Da tempo DeepMind, il laboratorio di ricerca avanzata di Google, lavora sull'integrazione tra AI e scienza a livello decisamente avanzati, e ora con AlphaEvolve sembra davvero aver alzato l’asticella. Non si tratta solo di una nuova versione dei chatbot basati su modelli linguistici: AlphaEvolve va ben oltre. Costruita sulla base della tecnologia Gemini – la stessa alla base delle recenti LLM di Google – questa AI introduce un sistema evolutivo capace di valutare, migliorare e addirittura inventare nuovi algoritmi, con applicazioni già concrete nel cuore dei servizi Google.
A differenza di altri strumenti che generano codice o risolvono problemi su richiesta, AlphaEvolve opera con un’architettura pensata per massimizzare l'efficienza e la precisione. Il processo avviene in più fasi: il ricercatore presenta un problema, magari insieme a soluzioni già esistenti o ipotesi di approccio; l’AI genera diverse alternative grazie all’utilizzo combinato di Gemini Flash – orientato alla velocità – e Gemini Pro – più preciso e analitico. A questo punto entra in gioco il modulo di valutazione, che seleziona le opzioni migliori e le affina attraverso un ciclo evolutivo, in modo simile a come funzionano le simulazioni genetiche.
Un elemento interessante è che AlphaEvolve non è vincolato a un singolo dominio. È pensato per affrontare problemi generici in ambito algoritmico e può essere impiegato in vari contesti, dalla scrittura di codice hardware all’ottimizzazione computazionale.
Non a caso, Google ha già impiegato AlphaEvolve nei suoi centri dati. Uno dei primi successi riguarda il sistema Borg, responsabile della gestione delle risorse nei data center. AlphaEvolve ha suggerito modifiche agli algoritmi di scheduling che hanno permesso un risparmio dello 0,7% nell’uso globale delle risorse computazionali. In termini assoluti, per un colosso come Google, si tratta di milioni di euro risparmiati ogni anno.
Ma non è tutto. L’AI ha persino superato i risultati precedenti ottenuti da AlphaTensor, risolvendo un problema di moltiplicazione di matrici complesse 4×4 con un algoritmo più efficiente di quello ideato nel 1969 dal matematico Volker Strassen. Considerato che le operazioni di moltiplicazione matriciale sono alla base del funzionamento delle AI generative, un’ottimizzazione di questo tipo potrebbe contribuire a renderle economicamente sostenibili.
L’impatto di AlphaEvolve si fa sentire anche sul fronte hardware. DeepMind ha dichiarato che l’AI ha proposto una modifica al codice Verilog del processore Tensor di nuova generazione di Google, eliminando bit superflui e aumentando così l’efficienza. Anche se la modifica è ancora in fase di verifica, si prevede che venga integrata nelle prossime versioni del chip.
Al momento, AlphaEvolve resta un progetto interno e non è disponibile al pubblico, anche se consuma meno risorse rispetto ad AlphaTensor. Tuttavia, la sua architettura modulare potrebbe ispirare versioni più leggere da integrare in strumenti di ricerca aperti.
stranzananza wifi sul windoze cablato