Google DeepMind ha revelado un avance sorprendente en el campo de la inteligencia artificial: AlphaEvolve, un agente de IA capaz de inventar nuevos algoritmos informáticos y aplicarlos directamente en los sistemas internos de Google. Esta innovación combina la potencia de los modelos de lenguaje Gemini con un enfoque evolutivo que prueba, refina y mejora algoritmos de manera automática.
A diferencia de sistemas anteriores como FunSearch, que se centraban en funciones individuales, AlphaEvolve evoluciona bases de código completas. El resultado es un salto cualitativo en la capacidad de la IA para desarrollar algoritmos sofisticados aplicables tanto a desafíos científicos como a problemas cotidianos de programación.
Más eficiencia en los centros de datos de Google
AlphaEvolve ha estado funcionando de manera silenciosa dentro de Google durante más de un año, y los resultados son notables. Uno de sus algoritmos más destacados se integró en Borg, el sistema masivo de gestión de clústeres de Google. Gracias a este descubrimiento, se logró recuperar un promedio del 0.7% de los recursos informáticos globales de Google, una mejora significativa si se considera la escala de la empresa.
Este algoritmo se enfoca en los llamados “recursos varados”, es decir, máquinas que han agotado un tipo de recurso (como la memoria), pero aún disponen de otros (como CPU). Lo notable del hallazgo es que el código generado por AlphaEvolve es simple, legible y fácilmente aplicable por los ingenieros humanos.
Rediseñando hardware y entrenando a su propia inteligencia
La IA no solo optimizó software: también participó en el rediseño de hardware. En particular, identificó una forma de eliminar bits innecesarios en un circuito aritmético clave para los Tensor Processing Units (TPUs) de Google. El diseño fue validado y se integrará en futuras generaciones de chips.
Pero tal vez lo más impresionante es que AlphaEvolve mejoró los sistemas que lo entrenan. Optimizó un núcleo de multiplicación de matrices utilizado en el entrenamiento de los modelos Gemini, lo que resultó en una mejora del 23% en velocidad y una reducción del 1% en el tiempo total de entrenamiento. Esto se traduce en importantes ahorros de energía y recursos para las operaciones de IA a gran escala.
Superando récords matemáticos históricos
AlphaEvolve también ha demostrado su capacidad para resolver problemas matemáticos que han desconcertado a los expertos durante décadas. El sistema descubrió nuevos algoritmos de multiplicación de matrices que superaron el récord establecido por Volker Strassen en 1969. Por primera vez, logró multiplicar dos matrices complejas de 4×4 utilizando solo 48 multiplicaciones escalares, una menos que el límite anterior de 49.
Según el equipo de DeepMind, AlphaEvolve mejoró el estado del arte en 14 algoritmos distintos de multiplicación de matrices. Además, en una prueba con más de 50 problemas abiertos en análisis matemático, geometría, combinatoria y teoría de números, la IA igualó las mejores soluciones en el 75% de los casos, y mejoró los resultados en el 20% restante.
Un ejemplo destacado es el problema del “número de besos”, un desafío geométrico que busca determinar cuántas esferas unitarias pueden tocar simultáneamente una esfera central sin superponerse. En 11 dimensiones, AlphaEvolve encontró una configuración con 593 esferas, superando el récord anterior de 592.
¿Cómo funciona AlphaEvolve?
El corazón del sistema es su enfoque evolutivo, combinado con los modelos de lenguaje Gemini Flash y Gemini Pro. AlphaEvolve propone modificaciones al código existente, las somete a evaluaciones automáticas que miden su eficacia y selecciona las mejores variantes para la siguiente ronda de evolución. Esta metodología le permite explorar activamente el espacio de soluciones y refinar ideas que los humanos quizás nunca imaginarían.
“Una idea clave en nuestro enfoque es que trabajamos con problemas que tienen evaluadores claros”, explica Alexander Novikov, investigador de DeepMind. Esto permite ciclos de retroalimentación rápidos y fiables, lo que acelera el proceso de descubrimiento.
Más allá de Google: el futuro de AlphaEvolve
Aunque actualmente AlphaEvolve se emplea en la infraestructura de Google y en investigación matemática, sus aplicaciones potenciales abarcan campos como la ciencia de materiales, el descubrimiento de fármacos y la optimización de procesos industriales. Google DeepMind planea lanzar un programa de acceso anticipado para investigadores académicos y está desarrollando una interfaz de usuario junto al equipo de People + AI Research.
Según Matej Balog, otro investigador de DeepMind, lo más sorprendente de AlphaEvolve es que un sistema científico pueda tener un impacto real y tangible a tan gran escala en tan poco tiempo.
A medida que los modelos de lenguaje evolucionan, AlphaEvolve promete crecer en complejidad y capacidad. Desde su origen dentro de los servidores de Google, ya está demostrando que la IA no solo puede ayudarnos a resolver problemas, sino que puede inventar nuevos caminos para resolver lo que antes parecía imposible.