AlphaEvolve adalah agen pengkodean berbasis evolusi yang dirancang untuk mengembangkan algoritma canggih dengan memanfaatkan model bahasa berskala besar, termasuk Gemini. Agen ini dikembangkan oleh Google DeepMind dan diumumkan secara resmi pada Mei 2025. AlphaEvolve berfungsi sebagai sistem otomatis yang mengeksplorasi, menghasilkan, serta mengoptimalkan kode melalui pendekatan evolusi komputasional. Teknologi ini bertujuan mempercepat proses perancangan algoritma dan meningkatkan efisiensi dalam pengembangan perangkat lunak berbasis kecerdasan buatan.
Sumber: Lihat artikel asli di Wikipedia
AlphaEvolve adalah agen pengkodean berbasis evolusi yang dirancang untuk mengembangkan algoritma canggih dengan memanfaatkan model bahasa berskala besar, termasuk Gemini.[1] Agen ini dikembangkan oleh Google DeepMind dan diumumkan secara resmi pada Mei 2025. AlphaEvolve berfungsi sebagai sistem otomatis yang mengeksplorasi, menghasilkan, serta mengoptimalkan kode melalui pendekatan evolusi komputasional. Teknologi ini bertujuan mempercepat proses perancangan algoritma dan meningkatkan efisiensi dalam pengembangan perangkat lunak berbasis kecerdasan buatan.[2]
AlphaEvolve dirancang untuk secara mandiri menemukan serta memperbaiki algoritma melalui kombinasi antara model bahasa besar (large language model, LLM) dan komputasi evolusioner.[3] Sistem ini membutuhkan fungsi evaluasi yang dilengkapi dengan metrik optimasi serta algoritma awal sebagai titik dasar.[4]
Pada setiap langkah, AlphaEvolve memanfaatkan LLM untuk menghasilkan varian dari algoritma yang ada. Varian tersebut kemudian dievaluasi, dan sistem memilih algoritma yang dianggap paling efektif. Pendekatan ini membedakan AlphaEvolve dari pendahulunya yang bersifat domain-spesifik, seperti AlphaFold atau AlphaTensor, karena AlphaEvolve dirancang sebagai sistem tujuan umum.[5]
Dengan rancangan tersebut, AlphaEvolve dapat digunakan pada berbagai tugas ilmiah maupun teknik. Sistem ini mampu memodifikasi kode secara otomatis dan melakukan optimasi untuk beragam tujuan. Arsitektur AlphaEvolve juga memungkinkan evaluasi kode secara terprogram, sehingga mengurangi ketergantungan pada masukan manusia serta menekan risiko kesalahan umum, termasuk halusinasi yang kerap muncul dalam keluaran LLM konvensional.
Menurut Google, dari 50 permasalahan matematika terbuka yang diuji, AlphaEvolve mampu menemukan kembali solusi tingkat lanjut pada sekitar 75% kasus. Selain itu, pada 20% kasus, sistem ini menghasilkan solusi yang lebih baik dibandingkan pendekatan sebelumnya, termasuk dalam kemajuan pada masalah "angka ciuman".
Selain bidang matematika, AlphaEvolve juga diterapkan untuk mengoptimalkan ekosistem komputasi Google. Salah satu hasilnya adalah peningkatan heuristik dalam penjadwalan pusat data yang memungkinkan pemulihan sekitar 0,7% dari sumber daya yang tidak terpakai. Teknologi ini juga digunakan untuk mengoptimalkan desain sirkuit TPU serta kernel perkalian matriks yang mendukung pelatihan model Gemini.
Setelah publikasi AlphaEvolve, sejumlah implementasi sumber terbuka dikembangkan oleh komunitas riset. Salah satu yang menonjol adalah OpenEvolve, proyek yang dipelopori oleh Asankhaya Sharma. OpenEvolve menyediakan implementasi komprehensif dari arsitektur agen pengkodean evolusi sebagaimana dijelaskan dalam publikasi asli.[6]
OpenEvolve mencakup berbagai fitur utama, termasuk algoritma evolusi terdistribusi, dukungan multibahasa, serta integrasi dengan beragam penyedia model bahasa besar. Sistem ini telah menunjukkan penerapan praktis, misalnya dalam penemuan otomatis kernel GPU berkinerja tinggi yang mampu melampaui baseline buatan pakar. Pada salah satu contoh, OpenEvolve mencapai peningkatan kinerja rata-rata hingga 12,5% pada kernel attention transformer untuk prosesor Apple Silicon.[7]
