Google DeepMind가 300년 된 수학 문제를 풀고 약 40개 수학 문제에 대한 더 나은 솔루션을 찾는 AlphaEvolve를 출시했습니다.
베이징 시간으로 5월 14일 늦은 밤, 구글 딥마인드는 AlphaEvolve라는 프로그래밍 AI 에이전트를 출시했습니다.대규모 언어 모델의 강력한 코드 생성 기능과 자동 평가 기능을 결합했습니다.수학과 현대 컴퓨팅의 일부 기본적이고 복잡한 문제에 대한 알고리즘을 설계하고 최적화할 수 있습니다.
공식 소개에 따르면 AlphaEvolve는 Google의 데이터 센터, 칩 설계 및 AI 교육 프로세스의 효율성을 개선했습니다. 또한, 더 빠른 행렬 곱셈 알고리즘을 설계하고 일부 미해결 수학 문제에 대한 새로운 해결책을 찾는 데 도움이 되었으며, 다양한 분야에 폭넓게 응용할 수 있는 큰 잠재력을 보여주었습니다.
특히 AlphaEvolve는 Gemini 시리즈의 최신 대형 모델 중 몇 가지를 사용합니다.이 워크플로에는 언어 모델에서 알고리즘 코드를 생성하고, 자동화된 평가기를 통해 이러한 코드를 검증하고 점수를 매기고, 마지막으로 알고리즘 데이터베이스에 진화적 메커니즘을 구현하여 생성된 솔루션을 지속적으로 최적화하는 작업이 포함됩니다.
실제 응용 분야에서는AlphaEvolve는 단일 함수를 넘어 전체 코드 베이스를 발전시키고 더 복잡한 알고리즘을 개발할 수 있습니다.제미니 플래시 모델을 통해 문제 해결 아이디어의 범위를 넓히고, 제미니 프로 모델은 심층적인 통찰력을 제공합니다. 두 사람은 알고리즘 솔루션을 체계화하기 위해 여러 컴퓨터 프로그램을 제안하기 위해 협력합니다. 시스템의 워크플로는 언어 모델에서 자동으로 새로운 프로그램을 생성하는 과정을 포함하며, 이후 평가자가 해당 프로그램의 성능을 객관적이고 정량적으로 평가하여 가장 높은 품질과 가장 효율적인 코드를 선택합니다.
공식 소개에 따르면, AlphaEvolve는 Google의 대규모 클러스터 관리 시스템인 Borg가 Google의 거대한 데이터 센터의 일정을 보다 효율적으로 조정하는 데 도움이 되는 간단하면서도 매우 효율적인 휴리스틱 방법을 발견했습니다. 이 솔루션은 1년 이상 실제 운영에 사용되어 왔으며, 평균 0.7%의 글로벌 컴퓨팅 리소스를 지속적으로 복구했습니다.
또한,AlphaEvolve는 또한 행렬 곱셈 회로에서 불필요한 비트를 효과적으로 제거하는 새로운 Verilog 재작성 방법을 제안했습니다.이러한 개선 사항은 칩 성능을 향상시킬 구글의 차기 텐서 프로세싱 유닛(TPU)에 통합되었습니다.
모델 학습 측면에서 AlphaEvolve는 Gemini 아키텍처에서 행렬 곱셈 연산을 최적화합니다.속도는 23% 증가하고, 훈련 시간은 1% 단축되었습니다. 더욱이 커널 최적화에 필요한 엔지니어링 시간을 몇 주에서 며칠로 크게 줄여 연구자의 생산성을 크게 향상시킵니다.
언급할 가치가 있는 것은 다음과 같습니다.AlphaEvolve는 수학 문제에 대해서도 강력한 역량을 보여주었습니다.예를 들어, 행렬 곱셈 알고리즘의 발견에서 4×4 복소 행렬 곱셈을 완료하는 데 48개의 스칼라 곱셈만 필요한 새로운 알고리즘을 발견했는데, 이는 Strassen이 1969년에 제안한 기존 알고리즘보다 더 뛰어납니다.AlphaEvolve는 또한 수학에서 50개 이상의 미해결 문제에 적용되었습니다.약 75% 사례에서 최첨단 솔루션을 재발견했으며, 20% 사례에서는 300년 이상 수학자들을 괴롭혀 온 문제인 "키싱 넘버 문제"를 푸는 효율성을 개선하는 등 가장 잘 알려진 솔루션을 개선했습니다.
요약하자면, AlphaEvolve는 수학과 컴퓨팅에만 국한되지 않고 광범위한 분야에 응용될 수 있습니다. 미래,Google은 People + AI Research 팀과 협력할 계획입니다.사용자 친화적인 인터페이스를 개발하고 Early Access Program을 통해 학술 사용자에게 제공합니다. 장기적으로 볼 때 AlphaEvolve의 잠재력은 알고리즘으로 설명하고 자동으로 검증할 수 있는 모든 문제에 적용될 수 있다는 점이며, 재료 과학, 신약 발견, 지속 가능성과 같은 분야에서 더 많은 획기적인 발전을 이룰 것으로 기대됩니다.