Google 旗下 AI 部門 DeepMind 發表新的 AI 模型 AlphaDev，透過發現新的數據排序（sorting）及雜湊（hashing）演算法，可提高軟件程式碼的執行速度，主要用作加速數據中心效能並有效節約能源。
AlphaDev 集合 AlphaZero 和 MuZero 的模型加以改良而成，從低階程式指令著手尋找新的數據排序及雜湊，以提升數據中心速度及降低耗能。AlphaDev 也是增強學習（reinforcement learning）模型，DeepMind 團隊將排序變成「組合遊戲」， AlphaDev 每回合都要觀察其產生的演算法及從 CPU 取得資訊，然後選取一個指令加入演算法再展開下一回合。AlphaDev 需要從眾多指令組合中找出排序演算法，每次再找出更快、更準確的演算法。指令組合數量大概等於宇宙的分子數量，或是西洋棋（10 的 120 次方）與圍棋（ 10 的 700 次方）棋步。走錯任何一步足以拖垮整個演算法。團隊會從正確和效率速度兩方面獎勵 AlphaDev，令其運算得更精準。
當 AlphaDev 發現到新的演算法，可改善低階虛擬機器（ LLVM ） libc++ 排序函式庫的速度，在較短的 3 到 5 element 序列環境可提升 70%；若在超過 25 萬個 element 的長序列上只提升 1.7% 。而較為常用的短序列演算法則是 DeepMind 研究重點。
DeepMind 團隊指出，在簡單的用戶搜尋任務上，AlphaDev 演算法可提升排序速度，一旦應用到更大規模包括數據中心的環境，將能大幅節省能源及減省成本。同時，尋找雜湊演算法也是 AlphaDev 的任務之一，因雜湊常用於數據儲存和檢索，如 AlphaDev 找到的演算法應用在數據中心內 9 到 16 byte 的雜湊函式時，效率可提升 30%。