Lo último de Google DeepMind es AlphaEvolve, una IA que aprende sin profesores

Una revolución para la forma en que resolvemos problemas complejos, ya sean científicos, matemáticos o tecnológicos. Es lo que promete AlphaEvolve, el nuevo modelo de inteligencia artificial desarrollado por Google DeepMind, que parte de un enfoque diferente al empleado hasta ahora en la creación de estos modelos.

Lo habitual era partir de un método de aprendizaje similar al que empleamos los humanos; automatizado e infinitamente más veloz que el que cualquier persona pudiera alcanzar, pero aprendizaje al fin y al cabo.

AlphaEvolve, como su propio nombre indica, no se sirve del aprendizaje clásico, sino de una especie de evolución artificial, una simulación de la selección natural que permite que, como explican sus creadores, el sistema se descubra poco a poco a sí mismo.

Solo las mejores ideas

En esencia, AlphaEvolve combina dos elementos clave: por un lado, el poder creativo de los modelos de lenguaje (LLM) como los que están detrás de los chatbots más avanzados; por otro, un proceso evolutivo que filtra, selecciona y mejora de forma automática las soluciones propuestas.

A diferencia de otros sistemas basados en aprendizaje profundo, aquí no hay retropropagación, no hay profesores que corrigen errores, sino un entorno competitivo en el que solo sobreviven las mejores ideas.

“Es bastante espectacular”, ha dicho Mario Krenn, director del laboratorio Artificial Scientist del Instituto Max Planck en Alemania en un artículo publicado en Nature. “Creo que AlphaEvolve es la primera demostración exitosa de nuevos descubrimientos obtenidos a partir de modelos de lenguaje de propósito general”.

De los laboratorios a la vida real

AlphaEvolve no se ha quedado en pruebas de laboratorio. Según ha explicado Pushmeet Kohli, jefe del área científica de DeepMind, la herramienta ya se ha aplicado a desafíos reales dentro de la propia infraestructura de Google.

Por ejemplo, ha contribuido a mejorar el diseño de chips de procesamiento para inteligencia artificial (los llamados Tensor Processing Units, o TPU) y ha optimizado el uso de la capacidad informática mundial de la empresa, permitiendo un ahorro de recursos de aproximadamente un 0,7%. Puede parecer poco, pero a escala de Google, eso equivale a millones de dólares y un impacto significativo en eficiencia energética.

La clave de este éxito está en su enfoque. AlphaEvolve no se limita a generar soluciones, sino que las somete a un ciclo continuo de mejora.

El proceso comienza con una pregunta planteada por un humano, junto con unos criterios de evaluación y una solución inicial. A partir de ahí, el modelo de lenguaje genera cientos -o miles- de variantes, y un evaluador automatizado puntúa cada una según su rendimiento. Las mejores pasan a la siguiente generación y el proceso se repite, dando lugar a algoritmos cada vez más eficaces.

Propósito general

Lo que diferencia a AlphaEvolve de otros sistemas, incluidos los también desarrollados por DeepMind como AlphaFold o AlphaZero, es su versatilidad. Mientras que esos modelos fueron diseñados específicamente para tareas concretas (predicción de estructuras de proteínas en el primer caso, juego de ajedrez o Go en el segundo), AlphaEvolve es de propósito general. Puede generar código para resolver problemas en múltiples dominios: desde matemáticas puras hasta planificación de recursos en centros de datos.

Ejemplos de su capacidad

Un ejemplo simbólico es su avance en un problema matemático abierto desde 1969: la multiplicación de matrices de 4x4. El algoritmo más rápido hasta la fecha había sido desarrollado por el matemático alemán Volker Strassen.

AlphaEvolve ha logrado una mejora sobre ese método, encontrando una forma de realizar esta operación con un número menor de multiplicaciones. Y lo ha hecho sin haber sido programado específicamente para ello, solo a través del proceso evolutivo y la generación de código a partir del lenguaje.

“Exploramos un conjunto muy diverso de formas posibles de resolver un problema”, ha explicado Matej Balog, uno de los investigadores principales del proyecto. El sistema no se conforma con afinar una sola solución, sino que genera y prueba enfoques radicalmente distintos, como si pensara fuera de la caja por su cuenta.

Una inteligencia que se adapta y mejora

El sistema se basa en la familia de modelos Gemini, los más avanzados desarrollados por Google DeepMind. Y como parte de su arquitectura evolutiva, puede mutar fragmentos enteros de código, recombinarlos, descartar los que no funcionan y reforzar aquellos que muestran potencial.

De ahí el nombre AlphaEvolve: no es un simple generador de respuestas, sino un agente que explora, selecciona y mejora de forma iterativa, como haría una población de organismos enfrentándose a un entorno cambiante.

Uno de los aspectos más prometedores es que AlphaEvolve ha demostrado poder generar heurísticas -reglas prácticas- más eficaces que las diseñadas por ingenieros humanos.

Por ejemplo, descubrió una fórmula para asignar tareas en los centros de datos de Google que reduce el desperdicio de recursos informáticos. La solución, sorprendentemente simple, ha sido ya implementada en la infraestructura de la compañía y valida la capacidad de este enfoque para aportar beneficios tangibles.

El papel de la IA en la investigación científica

Más allá de los avances técnicos, AlphaEvolve plantea preguntas profundas sobre el papel de la inteligencia artificial en la investigación científica.

Hasta ahora, la mayoría de los éxitos en este campo han dependido de sistemas hechos a medida para cada problema. AlphaEvolve rompe con esa tradición. Su capacidad para generar código eficaz, partiendo solo de una definición del problema y unos criterios de evaluación, sugiere que podríamos estar ante una nueva forma de hacer ciencia: más automática, más rápida, más diversa.

No reemplazará a los investigadores humanos, pero sí puede convertirse en una herramienta de colaboración poderosa. De hecho, DeepMind ha trabajado en este proyecto junto a matemáticos como Terence Tao y Javier Gómez Serrano, que han ayudado a plantear problemas adecuados para este tipo de sistema.

AlphaEvolve no solo representa un logro técnico, sino también invita a explorar las posibilidades de la sinergia entre la intuición humana y la creatividad computacional.

Si la evolución natural dio lugar a la inteligencia humana, tal vez la evolución artificial pueda ser la clave de la próxima revolución científica.