Googles zelfevoluerende AI schrijft zijn eigen code
PLUS: stuur een gratis AI-agent het internet op, laat Eric Schmidts onderzoekstool 38 miljoen papers analyseren, en ontdek hoe Gemini Android overneemt
De AI-wereld ontwikkelt zich razendsnel, en AI Report houdt je op de hoogte. Twee keer per week de nieuwste ontwikkelingen, tools en inzichten via onze nieuwsbrief en podcast.
🗞️ Het belangrijkste nieuws
Googles AlphaEvolve: de zelfevoluerende AI die zijn eigen code schrijft
Google DeepMind heeft een AI-systeem ontwikkeld dat zelfstandig nieuwe algoritmes kan schrijven en verbeteren. AlphaEvolve heeft zelfs een wiskundig record verbroken dat 56 jaar onaangetast bleef, en in Googles datacenters zorgen zijn algoritmes nu al voor miljoenenbesparingen. Dit zou weleens de eerste stap kunnen zijn naar wat experts een intelligence explosion noemen – een ontwikkeling waar we eerder dit jaar al over schreven in onze analyse van het AI 2027-rapport.
Wat is AlphaEvolve?
Een veelgehoorde kritiek op moderne AI is: kunnen modellen wel écht nieuwe ideeën bedenken en uitvindingen doen, of herhalen ze alleen wat ze hebben geleerd? AlphaEvolve lijkt het antwoord te zijn op die vraag. Dit is geen doorsnee generatieve AI die bestaande code kopieert – het is een systeem dat gloednieuwe algoritmes bedenkt door code te schrijven, te evalueren en stapsgewijs te verbeteren. Het combineert de creativiteit van Googles Gemini-modellen met een evolutionaire benadering die systematisch code verfijnt tot iets beters ontstaat dan wat menselijke programmeurs hebben bedacht.
Indrukwekkende successen in de praktijk
Het systeem heeft een opmerkelijk portfolio opgebouwd sinds het stilletjes aan het werk ging bij Google:
Datacenters: het vond een algoritme dat Googles datacenters efficiënter laat draaien, waardoor continu 0,7% van de wereldwijde rekenkracht wordt bespaard – op Google-schaal een enorme winst.
Chipverbetering: het optimaliseerde het ontwerp van Googles Tensor Processing Units (TPU’s), de chips die speciaal voor AI-berekeningen zijn gemaakt.
Trainingsversnelling: het optimaliseerde de matrixvermenigvuldiging die wordt gebruikt bij het trainen van de Gemini-modellen, waardoor het trainingsproces 1% sneller gaat. Opnieuw: een ‘klein’ percentage dat zich vertaalt in gigantische besparingen.
Wiskundig record: als toetje verbrak het een wiskundig record uit 1969 voor het vermenigvuldigen van matrices. Niet zo sexy als miljoenenbesparingen? Wacht maar tot je hoort wat dit betekent voor de toekomst van AI.
De motor achter AlphaEvolve
Bij AlphaEvolve draait alles om een fundamenteel andere aanpak dan we gewend zijn. In plaats van één kant-en-klaar antwoord te geven, werkt het systeem als een digitale algoritme-fabriek:
Gemini stelt honderden of duizenden mogelijke codewijzigingen voor.
Een evaluator test elke variant en beoordeelt de prestaties.
De beste varianten worden geselecteerd voor een nieuwe ronde verbeteringen.
Dit proces herhaalt zich totdat een optimaal algoritme ontstaat.
Heldere feedback als sleutel tot succes
Wat AlphaEvolve bijzonder maakt, is dat het werkt met glasheldere evaluatiecriteria. Voor elk voorgesteld stuk code kan het automatisch de geldigheid en kwaliteit meten. Dit creëert een snelle feedbackloop die het systeem steeds slimmer maakt.
“Een cruciaal idee in onze aanpak is dat we ons richten op problemen met duidelijke evaluatoren,” legt Alexander Novikov, onderzoeker bij DeepMind, uit. “Voor elke voorgestelde oplossing of stuk code kunnen we automatisch de geldigheid controleren en kwaliteit meten. Hierdoor kunnen we snelle en betrouwbare feedbackloops opzetten om het systeem te verbeteren.”
