AlphaEvolve legt eine atemberaubende Bilanz nach einem Jahr vor, und die Selbstverbesserung von KI ist nicht mehr Science-Fiction

AlphaEvolve ist schon ein Jahr seit seiner Veröffentlichung vergangen.

Gerade jetzt hat Google still und leise eine atemberaubende Jahresbilanz herausgebracht.

Wow, AlphaEvolve hat in diesem Jahr so viele Dinge erreicht –

Es hat Terence Tao bei der Lösung mathematischer Probleme geholfen, die Schaltkreise von Quantenchips neu entworfen, die Stromnetzplanung optimiert, die Medikamentensuche beschleunigt und sogar die Siliziumplattendesigns der nächsten Generation von TPUs verändert.

All dies zeigt: AlphaEvolve ist kein Laborspielzeug mehr.

Dieser von Gemini angetriebene evolutionäre Programmierintelligentagent hat es in einem Jahr geschafft, von einem Konzept in einer wissenschaftlichen Studie zu einem Teil der Kerninfrastruktur von Google zu werden.

Wie ein Netizen kommentierte: Diese rekursive Selbstverbesserung ist einfach verrückt!

Zusammen mit den besten Gehirnen der Menschheit kämpfen

Lassen Sie uns mit dem aufsehenerregendsten Teil beginnen.

Im Bereich der Genomik hat AlphaEvolve das DeepConsensus-Modell von Google optimiert und die Fehlerrate bei der Variantenerkennung der DNA-Sequenzierung um 30 % gesenkt.

Aaron Wenger, der Senior Director von PacBio, sagte, dass dies bedeutet, dass Forscher möglicherweise bisher verborgene krankheitsverursachende Mutationen entdecken können – das heißt, der von KI optimierte Algorithmus könnte dem Menschen helfen, neue lebensrettende Hinweise zu finden.

Im Bereich der Quantenrechnung hat AlphaEvolve ein neues Quanten-Schaltkreiskonzept für Googles Willow-Quantenprozessor entworfen, dessen Fehlerrate um ein ganzes Zehnfaches niedriger ist als die der herkömmlichen Optimierungsmethoden.

Achten Sie darauf, es ist nicht 10 %, sondern ein Zehnfaches. Dies hat es direkt möglich gemacht, dass eine Reihe von Molekülsimulationsexperimenten, die bisher nicht möglich waren, jetzt Realität werden können.

Was die Fachleute aber wirklich aufsehenerregend macht, ist die Mathematik.

AlphaEvolve hat zusammen mit Terence Tao ein klassisches mathematisches Problem gelöst, das von Erdős gestellt wurde.

Wer Terence Tao ist, muss nicht näher erläutert werden – er ist Preisträger des Fields-Medals, Mathematikprofessor an der UCLA und wird als einer der intelligentesten Mathematiker der Gegenwart angesehen.

Seine Einschätzung ist folgende: Werkzeuge wie AlphaEvolve bieten Mathematikern „sehr nützliche neue Fähigkeiten“, insbesondere bei Optimierungsproblemen. Es kann schnell testen, ob es Gegenbeispiele für potenzielle Ungleichungen gibt und Extremwert-Vermutungen überprüfen. „Es verbessert unsere Intuition für Probleme erheblich und macht es uns leichter, strenge Beweise zu finden.“

Dass ein KI-System einen der zehn besten Gehirne in der Mathematikgeschichte dazu bringt, von ihm „sehr nützlich“ zu sagen – das ist an sich ein historisches Signal.

Darüber hinaus hat AlphaEvolve die bisher bekannte beste Lösung des Handlungsreisendenproblems (TSP) verbessert und die untere Schranke der Ramsey-Zahlen aktualisiert.

Dies sind klassische alte Probleme der Kombinatorik, an denen Generationen von Mathematikern jahrelang gearbeitet haben. Ein KI-Programmierintelligentagent hat jedoch mit evolutionärer Suche Lösungen gefunden, die der menschlichen Intuition nie begegnet sind.

Engineering-Front: KI beginnt, ihren eigenen „Körper“ zu optimieren

Wenn man die wissenschaftlichen Durchbrüche noch als „clevere Werkzeuge“ einstufen kann, so sind die Dinge, die AlphaEvolve an der internen Infrastruktur von Google leistet, nicht mehr mit dem Wort „Werkzeug“ zu beschreiben.

Das aufsehenerregendste: AlphaEvolve hat ein „gegenintuitives“ Schaltkreiskonzept vorgeschlagen.

Wie gegenintuitiv ist dieses Konzept?

Die Chip-Engineer von Google werden wahrscheinlich zunächst denken: „Das stimmt nicht“ – aber nach den Tests stellen sie fest, dass es nicht nur richtig ist, sondern auch effizienter als die menschlichen Entwürfe.

Also hat Google eine Entscheidung getroffen: Den von der KI entworfenen Schaltkreis direkt in die Siliziumplatte der nächsten Generation von TPUs integriert.

