Пятьдесят лет назад двое молодых математиков спорили за кофе и нашли хитро́сть: матрицы можно перемножать семью умножениями вместо восьми. Формула Штрассена мгновенно перекочевала в учебники, а потом в каждый видеочип. Благодаря ей ускорились графика, обработка сигналов, тренировка нейросетей — всё, где крутятся огромные массивы чисел.

С тех пор рекорд не двигался: лучшие умы перебрали все понятные приёмы, а ручной перебор новых идей занял бы годы. При этом вокруг лежат десятки похожих задач — расписания серверов, оптимальные маршруты, загадки теории чисел — и все упёрлись в потолок «человеческой смекалки».

Чтобы потолок снова треснул, в Google собрали агента AlphaEvolve. Он работает как электронный селекционер. Gemini Flash сочиняет сотни крошечных программ-идей, Gemini Pro тут же гоняет их на тестах, слабые отбрасывает. Выжившие куски кода «скрещиваются», параметры слегка мутируют — и цикл повторяется всю ночь без участия людей.

Первый выхлоп: агент сократил ещё одну операцию в алгоритме Штрассена. Для дата-центров это сразу минус киловатты и короче время обучения моделей. Дальше цепная реакция: AlphaEvolve придумал расписание, которое загрузило серверы Google на 0,7 % плотнее; на критичном ядре тренировки Gemini выжал 23 % скорости; в макете будущего TPU нашёл короче проводники и проверил, что всё компилируется.

Чтобы проверить, не счастливый ли это случай, агенту дали пять десятков открытых математических задач из геометрии, комбинаторики и теории чисел. В трёх из четырёх кейсов он воспроизвёл лучший мировой результат, а в каждой пятой задаче улучшил рекорд: например, разместил 593 сферы в 11-мерном пространстве, подняв знаменитый «kissing number», и нашёл короче Голомбову линейку на 29 отметок.

И что?

ИИ перестаёт писать код «как человек» и начинает добывать проценты роста прямо из математики.

— Бизнес может сэкономить на железе и штатах PhD: запустить цикл эволюции на паре A100 дешевле, чем строить новую серверную.
— Продукты, чей selling point — «мы оптимизируем графики и расписания», услышат вопрос: почему не AlphaEvolve?
— Инвестору стоит смотреть на команды, которые умеют скрещивать алгоритмы, а не только прикручивать готовые модели. Настоящая альфа теперь сидит в формуле, которая режет издержки, а не в очередном дэшборде.

PDF в коментариях