De kracht van evolutionaire algoritmes
Het geheime ingrediënt van AlphaEvolve zit in de evolutionaire benadering – een soort digitale versie van natuurlijke selectie. Zoals de naam al doet vermoeden, bootst deze techniek de evolutie na: digitale genetica die muteert, coderegels die kruisen en een selectiedruk die alleen de beste varianten laat overleven.
In een interview met Machine Street Talk leggen de onderzoekers van het DeepMind-team uit waarom ze juist voor deze aanpak kozen:
“Als je het proces van wetenschappelijke ontdekkingen bekijkt, is het een heel natuurlijke keuze,” legt een van de onderzoekers uit. “Evolutionaire algoritmes geven je deze diversiteit in het verkenningsproces. Ze zorgen ervoor dat je niet vroegtijdig inzoomt op een bepaalde aanpak die uiteindelijk suboptimaal kan zijn, maar dat je de enorme verscheidenheid aan mogelijkheden blijft verkennen.”
Het team vergelijkt het met een uitgebreide brainstormsessie waar vele ideeën tegelijk worden uitgeprobeerd. In plaats van één spoor te volgen, verkent het systeem honderden paden tegelijk. De meestbelovende ideeën krijgen ‘nakomelingen’ – variaties die net iets anders zijn – en de minst effectieve verdwijnen. Na vele generaties ontstaan oplossingen die een mens misschien nooit had bedacht.
“Vooral als je probeert om echt moeilijke problemen op te lossen en nieuwe wetenschappelijke ontdekkingen te doen, dan is er geen manier om vooraf te weten wat de juiste aanpak zal zijn,” vervolgt de onderzoeker. “Daarom moet je verschillende mogelijkheden blijven verkennen. Evolutionaire algoritmes zijn gewoon een goed technisch hulpmiddel dat hier perfect voor is.”
Van wiskundige doorbraken naar praktische impact
De meest opvallende prestatie van AlphaEvolve is misschien wel het verbeteren van een algoritme van wiskundige Volker Strassen uit 1969. Strassen ontdekte destijds een snellere manier om matrices te vermenigvuldigen – een berekening die cruciaal is voor vele toepassingen, van grafische weergaven tot het trainen van neurale netwerken.
56 jaar oud record eindelijk gebroken
AlphaEvolve vond een algoritme dat deze berekening voor 4×4 matrices nog efficiënter maakt: 48 in plaats van 49 vermenigvuldigingen.
“Wat we tot onze verrassing ontdekten, is dat AlphaEvolve als een meer algemene technologie zelfs betere resultaten behaalde dan AlphaTensor,” zegt Matej Balog, verwijzend naar DeepMinds eerdere gespecialiseerde matrixvermenigvuldigingssysteem. “Voor deze vier-bij-vier matrices vond AlphaEvolve een algoritme dat voor het eerst Strassens algoritme uit 1969 overtreft.”
Niet één, maar meerdere wiskundige overwinningen
Voor de wiskundigen onder ons: AlphaEvolve heeft de state of the art verbeterd voor 14 verschillende matrixvermenigvuldigingsalgoritmes. Nog indrukwekkender: toen het systeem werd getest op meer dan 50 open problemen in wiskundige analyse, geometrie, combinatoriek en getaltheorie, evenaarde het in ongeveer 75% van de gevallen de beste bekende oplossingen, en in 20% verbeterde het deze zelfs.
Een van die overwinningen kwam bij het kusgetalprobleem – een eeuwenoud geometrisch vraagstuk over hoeveel niet-overlappende bollen tegelijkertijd een centrale bol kunnen raken. In 11 dimensies vond AlphaEvolve een configuratie met 593 bollen, waarmee het vorige record van 592 werd verbroken.
Een glimp van de toekomst
Wat AlphaEvolve extra interessant maakt, is dat het past in het scenario dat werd geschetst in het invloedrijke AI 2027-rapport, waar we eerder dit jaar over schreven. Daarin voorspellen experts dat we binnen twee jaar superintelligente AI krijgen, gedreven door wat zij een intelligence explosion noemen.
