AlphaEvolve, Klarna и Schrödinger ускорили ИИ с помощью инструментов Google

Компания Google перевела экспериментальный проект AlphaEvolve в статус ключевого элемента инфраструктуры и теперь активно применяет его для оптимизации аппаратных чипов TPU. Инструмент помог найти более эффективные стратегии замены кэш-памяти, за два дня сделав то, что ранее занимало месяцы ручного труда. Глава исследовательского направления Джефф Дин отметил, что система предложила для TPU принципиально новые схемотехнические решения, которые напрямую внедрили в кремний. Технология также улучшила работу системы Spanner, снизив количество бесполезных записей в хранилище на 20% и уменьшив занимаемое программным обеспечением пространство на 9%. Теперь компания расширяет использование алгоритмов AlphaEvolve и в коммерческом секторе, работая совместно с Google Cloud. Финансовый сервис Klarna вдвое ускрил обучение огромных трансформерных моделей без потери качества, а Substrate в полупроводниковой промышленности значительно ускорил вычисления при создании литографических масок. Логистическая компания FM Logistic решила задачи маршрутизации, сократив годовые пробег транспорта на 15 000 километров, а рекламный холдинг WPP повысил точность таргетинга на 10% при работе с многомерными данными кампаний. В сфере науки Schrödinger ускорил в четыре раза как обучение, так и работу предсказательных полей для моделирования химических реакций. Габриэль Маркес из Schrödinger подчеркнул, что новые скорости позволяют сокращать сроки разработки лекарств и материалов, проверяя кандидаты за дни вместо месяцев. Система продолжает доказывать, что следующие прорывы будут создавать алгоритмы, способные самостоятельно учиться и оптимизировать процессы. Разработку инструмента возглавил Матей Балог и команда из Google DeepMind и Google Research, с поддержкой множества экспертов из разных отделов компании, включая руководство с Сандером Пичаем.