Google DeepMind présente l'IA super-avancée AlphaEvolve, un agent de codage alimenté par Gemini pour la conception d'algorithmes avancés

Google DeepMind présente l'IA super-avancée AlphaEvolve, un agent de codage alimenté par Gemini pour la conception d'algorithmes avancés

Google DeepMind a dévoilé AlphaEvolve, un puissant agent de codage intelligence artificielle (IA) alimenté par Gemini, pour la découverte et l'optimisation d'algorithmes avancés. AlphaEvolve associe les capacités créatives de résolution de problèmes des modèles Gemini de Google à des évaluateurs automatisés qui vérifient les réponses, et utilise un cadre évolutif pour améliorer les idées les plus prometteuses.

Cette initiative voit le jour un mois à peine après que Google a lancé Gemini 2.5 Flash, une mise à jour majeure de sa famille d'IA Gemini, qui offre un contrôle avancé sur le niveau de raisonnement de l'IA. Conçu pour résoudre plus efficacement les problèmes complexes, Gemini 2.5 Pro a surpassé expérimentalement les modèles concurrents sur plusieurs critères de référence, selon l'entreprise.

La division de recherche DeepMind de Google affirme que AlphaEvolve, son dernier agent d'intelligence artificielle, marque une étape importante dans l'utilisation de la technologie pour résoudre les grands problèmes en mathématiques et en sciences. Le système, baptisé AlphaEvolve, est basé sur les LLM Gemini de l'entreprise, avec l'ajout d'une approche « évolutive » qui évalue et améliore les algorithmes à travers une gamme de cas d'utilisation.

AlphaEvolve est essentiellement un agent de codage IA, mais il va plus loin qu'un chatbot Gemini standard. Lorsqu'un utilisateur échange avec Gemini, le risque d'hallucination est toujours présent, l'IA inventant des détails en raison de la nature non déterministe de la technologie sous-jacente. AlphaEvolve utilise quant à lui une approche intéressante pour augmenter sa précision lorsqu'il traite des problèmes algorithmiques complexes.


Selon DeepMind, cette IA utilise un système d'évaluation automatique. Lorsqu'un chercheur interagit avec AlphaEvolve, il saisit un problème avec des solutions possibles et des pistes à explorer. Le modèle génère plusieurs solutions possibles, en utilisant Gemini Flash et le modèle plus détaillé Gemini Pro, puis chaque solution est analysée par l'évaluateur. Un cadre évolutif permet à AlphaEvolve de se concentrer sur la meilleure solution et de l'améliorer.

La plupart des anciens systèmes d'IA de Google DeepMind, par exemple le système de repliement des protéines AlphaFold, ont été formés de manière approfondie sur un seul domaine de connaissances. AlphaEvolve, en revanche, est plus dynamique. DeepMind affirme qu'AlphaEvolve est une IA polyvalente qui peut aider la recherche dans n'importe quel problème de la programmation ou de l'algorithmique.

Google a déjà commencé à déployer AlphaEvolve dans son entreprise, avec des résultats positifs. L'IA AlphaEvolve de DeepMind a optimisé le planificateur du cluster Borg de Google, réduisant l'utilisation globale des ressources informatiques de 0,7 %, ce qui représente une économie importante à l'échelle de Google. Elle a également surpassé l'IA spécialisée AlphaTensor en découvrant un algorithme plus efficace pour multiplier les matrices à valeurs complexes. En outre, AlphaEvolve a proposé des optimisations au niveau du matériel pour la prochaine génération de puces Tensor de Google.

L'IA reste à ce jour trop complexe pour être diffusée au grand public, mais cela pourrait changer à l'avenir, à mesure qu'elle sera intégrée dans des outils de recherche plus petits.

Concevoir de meilleurs algorithmes avec de grands modèles de langage

En 2023, Google a montré pour la première fois que les grands modèles de langage peuvent générer des fonctions écrites dans un code informatique pour aider à découvrir de nouvelles connaissances prouvées correctes sur un problème scientifique ouvert. AlphaEvolve est un agent qui peut aller au-delà de la découverte d'une seule fonction pour faire évoluer des bases de code entières et développer des algorithmes beaucoup plus complexes.

