Google DeepMind показала, как их новый ИИ-агент оптимизирует алгоритмы в геномике, квантовой физике и математике, ускоряя научный прогресс.
3 мин
Google DeepMind поделилась результатами работы AlphaEvolve — нового агента для написания кода, построенного на базе больших языковых моделей (LLM) семейства Gemini. Система предназначена не просто для помощи программистам в рутинных задачах, а для проектирования и оптимизации сложных алгоритмов в передовых областях науки и инженерии.
Долгое время искусственный интеллект применялся в программировании преимущественно как инструмент автодополнения или генерации шаблонного кода. Однако создание фундаментально новых, более эффективных математических и вычислительных моделей оставалось прерогативой узких специалистов. AlphaEvolve демонстрирует переход к следующему этапу: ИИ начинает выступать в роли полноправного соавтора-исследователя, способного находить неочевидные пути оптимизации.
A software interface showing a line graph of performance scores over time, overlaid with a "Selected Program" window containing several bar charts and a snippet of Python code for an optimization experiment.
Результаты внедрения AlphaEvolve охватывают сразу несколько сложных дисциплин. В геномике агент помог улучшить модель DeepConsensus, разработанную для исправления ошибок при секвенировании ДНК. Это привело к снижению числа ошибок при обнаружении мутаций на 30%, что позволит исследователям точнее и дешевле анализировать генетические данные.
В сфере управления электросетями система оптимизировала работу графовых нейросетей (GNN). Доля успешно найденных решений для сложных задач распределения энергии выросла с 14% до впечатляющих 88%, что существенно снижает потребность в дорогостоящей постобработке данных.
Значительный прорыв достигнут и в квантовой физике. AlphaEvolve предложил квантовые цепи для процессора Google Willow, которые работают с в десять раз меньшим уровнем ошибок по сравнению с традиционными методами. Это открывает путь к более сложным молекулярным симуляциям.
Изображение из источника
Кроме того, система показала свою полезность в чистой математике. Работая совместно с известным математиком Теренсом Тао, агент помог в решении проблем Эрдёша, а также улучшил нижние границы для классической задачи коммивояжера и чисел Рамсея. По словам Тао, подобные инструменты позволяют быстро тестировать гипотезы и находить контрпримеры, что значительно улучшает интуицию исследователей.
Эти достижения указывают на важный сдвиг в индустрии. Инструменты на базе ИИ перестают быть просто генераторами текста и становятся системами поиска решений (reasoning engines). Они способны автоматизировать интеллектуальный труд там, где требуется перебор огромного количества сложных математических комбинаций.
В перспективе подобные агенты могут стать стандартным инструментом в любой научной лаборатории. Они помогут находить алгоритмы, которые превосходят возможности классических вычислительных систем. Однако пока рано судить о том, насколько универсальным окажется этот подход при столкновении с задачами, для которых у человечества еще нет четких критериев оценки правильности решения. Время покажет, сможет ли AlphaEvolve генерировать абсолютно новые научные парадигмы или останется мощным, но всё же зависимым от человека оптимизатором.
A 3D rendering of multiple DNA double helix structures made of small white and blue spheres, floating against a dark, textured background with a shallow depth of field.
A wide landscape shot of high-voltage power lines and transmission towers stretching across a lush green field under a clear blue sky.
Изображение из источника
Google представила AlphaEvolve — агента, который переводит ИИ из статуса помощника программиста в статус соавтора научных открытий, оптимизируя сложнейшие алгоритмы.
Главная ценность ИИ в науке сейчас — не генерация готовых ответов, а быстрое тестирование гипотез, что помогает ученым развивать собственную математическую интуицию.
