谷歌AlphaEvolve的数学能力堪比AlphaGo“神之一手”？

数学能力几乎媲美AlphaGo的围棋水平？这是研究员对AlphaEvolve的最新评价。不久前，谷歌DeepMind联合多位顶尖科学家推出了“通用科学人工智能”AlphaEvolve，直接刷新了56年来4x4矩阵乘法效率的基准，从49次标量乘法降至48次。

这一突破被形容为“神之一手”的第37步。别看只是减少一次乘法，它背后的意义重大——更快的矩阵乘法算法不仅能解决复杂数学问题，还能提升芯片设计、数据中心及AI训练效率。在谷歌内部测试中，AlphaEvolve使Gemini架构的大型矩阵乘法加速23%，训练时间缩短1%，并让FlashAttention提速32.5%。

AlphaEvolve是如何实现的？它基于Alpha Tensor框架，融合进化算法，完全放开限制，自由探索更高效的算法。与传统方法不同，它不受预设规则约束，避免陷入局部最优。最终，AlphaEvolve意外发现适用于复数矩阵的48次算法，不仅在复数域有效，实数域同样适用，并通过了严格验证。

尽管如此，AlphaEvolve在更大规模矩阵（如5×5、6×6）上未能超越现有最优解，可能因搜索空间过大，缺乏特定归纳偏置。不过，其开箱即用的优势显著，研究员表示它不仅能推动数学发现，还能直接部署到谷歌的关键计算堆栈中。

AlphaEvolve的核心技术依托进化算法框架，结合Gemini Flash和Gemini Pro模型。Gemini Flash负责快速处理海量数据，Gemini Pro则深入挖掘潜在规律。系统通过自动化评估和异步分布式架构，不断优化算法性能。

研究人员总结了AlphaEvolve的三大发现：性能受益于基础模型提升；具备递归自我改进潜力；资源消耗高度灵活。这项技术正逐步形成人机协作的优化闭环，网友评价其为“催生真正新技术的技术”。