谷歌云代理商：Google Cloud 上的 AlphaEvolve，用于智能体发现和优化的 AI

本文由谷歌云中国核心代理Cloud Ace云一翻译并发布。信息来源：谷歌云

科学和工程领域的创新者面临着一个共同的障碍：解决复杂问题的搜索空间（例如设计新芯片或发现药物分子）通常过于庞大，以至于标准的蛮力方法无法有效地进行探索。

为了帮助您克服这一挑战，我们将AlphaEvolve（一款由 Gemini 提供支持的用于设计高级算法的编码代理）以私有预览版的形式发布到 Google Cloud。

科学创新者面临的挑战

世界上许多最具挑战性和潜在价值的问题都与优化有关。例如，你可能正在尝试最大限度地降低数据中心的延迟，最大限度地提高蛋白质的稳定性，或者为物流车队找到最有效的路线。

AlphaEvolve 将我们 Gemini 模型的创造性问题解决能力与验证答案的自动评估器相结合，并采用进化框架来改进最有前途的想法。

然后，它会将这些更改与您定义的“真实值”评估器进行比较。如果新代码性能更佳，它将成为下一代代码的父级。这形成了一个反馈循环，使系统能够随着时间的推移不断学习和改进，最终发现比您最初使用的算法效率高得多的算法。

工作原理：

以下是 Alphaevolve 如何发现并改进现有算法的更详细过程：

• 输入：您需要定义问题描述、评估逻辑（用于衡量所提出的解决方案的效果）以及初始初始化程序。初始程序是一段可编译的代码，即您想要优化的算法。初始阶段，即使算法并非最优，它也能解决问题。

• 变异：Gemini 模型（Flash 速度快，Pro 深度大）处理上下文并生成变异的、优化的代码版本，这些版本被添加到“种群空间”中。

• 进化：进化算法从种群空间中选择各种代码突变进行组合和进一步突变，以优先作为下一次突变进化的起点。

• 循环：评估得分的结果随后被LLM集成模型用于生成下一组改进的解决方案。该循环递归重复，使代码库从初始种子演化为最先进的算法。

在谷歌取得的显著成就

在谷歌，我们已经利用这项技术解决了我们自身一些最棘手的工程难题。

• 数据中心效率：AlphaEvolve 找到了一种更好的方法来安排我们数据中心中的任务，持续平均回收了我们全球 0.7% 的计算资源。

• Gemini 训练：AlphaEvolve 将 Gemini 架构中的一个关键内核的速度提高了 23%，从而使 Gemini 的训练时间减少了 1%。

• 硬件设计：通过发现更高效的算术电路，加速了我们下一代 TPU 的设计。

要了解更多关于影响方面的信息，请阅读我们的论文。

AlphaEvolve 如何帮助各行各业的企业

您可以将此引擎应用于您自己的专有数据和独特的算法挑战。以下列举了一些改进算法可能帮助不同行业的方式：

• 生物技术和制药：优化用于分子模拟的算法，这有助于缩短药物发现的时间，提高新疗法的成功率。

• 物流和供应链：探索更优的路线规划和库存管理启发式算法，帮助您降低燃料成本并构建更具弹性的配送网络。

• 金融服务：改进算法风险模型，以更有效地管理复杂的投资组合。

• 能源：优化智能电网的负荷平衡，以提高稳定性并更好地整合可再生能源。

开始使用 Google Cloud

AlphaEvolve 旨在帮助您解决复杂的优化问题，这些问题可以通过代码定义并进行客观衡量。AlphaEvolve 服务 API 现已通过 Google Cloud 的早期访问计划提供。如果您遇到此类问题并有意参与早期访问计划，请与我们联系。