DeepMind, AlphaEvolve adlı yeni yapay zeka sistemiyle dikkatleri üzerine çekiyor.
Yapay zeka araştırmalarıyla bilinen DeepMind, makine tarafından değerlendirilebilir çözümler üretebilen yeni sistemi AlphaEvolve’u tanıttı. Bu sistem, Google’ın kendi yapay zeka modellerini eğitirken kullandığı altyapıyı optimize etmekte kullanılabiliyor.
DeepMind, AlphaEvolve ile kullanıcıların etkileşim kurabileceği bir arayüz üzerinde çalıştıklarını ve seçilmiş akademisyenler için bir erken erişim programı başlatmayı planladıklarını açıkladı.
Mevcut yapay zeka modellerinin sıkça karşılaştığı “halüsinasyon” yani hatalı ama özgüvenli cevaplar üretme sorunu, AlphaEvolve’un geliştirilmesindeki temel motivasyonlardan biri. OpenAI’ın o3 modeli gibi yeni nesil yapay zekalarda bu sorun daha da öne çıkarken, AlphaEvolve, otomatik değerlendirme sistemi ile bu duruma çözüm getirmeyi hedefliyor. Sistem, ürettiği cevapları çeşitli olasılıklara göre analiz ediyor ve doğruluklarını otomatik olarak puanlıyor.
DeepMind, benzer tekniklerin geçmişte de denendiğini kabul ediyor. Ancak AlphaEvolve’un, en güncel Gemini modelleri ile çalışması sayesinde rakiplerinden daha yetenekli olduğunu savunuyor.
AlphaEvolve’a bir problem tanımlandığında, kullanıcılar ayrıca isteğe bağlı olarak talimatlar, denklemler, kod parçaları ya da ilgili akademik kaynakları da sunabiliyor. Ancak sistem yalnızca kendi kendini değerlendirebileceği, algoritmalarla ifade edilebilen problemleri çözebiliyor. Bu da onu daha çok bilgisayar bilimi ve sistem optimizasyonu gibi alanlarla sınırlı kılıyor; sayısal olmayan problemlerde kullanımı ise oldukça sınırlı.
DeepMind, AlphaEvolve’u geometri ve kombinatorik gibi farklı matematik dallarındaki yaklaşık 50 problem üzerinde test etti. Sonuçlar dikkat çekici: Sistem, bu problemlerin %75’inde bilinen en iyi çözümleri yeniden keşfetti; %20’sinde ise daha iyi sonuçlar üretti.
AlphaEvolve, yalnızca teorik testlerde değil, pratik uygulamalarda da denendi. Örneğin Google veri merkezlerinin verimliliğini artırmak için kullanılan sistem, küresel bilgi işlem kaynaklarının %0,7’sini sürekli olarak geri kazanmayı başaran bir algoritma önerdi. Ayrıca Gemini modellerinin eğitim sürelerini %1 oranında azaltacak bir optimizasyon sundu.
Henüz çığır açan keşifler yapmasa da, AlphaEvolve’un potansiyeli büyük. Örneğin, Google’ın TPU çip tasarımıyla ilgili sunduğu iyileştirme daha önce başka sistemler tarafından da bulunmuştu. Ancak DeepMind’a göre bu sistemin esas katkısı, araştırmacıların zamanını daha verimli kullanmasını sağlayarak onları daha karmaşık ve kritik problemlere yönlendirmesi.