AlphaEvolve, AI dari Google yang Mampu Membuat Algoritma Sendiri
Google DeepMind baru mengumumkan AlphaEvolve, sebuah agen AI yang mampu menciptakan algoritma baru menggunakan model bahasa Gemini. AlphaEvolve menggabungkan kemampuan Gemini dengan sistem evaluasi otomatis yang memeriksa kebenaran solusi. Sistem ini bekerja mirip dengan prinsip evolusi, terus memperbaiki algoritma yang menjanjikan hingga menemukan solusi optimal.
AlphaEvolve dapat diterapkan pada berbagai masalah yang bisa dijelaskan sebagai algoritma dan diverifikasi otomatis. Kemampuan ini membuatnya sangat berguna untuk bidang matematika dan ilmu komputer. Penemuan ini membuka peluang baru dalam pengembangan algoritma, di mana AI bisa menciptakan solusi yang belum terpikirkan oleh manusia. Yuk, simak lebih lanjut tentang AlphaEvolve dalam artikel berikut.
1. Bagaimana AlphaEvolve bekerja?
AlphaEvolve menggunakan dua model AI secara bersamaan untuk menghasilkan algoritma. Gemini Flash yang lebih cepat digunakan untuk mengeksplorasi berbagai ide, sementara Gemini Pro yang lebih cerdas memberikan saran mendalam. Kombinasi ini memungkinkan AlphaEvolve menghasilkan beragam solusi potensial yang kemudian disempurnakan secara bertahap.
Sistem ini bekerja mirip dengan prinsip seleksi alam, di mana algoritma yang lebih baik akan bertahan dan menjadi dasar untuk pengembangan selanjutnya. AlphaEvolve menguji, memperbaiki, dan meningkatkan algoritma secara otomatis berdasarkan skor evaluasi. Proses seleksi ini berlangsung berulang kali hingga menemukan solusi terbaik.
AlphaEvolve mampu membuat program kompleks dengan ratusan baris kode dan struktur logis canggih. Kemampuan ini melampaui AI coding biasa yang umumnya hanya menghasilkan kode sederhana. Melansir VentureBeat, AlphaEvolve tidak hanya menghasilkan kode dari data pelatihannya, tetapi aktif mencari pendekatan baru melalui evaluasi otomatis.
Keunggulan utama AlphaEvolve adalah kemampuannya mengembangkan seluruh basis kode, bukan hanya fungsi tunggal. Hal ini mempersingkat waktu optimasi dari berminggu-minggu kerja pakar menjadi hanya beberapa hari. Menurut MIT Technology Review, kemampuan ini sangat berharga karena dapat diterapkan pada berbagai masalah dengan metrik evaluasi yang jelas.
2. Penggunaan AlphaEvolve pada operasional Google
AlphaEvolve telah digunakan di pusat data Google selama setahun dengan hasil mengesankan. Sistem ini berhasil menghemat 0,7 persen sumber daya komputasi Google secara global melalui algoritma penjadwalan yang lebih efisien. Penghematan ini mungkin terlihat kecil, namun pada skala operasi Google, pengurangan biayanya sangat besar.
Algoritma buatan AlphaEvolve menghasilkan kode yang mudah dibaca manusia, sehingga mudah dipahami dan diterapkan oleh para insinyur Google. Melansir blog DeepMind, kode yang mudah dipahami ini memberikan keuntungan operasional karena dapat disempurnakan lebih lanjut oleh tim pengembang.
AlphaEvolve juga berkontribusi dalam optimalisasi desain chip Tensor Processing Unit (TPU) Google. AI ini mengusulkan perubahan yang menghilangkan bit-bit tidak perlu pada sirkuit aritmatika penting untuk perkalian matriks. Namun, tim Google masih perlu memeriksa saran sebelum diintegrasikan ke dalam TPU mendatang.
Prestasi lain AlphaEvolve adalah mempercepat kernel matriks perkalian dalam arsitektur Gemini sebesar 23 persen. Sederhananya, AI ini berhasil mengurangi waktu pelatihan model Gemini sebesar 1 persen. AlphaEvolve juga mengoptimalkan instruksi GPU, mencapai peningkatan kecepatan hingga 32,5 persen untuk kernel FlashAttention. Optimalisasi ini membantu para ahli mengidentifikasi masalah kinerja dan memasukkan perbaikan ke dalam kode mereka.
3. Pencapaian AlphaEvolve di bidang matematika
AlphaEvolve mencatat prestasi mengagumkan dengan menemukan algoritma perkalian matriks kompleks 4x4 menggunakan 48 perkalian skalar. Penemuan ini mengalahkan algoritma Strassen tahun 1969 yang sebelumnya dianggap terbaik. Menurut MIT Technology Review, prestasi ini menunjukkan kemajuan penting dalam pemahaman perkalian matriks, operasi dasar yang digunakan dalam banyak aplikasi dari AI hingga grafik komputer.
Dari 50 masalah matematika terbuka yang diuji, AlphaEvolve berhasil menemukan kembali solusi terbaik di 75 persen kasus dan meningkatkan solusi yang ada di 20 persen kasus. AI ini juga mampu menyiapkan sebagian besar eksperimen hanya dalam hitungan jam, jauh lebih cepat dibanding pendekatan tradisional.
AlphaEvolve juga memecahkan "kissing number problem", masalah geometri yang telah menarik perhatian matematikawan selama 300 tahun. Masalah ini berkaitan dengan jumlah maksimum bola yang tidak tumpang tindih yang dapat menyentuh bola pusat. AlphaEvolve menemukan konfigurasi 593 bola luar dalam 11 dimensi, mengalahkan rekor sebelumnya sebanyak 592 bola.
Google DeepMind melihat potensi aplikasi AlphaEvolve yang lebih luas di luar matematika dan komputasi, termasuk ilmu material, penemuan obat, dan lingkungan. Saat ini Google sedang membangun antarmuka pengguna yang ramah untuk AlphaEvolve dan merencanakan akses awal untuk akademisi terpilih. Melihat kehebatan AlphaEvolve, kedepannya AI mungkin akan bisa membantu menyembuhkan penyakit, menjawab misteri alam hingga mempercepat laju peradaban manusia.
