گوگل از سیستم جدید خود به نام AlphaEvolve رونمایی کرده که نشان دهنده انتقال یک عامل هوش مصنوعی از آزمایشگاه به محیط تولید است. این سیستم، که توسط شرکت DeepMind گوگل توسعه یافته، به صورت خودکار کدهای حیاتی را بازنویسی کرده و به گونه‌ای طراحی شده که هزینه‌های خود را از طریق بهینه‌سازی منابع در داخل گوگل جبران کند. AlphaEvolve توانسته است رکورد ۵۶ ساله در ضرب ماتریس‌ها، که هسته بسیاری از بارهای کاری یادگیری ماشین است، را بشکند و همچنین ۰.۷ درصد از ظرفیت محاسباتی مراکز داده جهانی گوگل را بازپس‌گیرد.
این قابلیت‌ها مهم هستند، اما درس عمیق‌تری که برای رهبران فناوری اطلاعات سازمان‌ها وجود دارد، نحوه عملکرد AlphaEvolve است. معماری آن شامل یک کنترل‌کننده، مدل‌های سریع، مدل‌های تفکر عمیق، ارزیاب‌های خودکار و حافظه نسخه‌ای است که نشان‌دهنده زیرساختی منسجم برای ایجاد و پیاده‌سازی عوامل خودکار به صورت مقیاس‌پذیر می‌باشد.
جدای از قابلیت‌های تحسین‌برانگیز، این سیستم به یک مناسب‌سازی فعل و انفعالات در سطح بالا احتیاج دارد. گوگل اعلام کرده که برنامه‌ای برای دسترسی اولیه به شرکای دانشگاهی دارد و قصد بر این است که به زودی در دسترس عموم قرار گیرد، هرچند اطلاعات بیشتری در این زمینه منتشر نشده است.
عوامل هوش مصنوعی بهینه‌شده مانند AlphaEvolve نیاز به زیرساخت‌های مشابهی برای پردازش خودکار دارند؛ به عنوان مثال، یکی از ویژگی‌های کلیدی AlphaEvolve، فریم‌ورک ارزیابی دقیق آن است که هر تکرار پیشنهادی را براساس یک تابع ارزیابی که معیارهای قابل پردازش ماشینی را برمی‌گرداند، ارزیابی می‌کند. این فرآیند شامل آزمون‌های واحد فوق سریع قبل از ارزیابی‌های سنگین‌تر و نظرات مدل‌های بزرگ زبان است که به طور همزمان اجرا می‌شود.
این سیستم به گونه‌ای طراحی شده که به یک OS برای عوامل هوش مصنوعی شباهت دارد و توانایی بهینه‌سازی چند هدفه را داراست. به طوری که بهبودهای همزمان در مشخصات مختلف می‌تواند باعث ارتقای یک معیار خاص شود. همچنین AlphaEvolve از ریتم دو مدل برای حل مشکلات کدنویسی بهره می‌برد. اولین مدل، Gemini Flash، به سرعت پیش‌نویس‌های مختلفی را تولید می‌کند و سپس مدل دوم، Gemini Pro، این پیش‌نویس‌ها را به دقت مورد بررسی قرار می‌دهد.
جواب‌گویی به برنامه‌های خودکار از اهمیت بالایی برخوردار است و پیش بینی می‌شود که با گسترش استفاده از این عوامل در صنایع مختلف، فشار زیادی به سیستم‌های موجود وارد شود. در نهایت، بسیاری از شرکت‌ها در حال ارائه ابزارهای جدیدی برای تسهیل ذخیره‌سازی حافظه و بهینه‌سازی فرآیندها هستند.
با توجه به این تحولات، سازمان‌ها باید به زودتر از همیشه تمرکز بیشتری بر روی زیرساخت‌های هوش مصنوعی خود داشته باشند و تعهدات خود در این حوزه را جدی‌تر بگیرند. این رویکرد می‌تواند گامی مهم در راستای بهبود کیفیت خدمات و بهره‌وری در دنیای مدرن فناوری Information باشد.