Это продолжение материала про AlphaEvolve, и здесь — конкретика по…

Это продолжение материала про AlphaEvolve, и здесь — конкретика по запуску. Пушмит Кохли, главный научный сотрудник Google Cloud и вице-президент по науке в Google DeepMind, формулирует главный тезис компании: ИИ переходит от роли ассистента, который просто ускоряет работу, к роли «двигателя открытий», расширяющего то, что вообще возможно сделать. По его словам, автономно исследуя гигантские вычислительные пространства решений, такие инструменты, как AlphaEvolve, помогают находить прорывные алгоритмы, дополняющие человеческую интуицию, а не просто её имитирующие.

Технически для старта нужны всего два элемента: seed-программа — исходный алгоритм с явно помеченными участками кода, которые разрешено оптимизировать, и evaluator — детерминированный скрипт на стороне пользователя, который компилирует, тестирует и оценивает каждый сгенерированный вариант, возвращая числовые метрики. Дальше цикл простой: клиентский раннер запрашивает у API AlphaEvolve мутировавших кандидатов, прогоняет их через свой evaluator (он может крутиться где угодно) и отправляет оценки обратно, из которых AlphaEvolve выбирает следующие направления поиска.

Для входа рекомендуют идти через документацию и onboarding-гайд, начать с базовых примеров в Colab, чтобы понять эвристику, а для агентных workflow — использовать AlphaEvolve Skill прямо в IDE вроде Antigravity или Claude Code.
По сути, порог входа здесь ниже, чем можно было ожидать — не нужно быть исследователем в ML, достаточно уметь написать evaluator для своей задачи.