampilan pemrogramannya dari model AI Gemini-nya dengan metode untuk menguji efektivitas algoritma baru dan metode evolusi untuk menghasilkan desain baru. AlphaEvolve menciptakan algoritma yang lebih efisien untuk beberapa jenis komputasi, termasuk metode untuk perhitungan yang melibatkan matriks yang lebih baik dari pendekatan yang disebut algoritma Strassen yang telah diandalkan selama 56 tahun. Pendekatan baru ini meningkatkan efisiensi komputasional dengan mengurangi jumlah perhitungan yang diperlukan untuk menghasilkan hasil. DeepMind juga menggunakan AlphaEvolve untuk menciptakan algoritma yang lebih baik untuk beberapa masalah dunia nyata termasuk penjadwalan tugas di dalam pusat data, menggarisbawahi desain chip komputer, dan mengoptimalkan desain algoritma yang digunakan untuk membangun model bahasa besar seperti Gemini itu sendiri. “Ini adalah tiga elemen kritis dari ekosistem kecerdasan buatan modern,” kata Pushmeet Kohli, kepala AI untuk ilmu di DeepMind. “Agen pemrograman superman ini mampu menangani tugas-tugas tertentu dan jauh melampaui apa yang diketahui dalam hal solusi untuk mereka.” Matej Balog, salah satu peneliti utama di AlphaEvolve, mengatakan bahwa seringkali sulit untuk mengetahui apakah model bahasa besar telah menciptakan potongan tulisan atau kode yang benar-benar baru, tetapi mungkin untuk menunjukkan bahwa tidak ada orang yang telah menciptakan solusi yang lebih baik untuk beberapa masalah tertentu. “Kami telah menunjukkan dengan sangat tepat bahwa Anda dapat menemukan sesuatu yang terbukti baru dan terbukti benar,” kata Balog. “Anda dapat benar-benar yakin bahwa apa yang Anda temukan tidak mungkin ada dalam data pelatihan.” Sanjeev Arora, seorang ilmuwan di Universitas Princeton yang mengkhususkan diri dalam desain algoritma, mengatakan bahwa kemajuan yang dicapai oleh AlphaEvolve relatif kecil dan hanya berlaku untuk algoritma yang melibatkan pencarian melalui ruang jawaban potensial. Tetapi dia menambahkan, “Pencarian adalah ide yang cukup umum yang dapat diterapkan pada banyak pengaturan.” Pemrograman AI mulai mengubah cara pengembang dan perusahaan menulis perangkat lunak. Model AI terbaru membuatnya mudah bagi pemula untuk membuat aplikasi dan situs web sederhana, dan beberapa pengembang berpengalaman menggunakan AI untuk mengotomatisasi lebih banyak pekerjaan mereka. AlphaEvolve menunjukkan potensi AI untuk menciptakan gagasan yang benar-benar baru melalui eksperimen dan evaluasi terus menerus. DeepMind dan perusahaan AI lainnya berharap bahwa agen AI secara bertahap akan belajar untuk menunjukkan lebih banyak ketajaman secara umum di banyak bidang, mungkin akhirnya menghasilkan solusi yang cemerlang untuk masalah bisnis atau wawasan baru ketika diberikan masalah tertentu. Josh Alman, seorang asisten profesor di Universitas Columbia yang bekerja dalam desain algoritma, mengatakan bahwa AlphaEvolve sepertinya menghasilkan gagasan yang baru daripada hanya mencampur ulang hal-hal yang dipelajari selama pelatihan. “Harus ada yang baru dan tidak hanya mengulang,” katanya.