أعلنت Google DeepMind عن وكيل ترميز ذكاء اصطناعي جديد (AI) يوم الأربعاء يمكنه تعزيز قدرات نماذج الذكاء الاصطناعى. تم تصميمه لاكتشاف الخوارزميات المسمى على Alphaevolve وتكتشف الخوارزميات عبر المهام الحوسبة والمهام الرياضية المعقدة. تم بناء نظام الذكاء الاصطناعي القوي على نماذج الجوزاء التي يعتمد على الجبل Giant Giant ، ويجمع بين المخرجات الناتجة عن نماذج لغة كبيرة مع المقيمين الآليين لتأسيس الاستجابات في الواقع وتقليل خطر الهلوسة. علاوة على ذلك ، يُقال إن النظام أظهر أيضًا إمكانات في حل المشكلات الرياضية وتحسينها.
يقدم Google DeepMind وكيل الترميز Alphaevolve
في منشور المدونة، DeepMind تفصيل التكنولوجيا الجديدة التي عملت عليها. Alphaevolve ليس نموذجًا منظمة العفو الدولية ، بدلاً من ذلك ، إنه نظام معقد من الذكاء الاصطناعي مع إمكانات وكيل. إحدى الوظائف الأساسية التي يؤديها النظام هي اكتشاف الخوارزمية والتحسين.
نماذج الذكاء الاصطناعي ، على المستوى الأساسي ، هي سلسلة من الكود. هذه الكود قواعد العملية وتجميع المعلومات ، وتقسيمها ، واستخدم الخوارزميات الاحتمالية لإنشاء مخرجات. ومع ذلك ، نظرًا لأن أنظمة الذكاء الاصطناعي معقدة للغاية ، فإن قواعد الكود الخاصة بها ضخمة. هذا الحجم الكبير غالبًا ما يسبب القضايا القائمة على التحسين والكفاءة. وقالت الشركة إن Alphaevolve يمكن أن تساعد في ذلك.
هيكل ألفايفول
الصورة الائتمان: جوجل
يستخدم Alphaevolve مقاييس التقييم الآلي ، واستخدام هذه المعلمات ، ويتحقق من الاستجابات ، ويقوم بتشغيلها ، ودرجات التي تم إنشاؤها بواسطة نماذج الذكاء الاصطناعي. وقالت Google إن هذه الطريقة تسمح للنظام بتقييم الاستجابات من نماذج الذكاء الاصطناعى المتعددة وتقليل مخاطر الهلوسة. بالإضافة إلى ذلك ، يمكن للنظام أيضًا إصلاح وتحسين التعليمات البرمجية التي تتيح هذه الهلوسة.
قال عملاق التكنولوجيا إن Alphaevolve قد حسّن من كفاءة مراكز بيانات Google وتصميم الرقائق وعمليات التدريب على الذكاء الاصطناعي. ومن المثير للاهتمام ، أنه كان قادرًا أيضًا على تحسين تدريب قاعدته LLM. في إحدى الحالات ، اكتشفت طريقة جدولة جديدة تسترد حوالي 0.7 في المائة من موارد حساب Google العالمية – مكسبًا هائلاً عند تطبيقها عبر البنية التحتية الضخمة للشركة.
وقالت الشركة إن Alphaevolve يعمل مع قواعد الكود والخوارزميات ، ويقال أيضًا أنه يتمتع بإمكانات عالية في مجالات مختلفة من حل المشكلات الرياضية. يقال إنه اكتشف طريقة أسرع لضرب المصفوفات المعقدة 4 × 4 ، متغلبًا على حل كان قد وقف لأكثر من 50 عامًا. في الاختبارات عبر 50 مشكلة رياضية مفتوحة ، قام Alphaevolve بمطابقة أفضل الحلول الحالية في معظم الحالات ، وحتى تحسنت عليها في حوالي 20 في المائة من المشكلات.