AlphaEvolve s'appuie sur un ensemble de grands modèles de langage à la pointe de la technologie : le modèle le plus rapide et le plus efficace de Google, Gemini Flash, maximise l'étendue des idées explorées, tandis que son modèle le plus puissant, Gemini Pro, fournit une profondeur critique avec des suggestions perspicaces. Ensemble, ces modèles proposent des programmes informatiques qui mettent en œuvre des solutions algorithmiques sous forme de code.


Selon DeepMind, AlphaEvolve vérifie, exécute et note les programmes proposés en utilisant des mesures d'évaluation automatisées. Ces mesures fournissent une évaluation objective et quantifiable de la précision et de la qualité de chaque solution. Ceci rend AlphaEvolve particulièrement utile dans une large gamme de domaines où le progrès peut être clairement et systématiquement mesuré, comme en mathématiques et en informatique.

Optimiser l'écosystème de calcul de Google

Au cours de l'année écoulée, Google a déployé des algorithmes découverts par AlphaEvolve à travers son écosystème informatique, y compris ses centres de données, son matériel et ses logiciels. L'impact de chacune de ces améliorations est multiplié à travers l'infrastructure d'IA et de calcul de Google afin de construire un écosystème numérique plus puissant et plus durable pour tous ses utilisateurs.


Améliorer la planification des centres de données

AlphaEvolve a découvert une heuristique simple mais remarquablement efficace pour aider Borg à orchestrer plus efficacement les vastes centres de données de Google. Cette solution, en production depuis plus d'un an, récupère continuellement, en moyenne, 0,7 % des ressources informatiques mondiales de Google, indique l'entreprise. Ce gain d'efficacité durable signifie qu'à tout moment, plus de tâches peuvent être accomplies sur la même empreinte informatique. La solution d'AlphaEvolve ne conduit pas seulement à une forte performance mais offre également des avantages opérationnels significatifs du code lisible par l'homme : interprétabilité, débogage, prévisibilité et facilité de déploiement.

Aider à la conception matérielle

AlphaEvolve a proposé une réécriture de Verilog qui supprime les bits inutiles dans un circuit arithmétique clé et hautement optimisé pour la multiplication de matrices. De manière cruciale, la proposition doit passer par des méthodes de vérification robustes pour confirmer que le circuit modifié conserve sa correction fonctionnelle. Cette proposition a été intégrée dans une prochaine Tensor Processing Unit (TPU), l'accélérateur d'IA personnalisé de Google. En suggérant des modifications dans le langage standard des concepteurs de puces, AlphaEvolve favorise une approche collaborative entre les ingénieurs en IA et les ingénieurs en matériel afin d'accélérer la conception de futures puces spécialisées.

Améliorer l'entraînement et l'inférence de l'IA

Selon DeepMind, AlphaEvolve accélère les performances de l'IA et la vitesse de la recherche. En trouvant des moyens plus intelligents de diviser une grande opération de multiplication de matrice en sous-problèmes plus faciles à gérer, AlphaEvolve a accéléré ce noyau vital de l'architecture de Gemini de 23 %, ce qui a permis de réduire de 1 % le temps d'apprentissage de Gemini. Étant donné que le développement de modèles d'IA générative nécessite des ressources informatiques considérables, chaque gain d'efficacité se traduit par des économies considérables.

Au-delà des gains de performance, l'entreprise précise qu'AlphaEvolve a également réduit considérablement le temps d'ingénierie nécessaire à l'optimisation du noyau, passant de semaines d'efforts d'experts à des jours d'expériences automatisées, permettant ainsi aux chercheurs d'innover plus rapidement.

AlphaEvolve a permis en outre d'optimiser les instructions de bas niveau du GPU. Ce domaine complexe est généralement déjà fortement optimisé par les compilateurs, de sorte que les ingénieurs humains ne le modifient généralement pas directement. Selon Google, AlphaEvolve a atteint une vitesse de 32,5 % pour l'implémentation du noyau FlashAttention dans les modèles d'IA basés sur Transformer. Ce type d'optimisation aide les experts à identifier les goulets d'étranglement en matière de performance et à intégrer facilement les améliorations dans leur base de code, ce qui stimule leur productivité et leur permet de réaliser des économies futures en termes de calcul et d'énergie, précise l'entreprise.

