구글 딥마인드는 새로운 AI 시스템 ‘알파이볼브(AlphaEvolve)’가 복잡한 수학·과학 문제 해결에 기여할 수 있는 전환점이 될 것이라고 밝혔다.
이 시스템은 제미니(Gemini) 대형 언어 모델에 진화적 알고리즘 최적화 방식을 결합한 것으로, 다양한 문제에 대한 알고리즘을 스스로 발명하고 개선한다. 알파이볼브는 사용자가 문제와 탐색 경로를 입력하면 여러 해법을 제안하고, 이들을 평가하여 최적 해법을 지속적으로 진화시키는 방식으로 작동한다. 구글은 이를 자사 데이터 센터 운영 시스템에 적용해 전 세계 연산 자원 0.7%를 절감하는 데 성공했으며, 이는 막대한 비용 절감 효과를 의미한다. 또한, 1969년 이후 최적이라 여겨진 4×4 복소수 행렬 곱셈 알고리즘보다 더 효율적인 해법을 알파이볼브가 새롭게 찾아냈다.
딥마인드는 과거 같은 문제를 해결하기 위해 특화 AI인 알파텐서(AlphaTensor)를 개발했으나, 이번엔 범용 AI인 알파이볼브가 더 나은 결과를 도출했다. 알파이볼브는 구글 차세대 텐서 처리기 설계에도 참여했으며, 비트 효율성을 개선하는 변경사항을 제안해 칩 설계 최적화에도 기여했다. 현재 이 AI는 내부에서만 사용되고 있으며, 향후 소규모 AI 도구에 평가시스템만 통합될 가능성도 있다.
Google DeepMind has introduced AlphaEvolve, a groundbreaking AI capable of inventing and optimizing algorithms across diverse scientific and engineering domains. Based on Gemini models, AlphaEvolve integrates evolutionary evaluation to refine solutions automatically, enabling it to tackle complex algorithmic challenges with high accuracy. Researchers feed the system problems and ideas; it generates multiple potential solutions, evaluates them, and evolves the best-performing ones. Google has already used AlphaEvolve to improve its Borg data center management system, resulting in a 0.7% global savings in compute resources. Remarkably, the AI discovered a more efficient method for multiplying 4×4 complex matrices — outperforming even DeepMind’s previous AlphaTensor model. AlphaEvolve also contributed to Google’s upcoming Tensor chip by optimizing its Verilog code, potentially enhancing hardware performance. Despite using fewer resources than AlphaTensor, AlphaEvolve remains too complex for public deployment, though its methods may influence future lightweight research tools.
