AlphaEvolve von Google DeepMind ist ein wichtiges Beispiel dafür, dass KI möglicherweise rekursive Selbstverbesserung erreichen kann, also selbst fortschrittlichere KI entwerfen kann.
Das System nutzt Gemini, ein leistungsstarkes KI-Modell, um kreativ neue algorithmische „Ideen“ zu erzeugen, und testet und verbessert diese anschließend wiederholt mithilfe eines automatisierten Bewertungssystems und eines evolutionären Frameworks.
Der Kern von AlphaEvolve besteht darin, dass die KI nicht nur bestehenden Code optimiert, sondern neue Algorithmen selbst entwirft und weiterentwickelt. Wenn Gemini zunächst Algorithmus-Code zur Lösung eines Problems erzeugt, bewertet AlphaEvolve diesen, wählt die vielversprechendsten Versionen aus und entwickelt sie – ähnlich der biologischen Evolution – schrittweise zu besseren Lösungen weiter.
Wird ein solcher Ansatz darauf angewendet, dass KI ihre eigenen oder die Kernalgorithmen anderer KI-Systeme verbessert, birgt er das Potenzial, eine Schleife rekursiver Selbstverbesserung zu bilden, in der sich die Leistungsfähigkeit von KI exponentiell auf Basis ihrer eigenen Fortschritte steigern kann. Der Fall, in dem die Effizienz von Googles Rechenzentrums-Betriebssystem „Borg“ deutlich verbessert wurde, belegt, dass AlphaEvolve bereits auf komplexe reale Probleme angewendet werden kann und Lösungen hervorbringt, die von Menschen entwickelte bestehende Systeme übertreffen. Das deutet darauf hin, dass KI künftig das Design und die Lernweise von KI selbst revolutionieren und die Beschleunigung ihrer eigenen Intelligenz vorantreiben könnte.
1 Kommentare
Besonders beeindruckend finde ich den Teil, dass der Algorithmus für Matrixmultiplikation nach 56 Jahren verbessert wurde.