Faire avancer les frontières des mathématiques et de la découverte d'algorithmes

Google DeepMind indique que AlphaEvolve peut également proposer de nouvelles approches pour résoudre des problèmes mathématiques complexes. A partir d'un squelette de code minimal pour un programme informatique, AlphaEvolve a conçu de nombreux composants d'une nouvelle procédure d'optimisation basée sur le gradient qui a permis de découvrir de nombreux nouveaux algorithmes pour la multiplication de matrices, un problème fondamental en informatique.


La procédure d'AlphaEvolve a trouvé un algorithme pour multiplier 4x4 matrices à valeurs complexes en utilisant 48 multiplications scalaires, améliorant l'algorithme de Strassen de 1969 qui était auparavant connu comme le meilleur dans ce domaine. Cette découverte constitue une avancée significative par rapport au travail précédent de Google, AlphaTensor, qui se spécialisait dans les algorithmes de multiplication de matrices et qui, pour les matrices 4x4, n'avait trouvé d'améliorations que pour l'arithmétique binaire.

Pour étudier l'étendue d'AlphaEvolve, Google a appliqué le système à plus de 50 problèmes ouverts en analyse mathématique, géométrie, combinatoire et théorie des nombres. La flexibilité du système a permis de mettre en place la plupart des expériences en l'espace de quelques heures.

L'entreprise rapporte que dans environ 75 % des cas, AlphaEvolve a redécouvert des solutions de pointe. Et dans 20 % des cas, l'IA a amélioré les meilleures solutions connues précédemment, en progressant sur les problèmes ouverts correspondants. Par exemple, AlphaEvolve a fait progresser le problème du nombre de baisers. Ce défi géométrique, qui fascine les mathématiciens depuis plus de 300 ans, concerne le nombre maximal de sphères non superposées qui touchent une sphère unitaire commune. Selon Google, AlphaEvolve a découvert une configuration de 593 sphères extérieures et a établi une nouvelle limite inférieure en 11 dimensions.

Trajectoire future

Google affirme qu'AlphaEvolve illustre la progression de la découverte d'algorithmes pour des domaines spécifiques vers le développement d'algorithmes plus complexes pour un large éventail de défis du monde réel. L'entreprise s'attend à ce qu'AlphaEvolve continue de s'améliorer en même temps que les capacités des grands modèles de langage, en particulier lorsqu'ils deviendront encore plus performants en matière de codage.

En collaboration avec l'équipe de recherche People + AI, Google a construit une interface utilisateur conviviale pour interagir avec AlphaEvolve. Elle prévoit un programme d'accès anticipé pour les utilisateurs universitaires sélectionnés et explore également les possibilités de rendre AlphaEvolve plus largement disponible.

Bien qu'AlphaEvolve soit actuellement appliqué aux mathématiques et à l'informatique, Google indique que sa nature généraliste signifie qu'il peut être appliqué à n'importe quel problème dont la solution peut être décrite comme un algorithme, et vérifiée automatiquement. Google pense qu'AlphaEvolve pourrait être transformateur dans de nombreux autres domaines tels que la science des matériaux, la découverte de médicaments, la durabilité et des applications technologiques et commerciales plus larges.

Source : Google DeepMind

Et vous ?

Quel est votre avis sur le sujet ?
Trouvez-vous cette initiative de Google DeepMind crédible ou pertinente ?

Voir aussi :

L'outil d'IA de codage de Google Gemini est désormais gratuit pour les utilisateurs individuels, et fournit 90 fois plus de complétions de code par mois que la version gratuite de GitHub Copilot

L'IA AlphaFold résout un problème scientifique vieux de 50 ans grâce à une "avancée stupéfiante" qui pourrait changer radicalement la manière dont l'organisme humain lutte contre les maladies

Google lance le premier "système d'agents d'IA" au monde, le projet Oscar, une plateforme open-source qui permet aux équipes de développement d'utiliser des agents d'IA pour gérer des projets logiciels