La herramienta impulsada por Gemini pasó de ser un experimento científico a integrarse en infraestructura crítica de Google y en empresas como Klarna, Schrödinger y WPP
Google DeepMind reveló el alcance real de AlphaEvolve, su agente de codificación basado en el modelo Gemini, un año después de su lanzamiento. La herramienta, diseñada para descubrir y optimizar algoritmos de forma autónoma, ha escalado desde problemas matemáticos abiertos hasta aplicaciones comerciales en finanzas, semiconductores, logística y ciencias de la vida.
De la investigación a la infraestructura
AlphaEvolve ha dejado de ser una herramienta en fase de prueba para convertirse en un componente central de la infraestructura de Google. Uno de sus logros más llamativos ocurrió en el diseño de chips: el sistema propuso un diseño de circuito tan contraintuitivo que fue integrado directamente en el silicio de la próxima generación de TPUs, las unidades de procesamiento tensorial que alimentan los sistemas de IA de la compañía.
Además, AlphaEvolve mejoró la eficiencia de Google Spanner reduciendo la «amplificación de escritura» en un 20%, y aportó estrategias de optimización de compiladores que redujeron el tamaño del software en casi un 9%.
Ciencia y matemáticas de frontera
En física cuántica, las optimizaciones de AlphaEvolve permitieron ejecutar simulaciones moleculares complejas en el procesador cuántico Willow de Google, proponiendo circuitos con una tasa de error 10 veces menor que los métodos convencionales.
En genómica, el sistema mejoró DeepConsensus, un modelo de Google Research para corregir errores en secuenciación de ADN, logrando una reducción del 30% en errores de detección de variantes genéticas. La empresa de biotecnología PacBio ya aplica estos resultados en sus instrumentos de secuenciación.
El matemático Terence Tao, de UCLA, colaboró con el equipo y destacó que AlphaEvolve permite probar contraejemplos en problemas de optimización con una velocidad que mejora significativamente la intuición matemática y facilita la elaboración de demostraciones rigurosas.
Aplicaciones comerciales
A través de Google Cloud, AlphaEvolve ya está disponible para empresas externas. Entre los casos documentados destacan: la fintech Klarna, que duplicó la velocidad de entrenamiento de uno de sus modelos transformer; la empresa de logística FM Logistic, que obtuvo una mejora del 10.4% en eficiencia de rutas, lo que equivale a más de 15,000 kilómetros menos recorridos al año; y Schrödinger, especializada en simulación molecular, que logró una aceleración de cuatro veces en sus modelos de fuerzas de aprendizaje automático, con impacto directo en ciclos de descubrimiento de fármacos.
Perspectivas
Google DeepMind señaló que el objetivo a mediano plazo es llevar AlphaEvolve a un conjunto aún más amplio de desafíos externos, con la premisa de que los próximos grandes avances científicos serán impulsados por algoritmos capaces de aprender, evolucionar y optimizarse de manera autónoma.
