数学能力突破，AlphaEvolve超越AlphaGo围棋水平！
最近，谷歌DeepMind联合顶尖科学家团队推出了名为AlphaEvolve的“通用科学人工智能”，这一成果在数学领域取得了令人瞩目的成就。就在不久前，AlphaEvolve成功打破了矩阵乘法领域的效率基准，引发行业内巨大震动。这一成就甚至被一位谷歌前员工比作传说中的“神之一手”。
具体地说，AlphaEvolve在4×4矩阵乘法领域实现了突破，将原本需要49次标量乘法的效率基准降低到了48次。这一数字看似微小，但却代表着更快速的矩阵乘法算法，其意义深远。这一技术不仅可以解决复杂的数学难题，还能用于改进芯片设计、提高数据中心和AI训练的效率。
那么，AlphaEvolve是如何实现这一突破的呢？背后隐藏着哪些核心技术原理？在AlphaEvolve发布后，知名播客《Machine Learning Street Talk》迅速采访到了其背后的两位核心研究员。
通过与研究员的交谈，我们了解到AlphaEvolve的一大作用在于推进数学和算法发现的前沿。其中最重要的成果之一就是改进了Strassen于1969年提出的算法，发现了一种使用48次标量乘法对4×4复值矩阵进行乘法运算的新算法。
这一突破的取得，离不开AlphaTensor这个强化学习Agent的帮助。AlphaTensor是AlphaZero的升级版，而AlphaZero本身就是基于AlphaGo技术打造的。但AlphaTensor虽然能发现一些更快的算法，其应用范围仅限于布尔矩阵，对于普通实数/复数矩阵并无突破。于是，AlphaEvolve在AlphaTensor的基础上引入了进化算法，通过迭成、评估和优化候选算法来探索更优解。
与传统算法的“对称性陷阱”不同，AlphaEvolve不依赖预设的“经验法则”或“设计套路”，而是完全放开限制自由探索。当研究人员让AlphaEvolve搜索复数矩阵乘法算法时，他们意外发现复数算法在实数域同样有效。于是进一步扩大搜索空间，最终找到了只需48次乘法的复数算法，优于Strassen递归的49次。
除了在数学领域的成就，AlphaEvolve还具有开箱即用的优势。研究员表示，它不仅能用于数学和科学问题的新发现，还能找到可以直接部署到谷歌关键计算堆栈中的算法。其高级架构是一种进化算法，能够自动评价代码的好坏并继续迭代。
AlphaEvolve还以Gemini Flash和Gemini Pro模型为基础，调用二者的功能来提升效率和深度理解。进化算法框架、自动化评估系统以及异步分布式运行架构等技术也为AlphaEvolve的优化创新提供了强大的支持。
AlphaEvolve的重要性已经被广大网友所意识到：我们正在开发一项能够催生真正新技术的技术。其对于数学和算法领域的贡献，将会在未来持续推动科学技术的发展。
参考链接：
[链接暂时缺失]
