DeepMind, laboratorio di ricerca e sviluppo AI di Google, ha annunciato di aver sviluppato un nuovo strumento noto come AlphaEvolve, in grado di affrontare problemi scientifici e matematici di alto livello di difficoltà con soluzioni “valutabili dalle macchine”.
Le caratteristiche del nuovo strumento
L’azienda ha anche affermato di essere al lavoro per lo sviluppo di un’interfaccia utente che permetta di interagire con AlphaEvolve e per lanciare un programma di accesso anticipato per docenti universitari selezionati. Grazie ad AlphaEvolve, DeepMind conta anche sulla possibilità di poter contribuire a ottimizzare parte dell’infrastruttura utilizzata da Google per addestrare i suoi modelli di intelligenza artificiale.
La particolarità di AlphaEvolve è quella di introdurre un meccanismo avanzato per ridurre le allucinazioni dei modelli, un problema comune evidenziato di recente che caratterizza alcuni degli ultimi strumenti portandoli a produrre dei risultati errati e presentarli con grande sicurezza. Per affrontare questo rischio AlphaEvolve utilizza modelli per generare, criticare e arrivare a un insieme di possibili risposte a una domanda, valutando e assegnando automaticamente un punteggio alle risposte per verificarne l’accuratezza.
Per l’utilizzo di AlphaEvolve gli utenti devono proporre al sistema un problema che includa dettagli come istruzioni, equazioni, frammenti di codice e letteratura pertinente e un meccanismo per valutare automaticamente le risposte del sistema sotto forma di formula.
Accuratezza, precisione e duttilità
Nei test svolti da DeepMind, AlphaEvolve ha risposto con grande accuratezza e particolare efficienza. Su 50 problemi matematici selezionati che spaziano dalla geometria alla combinatoria, il nuovo strumento è stato in grado di scovare le soluzioni ai problemi nel 75% dei casi e a scoprire soluzioni migliorate nel 20% dei casi.
Ma le applicazioni di AlphaEvolve secondo le previsioni di DeepMind non si limitano a questo aspetto. Esso potrebbe anche essere utilizzano per la risoluzione o l’ottimizzazione di problemi pratici come ad esempio l’aumento dell’efficienza dei data center di Google o l’accelerazione dei tempi di addestramento dei modelli oppure, più semplicemente, può far risparmiare tempo, liberando al contempo gli esperti che possono concentrarsi su altri lavori più importanti.
Google progetta un'AI assistente di vita
Google DeepMind starebbe lavorando ad un’AI che faccia da assistente…
