56 年无人解开的数学难题，被谷歌的新 AI 突破了

124 0 0

文章摘要

Google DeepMind 最新发布的编程智能体 AlphaEvolve 标志着人工智能在算法发现和优化领域的重大突破。与传统的编程工具不同，AlphaEvolve 专注于通用算法的自动发现与持续优化，模拟自然选择机制，通过迭代和演化生成创新算法。AlphaEvolve 的核心能力在于其自动进化机制，能够在无需人类直接干预的情况下，持续优化算法并提升性能。它通过提示采样器引导语言模型生成代码，并结合自动评估系统对程序进行验证、运行和打分，不断迭代出更优解。

AlphaEvolve 的应用范围广泛，已在组合数学、几何学、数论等超过 50 个未解问题中取得突破。在约 20% 的问题上，AlphaEvolve 超越了人类现有解法，其中最引人注目的是它提出了历史上第一个能用 48 次乘法完成 4×4 复数矩阵乘法的算法，打破了 56 年未被突破的记录。此外，AlphaEvolve 还在数学界研究了 300 多年的「接吻数问题」中，构造出由 593 个球体组成的新结构，在 11 维空间中刷新了下界。

AlphaEvolve 的技术路线可追溯到 DeepMind 早期提出的 FunSearch 系统，但相比 FunSearch，AlphaEvolve 的扩展性显著提升。它可以修改完整程序，处理多个函数、组件、甚至跨语言结构协同优化，而不仅限于 Python 中的单一函数。这种更高的通用性使 AlphaEvolve 不再只是一个「智能改函数」的工具，而像是一个可以自主演化大型算法系统的「程序设计伙伴」。

除了数学领域，AlphaEvolve 也已在 Google 内部实际落地应用，解决了计算栈中多个层面的工程问题。这些任务之间跨度极大，但都具备一个共性：问题能用程序表达、结果能用函数评估。只要这两点成立，AlphaEvolve 就可以发挥作用。例如，它为 Borg 系统设计新的调度启发式，优化大语言模型训练时使用的矩阵乘法内核，改写 TPU 芯片中的算术电路，加速 Transformer 注意力机制的执行速度。

AlphaEvolve 的发布标志着人工智能在算法设计与调优领域的进一步扩展。它提供了一种持续、可扩展的算法生成与优化能力，使「发现并改进算法」这项曾依赖个体经验的能力，开始从稀缺、手工、不可复制，变为可自动化、可规模化的智能供给。这种能力的普及将加速科研领域的探索，以无限的智能供给，让每个领域都有可能被再探索一遍。当「能被发现的算法」不再稀缺，人类对知识的征途，或许才刚刚开始。