DeepMind放出新AI大招：竟能自我糾錯，但有致命弱點…

5月15日消息，谷歌旗下人工智能研發實驗室DeepMind宣佈研發出新型AI系統AlphaEvolve，專門攻克具有"機器可評分"解決方案的難題。

DeepMind表示，在實驗中AlphaEvolve已成功優化谷歌用於AI模型訓練的部分基礎設施。公司正在開發該系統的用戶交互界面，計劃先向特定學者開放早期測試，後續考慮全面推廣。

大多數AI模型都存在"幻覺"問題——因其概率架構特性，有時會自信地"編造"答案。值得注意的是，OpenAI的GPT-3等新一代模型的幻覺發生率較前代更高，凸顯出這一問題的複雜性。

AlphaEvolve通過引入自動評估系統這一創新機制減少幻覺發生。系統調用模型生成多種可能答案，經批判性篩選形成候選池，再自動評估答案准確性並打分。

AlphaEvolve並非首個採用該方法的系統。數年前，包括DeepMind團隊在內的研究人員就已在多個數學領域運用過類似技術。但DeepMind強調，由於AlphaEvolve採用了"尖端"的Gemini模型，其性能顯著超越早期AI系統。

使用AlphaEvolve時，用戶須向系統輸入問題，可選附上說明、公式、代碼片段及相關文獻，同時，用戶還必須提供以公式形式實現的自動評估機制。

由於AlphaEvolve只能解決可自我評估的問題，該系統目前僅適用於計算機科學和系統優化等特定類型的問題；此外，AlphaEvolve最終輸出的解決方案只能以算法形式呈現，因此難以處理非數值問題。

爲進行基準測試，DeepMind讓該系統嘗試了約50道涵蓋幾何、組合數學等領域的數學題目。據稱，AlphaEvolve能在75%的題目中“重新發現”最優解，並在20%的案例中提出改進方案。

DeepMind還將AlphaEvolve應用於實際問題評估，例如提升谷歌數據中心效率和加速模型訓練。據實驗室稱，AlphaEvolve生成的算法持續回收了谷歌全球0.7%的計算資源，其優化方案使Gemini模型的整體訓練時間縮短了1%。

需要明確的是，AlphaEvolve尚未取得突破性發現。例如在某實驗中，該系統針對谷歌TPU AI加速芯片設計提出的改進方案，實際是其他工具早前已標記過的。

不過，DeepMind與其他AI實驗室的立場一致：AlphaEvolve系統能節省專家大量時間，使專家專注於更具戰略意義的工作。（辰辰）