DeepMind发布AlphaEvolve：AI自主进化算法碾压人类数十年最优设计

2月27日，DeepMind发布最新研究成果AlphaEvolve——一套以大模型Gemini为核心的算法进化系统，通过将算法源代码视作“基因组”进行“自然选择”式迭代，进化出的全新博弈论算法在几乎所有测试场景中，完胜人类研究者耗时数十年打造的最优方案，标志着AI从“执行工具”迈向“自主创造者”的关键一步。

不同于传统AI工具仅能执行人类编写的指令，AlphaEvolve构建了一套类生物进化的闭环系统。它将算法源代码视作可迭代的“基因组”，借助DeepMind自家的多模态大模型Gemini充当“遗传算子”，完成代码的突变、重组等关键进化步骤，再通过“自然选择”机制筛选出在博弈场景中表现最优的算法个体。

更值得关注的是，这套系统进化出的算法采用了人类研究者从未设想过的反直觉逻辑——在经典博弈论框架中被认为“非理性”的决策路径，反而在复杂动态场景中展现出远超最优人类设计的稳定性与胜率。这种突破人类认知惯性的设计，正是AlphaEvolve最具颠覆性的核心。

在DeepMind开展的全系列博弈论测试中，AlphaEvolve进化出的算法在几乎所有场景中实现了对人类经典方案的全面碾压。无论是零和博弈、合作博弈还是复杂的多主体博弈，新算法的胜率、收益稳定性等核心指标均大幅领先，而这些经典方案是人类研究者耗费数十年时间、经过无数次理论推导与实验验证才确立的行业标杆。

这一结果打破了“人类在高阶策略设计上拥有绝对优势”的固有认知，证明AI不仅能在计算效率上超越人类，更能在创造性的策略设计领域开辟全新路径。此前AI在博弈领域的突破（如AlphaGo）仍基于人类已有的棋理框架，而AlphaEvolve则完全跳出了这一局限。

AlphaEvolve的意义远不止于博弈论领域的突破。这套“AI创造AI”的进化框架，未来可被应用于更多需要复杂优化的场景——从芯片设计的逻辑优化，到大型语言模型的结构迭代，甚至是生物医药领域的分子路径规划。

对于科研界而言，AlphaEvolve带来的启发更为深远：它让人类意识到，AI或许能成为科研的“合作者”而非“辅助者”，通过探索人类认知边界之外的反直觉路径，加速各领域的技术迭代。未来，这类AI自主进化系统可能会成为推动科技进步的核心动力之一。