Jeff Dean, der Chefwissenschaftler von Google, hat diese Entscheidung persönlich unterstützt.

Seine genaue Aussage war: „AlphaEvolve beginnt mit der Optimierung der Hardware an der tiefsten Ebene unseres KI-Technologiestapels. Das von ihm vorgeschlagene Schaltkreiskonzept ist so gegenintuitiv, aber dennoch so effizient, dass es direkt in die Siliziumplatte der nächsten Generation von TPUs integriert wurde. Dies ist das neueste Beispiel dafür, dass das TPU-Gehirn hilft, den Körper der nächsten Generation von TPUs zu entwerfen.“

Beachten Sie die Bedeutung dieser Aussage: TPU ist die Hardware zur Trainierung von Gemini, Gemini ist das Gehirn, das AlphaEvolve antreibt, und AlphaEvolve entwirft jetzt die nächste Generation von TPUs.

Geschäftsfront: Vom Labor in die reale Welt

Durch Google Cloud hat AlphaEvolve bereits in mehreren Branchen Eingang gefunden.

Das Finanztechnologieunternehmen Klarna hat damit sein größtes Transformer-Modell optimiert, die Trainingsgeschwindigkeit verdoppelt und gleichzeitig die Modellqualität verbessert. Das Logistikunternehmen FM Logistic hat damit die Routenplanung für das Handlungsreisendenproblem optimiert, die Effizienz um 10,4 % gesteigert und pro Jahr 15.000 Kilometer weniger gefahren. Das Rechenchemieunternehmen Schrödinger hat damit die Training und Inferenz von Molekülkraftfeldern beschleunigt, die Geschwindigkeit um etwa das Vierfache erhöht – die Screeningperiode für die Medikamentenentwicklung wurde von Monaten auf Tage verkürzt.

Als AlphaEvolve vor einem Jahr veröffentlicht wurde, war die größte Frage in der Branche: Ist dies ein beeindruckendes Demo oder ein wirklich nutzbares System?

Die Jahresbilanz nach einem Jahr gibt die Antwort: Es ist nicht nur nutzbar, sondern hat sich auch tief in die Kerninfrastruktur von Google integriert, von der Chip-Siliziumplatte bis zum Datenbankkern, von der Quantenrechnung bis in die Produktionsumgebung kommerzieller Kunden.

Die wichtigste Errungenschaft von AlphaEvolve liegt jedoch nicht in einer der oben genannten Punkte.

Lassen Sie uns die Aussage von Jeff Dean noch einmal lesen: „Das TPU-Gehirn entwirft den Körper der nächsten Generation von TPUs.“

Um es einfacher auszudrücken: Der Chip, der die KI trainiert, wird von der KI selbst neu entworfen.

Nach der Herstellung des neuen Chips wird eine stärkere KI trainiert, und die stärkere KI wird einen besseren Chip entwerfen – dies ist ein geschlossener Kreis.

KI baut KI: Rekursive Selbstverbesserung

Am gleichen Tag, an dem AlphaEvolve seine Bilanz vorlegte, hat IEEE Spectrum – eine der renommiertesten Medien im globalen Ingenieurwesen – einen ausführlichen Artikel veröffentlicht: Recursive Self-Improvement Edges Closer In AI Labs (Rekursive Selbstverbesserung nähert sich in KI-Labors der Realität).

Das Wort „rekursive Selbstverbesserung“ (RSI) war in den letzten zehn Jahren hauptsächlich in zwei Szenarien zu finden: in Warnberichten von KI-Sicherheitsforschern und in Science-Fiction-Romanen.

IEEE Spectrum hat es mit einem ganzen Sonderbericht aus diesen beiden Szenarien geholt und auf den Tisch der technischen Realität gelegt.

Was diesen Bericht wirklich aufsehenerregend macht, ist die Vorhersage von Jack Clark, dem Mitbegründer von Anthropic: Bis Ende 2028 besteht mit einer Wahrscheinlichkeit von über 60 % die Möglichkeit, dass ein KI-System seine eigene nächste Generation vollständig autonom trainieren kann.

In seiner Newsletter-Import AI Nummer 455 schrieb er, dass er mehrere Wochen damit verbracht habe, Hunderte von öffentlichen Datenquellen zu lesen, und schließlich zu diesem Schluss gekommen sei.

Er gestand, dass er „unsicher sei, ob die Gesellschaft sich darauf vorbereitet hat“.

Dies ist keine leichte Bemerkung auf Twitter. Clark ist Mitbegründer von Anthropic und einer der einflussreichsten öffentlichen Intellektuellen im Bereich KI-Sicherheit und -Politik.

Wenn eine Person wie er zugeben muss, dass „erste Anzeichen bereits vorhanden sind“, ist das an sich ein Signal.

Jetzt liegen drei Indizien auf dem Tisch.

Anthropic gibt zu, dass Claude Code den größten