Google 打破 56 年未解的數學難題！新一代 AI「AlphaEvolve」自創演算法，刷新科學探索邊界

AI 不只會下棋、畫圖或寫程式，現在甚至能挑戰人類數十年無解的數學難題。

Google DeepMind 最新公開的 AI 系統 AlphaEvolve，是一種具備「演化能力」的通用程式設計智能體，可自動搜尋並優化各類數學與工程演算法。最令人震驚的是，AlphaEvolve 成功改寫了數學界長達 56 年無解的經典問題——4x4 複數矩陣乘法最少乘法次數，提出史上首個僅需 48 次乘法的新解法。

AlphaEvolve 是什麼？一個會「進化演算法」的 AI

不同於傳統以強化學習為核心的 AlphaGo、AlphaFold，AlphaEvolve 是一個更通用的「程式搜尋系統」，能將問題以程式方式表達，並透過函數對解法進行自動評估與優化。只要能定義「好壞」的衡量標準（例如速度、準確率、效率等），AlphaEvolve 就能不斷產出新方案、驗證、打分、迭代演進。

Google 利用 Gemini Flash 與 Gemini Pro 雙模型架構，前者快速生成大量程式草案，後者提供更深層邏輯建議，再由自動評估系統對每個候選程式進行驗證與打分，讓 AlphaEvolve 像自然界演化般「篩選」出更強的解法。

超越人類解法！成功攻克 4x4 複數矩陣問題

AlphaEvolve 在多達 50 多個數學難題上進行測試，在 20% 的題目中找出了比人類更優的解法。最具代表性的成果是提出 僅用 48 次乘法即可完成 4×4 複數矩陣相乘 的算法，打破 56 年來的紀錄。

這不只是一個技術成就，更代表著 AI 開始能夠協助人類探索未知的理論數學領域。

工程應用也大有斬獲

除了數學研究，AlphaEvolve 也已被實際用於 Google 內部，例如：

• 為 Borg 系統設計更高效的資源調度演算法

• 優化訓練大型語言模型所用的矩陣乘法內核

• 改寫 TPU 晶片內部運算邏輯

• 加速 Transformer 模型的注意力機制

這些應用橫跨晶片、排程、AI 訓練與系統架構，凸顯其「只要能程式化、能打分，就能優化」的廣泛潛力。

DeepMind 的研究員形容 AlphaEvolve 是一個「可編排、可擴展」的演算法搜尋框架，而不只是程式碼優化工具。就像 AlphaGo 讓人類重新理解圍棋的邊界，AlphaEvolve 也讓我們意識到：那些看似穩定的數學知識，或許還遠不及真相的冰山一角。