De feedbackloop die voor versnelling zorgt
De kern van dat scenario is een zelfversterkend effect: zodra AI slim genoeg is om zelf AI-onderzoek te verbeteren, ontstaat er een versnelling. Verbeterde AI maakt nog betere AI mogelijk, wat weer leidt tot nóg betere AI, enzovoort.
AlphaEvolve is nog niet helemaal op dat punt – mensen beslissen nog steeds welke verbeteringen worden doorgevoerd, en het systeem heeft geen toegang tot zijn eigen broncode – maar het is wel een stap in die richting. Het laat zien dat AI nu al in staat is om concrete, tastbare optimalisaties te bedenken die direct toepasbaar zijn en kostenbesparingen opleveren.
Niet alleen DeepMind werkt hieraan
Jakub Pakuchi, hoofdwetenschapper bij OpenAI, deelt deze visie. In een recent interview met Nature zei hij: “We zien al dat OpenAI’s Deep Research in staat is om 10 of 20 minuten zonder toezicht te werken en iets nuttigs te produceren. Maar de hoeveelheid rekenkracht die wordt gebruikt om deze vraagstukken op te lossen, is miniem. [...] Als je open onderzoeksvragen hebt, is het de moeite waard om daaraan veel meer rekenkracht te besteden. Ik verwacht dat we AI’s zullen hebben die daadwerkelijk vernieuwend onderzoek kunnen uitvoeren.”
Programmasynthese: de sleutel tot echte intelligentie?
AlphaEvolve sluit ook aan bij de visie van François Chollet, de bedenker van de ARC-test die door velen wordt gezien als de ultieme meetlat voor algemene kunstmatige intelligentie (AGI).
Het verschil tussen vaardigheid en intelligentie
Chollet maakt een belangrijk onderscheid tussen skills en intelligentie. De huidige AI-modellen zijn volgens hem uitstekend in patroonherkenning in grote datasets (skill), maar missen het vermogen om met slechts een paar voorbeelden nieuwe problemen op te lossen (intelligentie). Wat volgens hem ontbreekt, is programmasynthese: het vermogen om op basis van beperkte informatie nieuwe programma’s of denkwijzen te ontwikkelen.
De wegenbouwer versus de wegen
Hij vergelijkt het met een wegenbouwbedrijf (intelligentie) versus de wegen zelf (skills). Een echt intelligent systeem moet nieuwe wegen kunnen aanleggen wanneer de bestaande wegennetwerken eindigen, niet alleen bestaande routes onthouden.
AlphaEvolve lijkt precies deze richting in te slaan, door daadwerkelijk nieuwe code te maken in plaats van alleen bestaande patronen te herkennen. Het is een concrete stap richting AI-systemen die niet alleen herkennen, maar ook echt kunnen creëren.
Kanttekeningen
Zoals bij elke doorbraak zijn er ook hier enkele kanttekeningen te plaatsen:
Niet volledig autonoom: menselijke ingenieurs beslissen welke ontdekkingen worden geïmplementeerd.
Alleen voor heldere problemen: het systeem werkt alleen voor problemen met duidelijke evaluatiecriteria. Complexe, slecht gedefinieerde problemen liggen buiten zijn bereik.
Incrementele vooruitgang: de doorbraken zijn verbeteringen van bestaande processen, niet fundamenteel nieuwe uitvindingen.
Niet uniek: AlphaEvolve maakt geen baanbrekende ontdekkingen die niet door andere tools hadden kunnen worden gevonden. Bij een experiment vond het een verbetering voor Googles TPU-chipdesign die eerder al werd opgemerkt door andere tools.
Waarom is dit belangrijk?
Voor bedrijven en organisaties
Voor bedrijven betekent dit een glimp van een toekomst waarin AI niet alleen helpt bij het uitvoeren van taken, maar ook bij het optimaliseren van processen. Zelfs kleine verbeteringen in kernalgoritmes (matrixvermenigvuldiging, sorteren, etc.) kunnen zich vertalen in miljoenenbesparingen voor grote techbedrijven en kunnen grotere modellen mogelijk maken met hetzelfde budget.
Voor ontwikkelaars en wetenschappers
Voor ontwikkelaars en wetenschappers vormt AlphaEvolve een blik op een nieuw soort samenwerking: mensen die problemen formuleren en evaluatiecriteria opstellen, waarbij AI de eindeloze zoektocht naar optimale oplossingen op zich neemt.
