
5 hazañas impresionantes del nuevo agente de codificación de IA autoevolucionable de DeepMind
Los sistemas de IA de Google DeepMind han dado grandes pasos científicos en los últimos años, desde predecir las estructuras 3D de casi todas las proteínas conocidas en el universo hasta pronosticar el clima con mayor precisión que nunca.
El laboratorio con sede en el Reino Unido presentó hoy su último avance: AlphaEvolve, un agente de codificación de IA que mejora los modelos de lenguaje grande (LLM) como Gemini para resolver problemas matemáticos y de computación complejos.
AlphaEvolve funciona con los mismos modelos que está tratando de mejorar. Usando Gemini, el agente propone programas, escritos en código — que intentan resolver un problema determinado. Ejecuta cada fragmento de código a través de pruebas automatizadas que evalúan qué tan preciso, eficiente o novedoso es. AlphaEvolve mantiene los fragmentos de código de mayor rendimiento y los utiliza como base para la próxima ronda de generación. A lo largo de muchos ciclos, este proceso "evoluciona" cada vez mejores soluciones. En esencia, es una IA que evoluciona por sí misma.
DeepMind ya ha utilizado AlphaEvolve para abordar el uso de energía del centro de datos, diseñar mejores chips y acelerar el entrenamiento de IA. Aquí están cinco de sus principales hazañas hasta ahora.
1. Descubrió nuevas soluciones a algunos de los problemas matemáticos más difíciles del mundo
AlphaEvolve se puso a prueba en más de 50 problemas abiertos en matemáticas, desde combinatoria hasta teoría de números. En el 20% de los casos, mejoró las soluciones más conocidas para ellos.
Uno de esos fue el problema del número de besos de 300 años. En el espacio de 11 dimensiones, AlphaEvolve descubrió un nuevo límite inferior con una configuración de 593 esferas, un progreso que ni siquiera los matemáticos expertos habían alcanzado.
2. Hizo que los centros de datos de Google fueran más eficientes
El agente de IA ideó una forma de administrar mejor la programación de energía en los centros de datos de Google. Eso le ha permitido al gigante tecnológico mejorar la eficiencia energética de su centro de datos en un 0,7% durante el último año, un ahorro significativo de costos y energía dado el tamaño de la operación de su centro de datos.
3. Ayudó a entrenar a Géminis más rápido
AlphaEvolve mejoró la forma en que las multiplicaciones matriciales se dividen en subproblemas, una operación central en el entrenamiento de modelos de IA como Gemini. Esa optimización aceleró el proceso en un 23%, reduciendo el tiempo total de entrenamiento de Gemini en un 1%. En el mundo de la IA generativa, cada punto porcentual puede traducirse en ahorros de costos y energía.
4. Codiseñó parte del próximo chip de IA de Google
El agente también está usando sus habilidades de escritura de código para reconfigurar las cosas en el mundo físico. Reescribió una parte de un circuito aritmético en Verilog, un lenguaje utilizado para el diseño de chips, haciéndolo más eficiente. Esa misma lógica ahora se está utilizando para desarrollar la futura TPU (Unidad de Procesamiento Tensor) de Google, un chip avanzado para el aprendizaje automático.
5. Venció a un algoritmo legendario de 1969
Durante décadas, el algoritmo de Strassen fue el estándar de oro para multiplicar matrices complejas 4×4. AlphaEvolve encontró una solución más eficiente: usar menos multiplicaciones escalares. Esto podría conducir a LLM más avanzadas, que dependen en gran medida de la multiplicación de matrices para funcionar.
Según DeepMind, estas hazañas son solo la punta del iceberg para AlphaEvolve. El laboratorio prevé que el agente resuelva innumerables problemas, desde descubrir nuevos materiales y medicamentos hasta agilizar las operaciones comerciales.
La evolución de la IA será un tema candente en la Conferencia TNW, que tendrá lugar del 19 al 20 de junio en Ámsterdam. Las entradas para el evento ya están a la venta: use el código TNWXMEDIA2025 al finalizar la compra para obtener un 30% de descuento.
Otros artículos




5 hazañas impresionantes del nuevo agente de codificación de IA autoevolucionable de DeepMind
AlphaEvolve hace que los modelos de lenguaje grandes (LLM) como Gemini sean mejores para resolver problemas matemáticos y de computación complejos.