EnglishAlphaEvolve van Google vindt nieuwe rekenmethoden en versnelt zo ook Gemini zelf
Googles AlphaEvolve laat AI-modellen computerprogramma's ontwerpen en verbeteren. Het vond een snellere manier om bepaalde tabellen met getallen te vermenigvuldigen en versnelde onderdelen van de training van Gemini zelf.
LONDEN, MEI 2025 - Google DeepMind heeft een systeem gepresenteerd dat nieuwe rekenmethoden verzint: AlphaEvolve. Het systeem laat Gemini, de AI-modellen van Google, computerprogramma's schrijven en blijft die verbeteren tot ze beter werken. Daarmee vond het een snellere manier om bepaalde tabellen met getallen met elkaar te vermenigvuldigen, een rekenstap die overal in de informatica voorkomt. Het hielp Google ook zijn eigen datacenters en de training van Gemini te versnellen.
Hoe AlphaEvolve werkt
De werkwijze lijkt op fokken. Je neemt veel varianten, houdt de beste, maakt daar nieuwe varianten van, en herhaalt dat telkens. In vier stappen:
- Een deel van het systeem stelt een opdracht samen voor de AI-modellen, met een eerder programma als uitgangspunt.
- Twee Gemini-modellen schrijven een nieuw programma. Gemini Flash, het snelste model, komt met veel verschillende ideeën. Gemini Pro, het krachtigste model, voegt diepgang toe.
- Een automatische beoordelaar voert elk programma uit en geeft er een score aan. Dat is een rekenregel die objectief meet hoe goed het werkt, bijvoorbeeld hoe snel of hoe nauwkeurig.
- De programma's met hun scores komen in een database. Een rekenmethode, geïnspireerd op evolutie, kiest daaruit welke programma's de volgende opdracht inspireren.
De methode werkt dus alleen bij problemen waarvan het antwoord automatisch te beoordelen is. Daarom is ze vooral geschikt voor wiskunde en informatica. Het voorloper-systeem FunSearch van 2023 maakte nog losse functies. AlphaEvolve werkt met complete programma's.
Wat AlphaEvolve heeft gevonden
Tabellen vermenigvuldigen. Een tabel met getallen heet een matrix. Matrices vermenigvuldigen is de kern van veel computerwerk, ook van AI. De gewone methode vraagt voor twee 4 bij 4 matrices 64 vermenigvuldigingen. In 1969 liet Volker Strassen zien dat het met 49 kan. AlphaEvolve vond een manier met 48 vermenigvuldigingen voor matrices met complexe getallen. Volgens DeepMind verbetert dat de methode van Strassen voor dit geval.
Googles eigen systemen. AlphaEvolve vond een regel voor Borg, het programma dat werk over de datacenters van Google verdeelt. Die regel draait al meer dan een jaar en bespaart gemiddeld 0,7 procent van alle rekenkracht van Google wereldwijd. Het verbeterde ook een ontwerp voor een rekenonderdeel van een nieuwe TPU, de chip waarmee Google AI traint.
AI trainen. AlphaEvolve vond een slimmere manier om een grote matrixvermenigvuldiging op te delen. Daardoor werd één onderdeel van Gemini 23 procent sneller en duurde de training van Gemini 1 procent korter. Voor een deel van de software, FlashAttention, was de winst tot 32,5 procent. Werk dat experts weken kostte, kostte nu dagen aan automatische proeven.
Wiskunde. Op meer dan 50 open wiskundige vraagstukken evenaarde AlphaEvolve bij ongeveer driekwart de beste bekende oplossing, en bij ongeveer een vijfde ging het erbovenuit. Zo vond het een opstelling van 593 bollen die een bol in 11 dimensies raken, een nieuw record.
Wat er nu gebeurt
DeepMind start een programma voor vroege toegang voor geselecteerde wetenschappers en werkt aan een gebruiksvriendelijk scherm. Het ziet mogelijkheden in elk vakgebied waar een oplossing als programma is te schrijven en automatisch te controleren, zoals materiaalkunde en het ontwikkelen van medicijnen.
Teruggeblikt vanuit 2026
Het bijzondere aan AlphaEvolve is de kringloop. AI-modellen verbeterden software die ze zelf draaien, tot en met de training van een volgend model. Eén procent minder trainingstijd is een bescheiden winst, maar het is een van de eerste concrete voorbeelden van AI die helpt bij het maken van betere AI. Het gaat om werk dat een mens kan nakijken: elk programma krijgt een score van een rekenregel.
Een maand later, in juni 2025, volgde bij DeepMind AlphaGenome, en in juli 2025 haalde een model van Google goud op de Internationale Wiskunde-Olympiade. Dat zijn andere werkterreinen, maar de lijn is dezelfde: AI die zelf nieuwe oplossingen vindt in gebieden waar vakmensen die kunnen beoordelen.
