Google DeepMind ha presentado oficialmente AlphaEvolve, un sistema de inteligencia artificial capaz de crear nuevos algoritmos informáticos por sí mismo. Esta tecnología revolucionaria no solo escribe código complejo, sino que ya está generando ahorros millonarios al optimizar los centros de datos de Google, mejorando sus chips y acelerando el entrenamiento de los modelos de IA Gemini.
Un asistente de IA que evoluciona código
AlphaEvolve representa un avance significativo en la capacidad de la inteligencia artificial para desarrollar software. A diferencia de otras herramientas de generación de código, este sistema combina los modelos de lenguaje Gemini de Google con un enfoque evolutivo que prueba, refina y mejora algoritmos automáticamente.
"AlphaEvolve es un agente de codificación impulsado por Gemini capaz de realizar nuevos descubrimientos en informática y matemáticas", explicó Matej Balog, investigador de Google DeepMind, según VentureBeat. "Puede descubrir algoritmos de notable complejidad, que abarcan cientos de líneas de código con estructuras lógicas sofisticadas que van mucho más allá de simples funciones".
El sistema utiliza tanto Gemini Flash (para velocidad) como Gemini Pro (para profundidad) para proponer cambios en el código existente. Estas modificaciones son evaluadas automáticamente, y las soluciones más exitosas guían la siguiente ronda de evolución, permitiendo al sistema explorar activamente el espacio de soluciones y descubrir enfoques novedosos.
Millones ahorrados en los centros de datos de Google
AlphaEvolve ya lleva más de un año funcionando discretamente dentro de la infraestructura de Google, con resultados significativos. Uno de sus algoritmos está impulsando Borg, el sistema de gestión de clústeres masivos de Google, logrando recuperar un promedio del 0,7% de los recursos informáticos globales de la empresa de forma continua.
Esta mejora de eficiencia puede parecer pequeña a simple vista, pero a la escala de Google representa un ahorro colosal en recursos computacionales y energéticos. El algoritmo desarrollado por AlphaEvolve se centra en resolver el problema de los "recursos varados" —máquinas que han agotado un tipo de recurso (como la memoria) mientras siguen teniendo otros (como la CPU) disponibles.
Una ventaja fundamental de este sistema es que produce código simple y legible para los humanos, lo que permite a los ingenieros interpretarlo, depurarlo e implementarlo fácilmente.
Optimizando el hardware y el propio entrenamiento de IA
El impacto de AlphaEvolve va más allá del software. La IA ha reescrito parte del diseño de hardware de Google, encontrando una forma de eliminar bits innecesarios en un circuito aritmético crucial para las Unidades de Procesamiento Tensorial (TPU). Los diseñadores de TPU han validado este cambio, que se incorporará en un próximo diseño de chip.
Quizás lo más impresionante es que AlphaEvolve ha mejorado los sistemas que lo alimentan. Ha optimizado un kernel de multiplicación de matrices utilizado para entrenar los modelos Gemini, logrando una aceleración del 23% para esa operación específica y reduciendo el tiempo total de entrenamiento en un 1%.
"Intentamos identificar piezas críticas que puedan acelerarse y tener el mayor impacto posible", comentó Alexander Novikov, otro investigador de DeepMind, en declaraciones a VentureBeat. "Pudimos optimizar el tiempo de ejecución práctico de [un kernel vital] en un 23%, lo que se tradujo en un ahorro del 1% de extremo a extremo en toda la tarjeta de entrenamiento de Gemini".
Para sistemas de IA que se entrenan en infraestructuras computacionales masivas, esta ganancia de eficiencia supone un ahorro sustancial de energía y recursos.
Rompiendo un récord matemático de 56 años
AlphaEvolve no solo está optimizando sistemas existentes, sino que también está resolviendo problemas matemáticos que han desconcertado a expertos humanos durante décadas.
El sistema ha diseñado un novedoso procedimiento de optimización basado en gradientes que ha descubierto múltiples algoritmos nuevos de multiplicación de matrices. Uno de estos descubrimientos ha derribado un récord matemático que se mantenía desde hace 56 años.
"Lo que descubrimos, para nuestra sorpresa, para ser honesto, es que AlphaEvolve, a pesar de ser una tecnología más general, obtuvo resultados aún mejores que AlphaTensor", señaló Balog, refiriéndose al sistema especializado anterior de DeepMind para multiplicación de matrices. "Para estas matrices de cuatro por cuatro, AlphaEvolve encontró un algoritmo que supera el algoritmo de Strassen de 1969 por primera vez en ese entorno".
El avance permite multiplicar dos matrices complejas de 4×4 utilizando 48 multiplicaciones escalares en lugar de 49, un descubrimiento que había eludido a los matemáticos desde el trabajo pionero de Volker Strassen. Según el artículo de investigación, AlphaEvolve "mejora el estado del arte para 14 algoritmos de multiplicación de matrices".
Resolviendo problemas matemáticos de siglos
El alcance matemático del sistema se extiende mucho más allá de la multiplicación de matrices. Cuando se probó contra más de 50 problemas abiertos en análisis matemático, geometría, combinatoria y teoría de números, AlphaEvolve igualó las soluciones de vanguardia en aproximadamente el 75% de los casos. En aproximadamente el 20% de los casos, mejoró las mejores soluciones conocidas.
Una victoria significativa se produjo en el "problema del número de besos" (kissing number problem) —un desafío geométrico centenario para determinar cuántas esferas unitarias no superpuestas pueden tocar simultáneamente una esfera central. En 11 dimensiones, AlphaEvolve encontró una configuración con 593 esferas, rompiendo el récord anterior de 592.
El futuro de AlphaEvolve
Aunque actualmente se despliega dentro de la infraestructura de Google y en investigación matemática, el potencial de AlphaEvolve va mucho más allá. Google DeepMind prevé aplicaciones en ciencias de materiales, descubrimiento de fármacos y otros campos que requieren soluciones algorítmicas complejas.
"La mejor colaboración humano-IA puede ayudar a resolver desafíos científicos abiertos y también aplicarlos a escala de Google", dijo Novikov, destacando el potencial colaborativo del sistema.
Google DeepMind está desarrollando ahora una interfaz de usuario con su equipo de Investigación People + AI y planea lanzar un Programa de Acceso Anticipado para investigadores académicos seleccionados. La compañía también está explorando una disponibilidad más amplia en el futuro.
La flexibilidad del sistema marca una ventaja significativa. Balog señaló que "al menos anteriormente, cuando trabajaba en investigación de aprendizaje automático, no era mi experiencia que pudieras construir una herramienta científica y ver inmediatamente un impacto en el mundo real a esta escala. Esto es bastante inusual".
A medida que los modelos de lenguaje grandes avanzan, las capacidades de AlphaEvolve crecerán junto con ellos. El sistema demuestra una evolución intrigante en la propia IA —comenzando dentro de los límites digitales de los servidores de Google, optimizando el hardware y software que le da vida, y ahora extendiéndose para resolver problemas que han desafiado el intelecto humano durante décadas o siglos.
