Google Deepmind的AI代理梦想算法超出了人类专业知识
作者：Will Knight
一个关键问题人工智能是模型不仅仅是对自己学到的知识并产生真正新颖的想法或见解的频率不仅仅是对自己的知识进行反思和混音。
一个来自Google Deepmind表明，通过一些巧妙的调整，这些模型至少可以超越人类专业知识，设计某些类型的算法，包括对AI本身有用的算法。
该公司的最新AI项目称为alphaevolve，将其双子座AI模型的编码技能与测试新算法的有效性和生产新设计的进化方法相结合。
Alphaevolve为几种计算提出了更有效的算法，包括一种涉及矩阵的计算方法，该方法可以改善一种称为Strassen算法的方法，该方法已依赖56年。新方法通过减少产生结果所需的计算数量来提高计算效率。
DeepMind还使用Alphaevolve为几个现实世界中的问题提出了更好的算法，包括在数据中心内进行调度任务，勾勒出计算机芯片的设计，并优化用于构建Gemini本身等大型语言模型的算法的设计。
DeepMind的AI科学负责人Pushmeet Kohli说，这是现代AI生态系统的三个关键要素。``这个超人类编码代理能够承担某些任务，并且超出了对他们的解决方案的知名度。
Matej Balog是Alphaevolve的研究之一，他说，通常很难知道大型语言模型是否提出了真正新颖的写作或代码，但是可以证明没有人能为某些问题提供更好的解决方案。Balog说，我们已经非常确切地证明您可以发现事实证明是新事物并且可以证明是正确的东西。”您真的可以确定您发现的东西不可能在培训数据中。
普林斯顿大学的科学家Sanjeev Arora专门从事算法设计，他说，Alphaevolve的进步相对较小，仅适用于涉及通过潜在答案搜索的算法。但是他补充说，搜索是一个适用于许多设置的相当普遍的想法。
AI驱动的编码开始改变开发人员和公司编写软件的方式。最新的AI模型使新手构建简单的应用程序和网站变得很琐碎，一些经验丰富的开发人员正在使用AI来自动化更多的工作。
Alphaevolve证明了AI通过持续的实验和评估提出完全新颖的想法的潜力。DeepMind和其他AI公司希望，AI代理商将逐渐学会在许多领域表现出更普遍的创造力，最终在给出特定问题时为业务问题或新颖见解产生巧妙的解决方案。
哥伦比亚大学助理教授乔什·阿尔曼（Josh Alman）从事算法设计工作，他说，Alphaevolve似乎确实在产生新颖的想法，而不是在培训中学到的东西。他说，它必须做一些新的事情，而不仅仅是反驳。”他说。
关于《Google Deepmind的AI代理梦想算法超出了人类专业知识》的评论
暂无评论