Добавить в корзинуПозвонить
Найти в Дзене
Машинное обучение

✔️ Google показала ИИ, который уже оптимизирует не тексты, а реальность

✔️ Google показала ИИ, который уже оптимизирует не тексты, а реальность DeepMind рассказала, как AlphaEvolve за год вышел из режима красивого research-проекта и начал приносить пользу в инфраструктуре, науке и бизнесе. Смысл AlphaEvolve простой: это агент на базе Gemini, который ищет новые алгоритмы и оптимизации. Не просто пишет код по ТЗ, а перебирает идеи, тестирует варианты и находит решения, до которых люди часто добирались месяцами. Пишу уроки и показываю на пальцах как выжать из Claude и других ИИ Максимум у себя в телеге! Самые сильные примеры выглядят так: - в геномике помог снизить ошибки определения вариантов ДНК на 30%; - в энергосетях поднял долю feasible-решений для AC Optimal Power Flow с 14% до более чем 88%; - для моделей Earth AI улучшил прогноз риска природных катастроф на 5%; - для квантовых вычислений нашёл схемы с ошибкой в 10 раз ниже прежних оптимизаций; - в инфраструктуре Google помог улучшать дизайн TPU, политики кеша, Spanner и компиляторные оптимизации;

✔️ Google показала ИИ, который уже оптимизирует не тексты, а реальность

DeepMind рассказала, как AlphaEvolve за год вышел из режима красивого research-проекта и начал приносить пользу в инфраструктуре, науке и бизнесе.

Смысл AlphaEvolve простой: это агент на базе Gemini, который ищет новые алгоритмы и оптимизации. Не просто пишет код по ТЗ, а перебирает идеи, тестирует варианты и находит решения, до которых люди часто добирались месяцами.

Пишу уроки и показываю на пальцах как выжать из Claude и других ИИ Максимум у себя в телеге!

Самые сильные примеры выглядят так:

- в геномике помог снизить ошибки определения вариантов ДНК на 30%;

- в энергосетях поднял долю feasible-решений для AC Optimal Power Flow с 14% до более чем 88%;

- для моделей Earth AI улучшил прогноз риска природных катастроф на 5%;

- для квантовых вычислений нашёл схемы с ошибкой в 10 раз ниже прежних оптимизаций;

- в инфраструктуре Google помог улучшать дизайн TPU, политики кеша, Spanner и компиляторные оптимизации;

- в Spanner снизил write amplification на 20%;

- для Klarna ускорил обучение одной из крупнейших transformer-моделей в 2 раза;

- для FM Logistic улучшил маршрутизацию на 10,4%;

- для Schrödinger дал примерно 4-кратное ускорение MLFF training и inference.

Это уже не ассистент, который дописывает функцию в IDE. Это система, которая ищет более эффективные алгоритмы для ДНК-секвенирования, дата-центров, квантовых чипов, логистики, рекламы и научных симуляций.

Раньше такие оптимизации были ручной работой узких специалистов. Теперь часть этого процесса начинает автоматизироваться.

Machinelearning

https://deepmind.google/blog/alphaevolve-impact/