Voor de gemiddelde gebruiker
Voor de gemiddelde gebruiker is de directe impact minder zichtbaar, maar de indirecte gevolgen kunnen aanzienlijk zijn: energie-efficiëntere datacenters, snellere AI-systemen en betere chiparchitecturen die uiteindelijk leiden tot krachtigere en toegankelijkere technologie.
Wat nu?
Google DeepMind werkt aan een gebruikersinterface voor AlphaEvolve en biedt geselecteerde academici vervroegde toegang, mogelijk gevolgd door een bredere uitrol. De grote vraag die overblijft, is of dit inderdaad de eerste stap is naar een zichzelf verbeterende AI – en wat dat gaat betekenen voor onze toekomst.
Nóg meer Google-nieuws: Gemini komt eindelijk naar alle Android-apparaten
Google heeft onze gebeden verhoord en shipt eindelijk als een malle. Er bestond al langer frustratie dat Googles krachtigste AI-modellen bizar genoeg helemaal niet in hun producten werden opgenomen, maar daar komt nu eindelijk verandering in. De techgigant stopt met Google Assistant en vervangt deze op alle Android-apparaten door Gemini.
Wat is dit?
Gemini, Googles slimste AI-model die we al kennen van smartphones, komt naar smartwatches, auto’s, tv’s en VR-brillen. Anders dan Assistant begrijpt Gemini natuurlijke gesprekken en kan het complexere taken aan, van het plannen van je route tot het helpen bij je huiswerk.
Deze stap past in Googles bredere strategie om AI het nieuwe bedieningspaneel van je digitale leven te maken. Waar Assistant vooral reageerde op specifieke commando’s, kan Gemini vrijelijk gesprekken voeren en zelfstandig apps aansturen. In de auto begrijpt het bijvoorbeeld dat “zoek een laadpaal bij een park” betekent dat je wilt wandelen tijdens het laden.
“We hebben Android volledig opnieuw vormgegeven met Gemini als middelpunt,” zegt Guemmy Kim, Senior Director bij Android. De integratie gaat verder dan alleen spraakbediening: op smartwatches kan Gemini rechtstreeks je e-mails doorzoeken, en op tv’s helpt het kinderen hun vragen over het zonnestelsel te beantwoorden met passende YouTube-video’s.
Waarom is dit belangrijk?
Voor gebruikers betekent dit één consistente, slimmere assistent op al hun apparaten. Je hoeft niet meer precies de juiste commando’s te onthouden - Gemini begrijpt wat je bedoelt, of je nu in de auto zit of voor de tv. De grote AI-spelers zijn verwikkeld in een race om dé allesomvattende AI-assistent to rule them all te worden. Google hobbelde lange tijd half verslagen achter op OpenAI en co, maar is sinds eind vorig jaar bezig met een indrukwekkende inhaalslag. Met deze uitrol heeft het bedrijf een troef in handen die de anderen niet hebben: miljarden Android-apparaten die als springplank dienen.
🛠️ AI Toolkit+
De nieuwe AI-agents zijn geland: bespaar honderden euro’s en doe razendsnel onderzoek
Deze week duiken we in een nieuwe generatie AI-agents die je honderden euro’s abonnementskosten kunnen besparen én je werkprocessen radicaal versnellen. Terwijl OpenAI 200 euro per maand vraagt voor Operator, lanceert Hugging Face een gratis alternatief dat dezelfde trucjes kan. En terwijl wetenschappers en onderzoekers weken spenderen aan literatuuronderzoek, komt voormalig Google-CEO Eric Schmidt nu met een tool die dit proces inkort naar minuten.
2025 is het jaar waarin AI eindelijk je computer kan overnemen, handelingen kan uitvoeren die normaal handmatig arbeid kosten, en complexe taken kan afhandelen zonder jouw constante aandacht. We testen de twee nieuwste gamechangers in dit veld en laten je zien hoe je ze maximaal kunt inzetten: een gratis AI die je browser bestuurt én een tool die wetenschappelijk onderzoek belooft dramatisch te versnellen.
Keep reading with a 7-day free trial
Subscribe to AI Report to keep reading this post and get 7 days of free access to the full post archives.