グーグルのDeepMindは本日、自己進化する能力を持つ人工知能エージェントであるAlphaEvolveを発表しました。このシステムは独自に複雑なコンピュータアルゴリズムを考案でき、すでにグーグルのデータセンター、半導体チップ設計、およびAIモデルのトレーニングに広く活用され、顕著な成果を挙げています。
AlphaEvolveはGeminiの大規模言語モデルと進化的最適化手法を組み合わせ、単一の関数だけでなく全体のコードベースを自動的にテストし、改良して性能を向上させています。このシステムはすでに内部で約1年以上にわたり稼働しており、計算資源のスケジュール効率を高め、モデルトレーニングを加速し、数学研究においても新たな突破を遂げています。
サーバーからチップまで、AlphaEvolveがグーグルの基盤を最適化
AlphaEvolveが提案したスケジューリングアルゴリズムはすでにグーグルの全世界のデータセンタで採用されており、「資源の無駄」問題を解決し、資源回収率を0.7%向上させました。グーグルの規模では、これは顕著なコスト削減とエネルギー効率の改善を意味します。
また、Tensor Processing Unit（TPU）の重要な回路論理を最適化し、不要なビットを削除することで次世代のチップ設計を改善しました。さらに、AlphaEvolveは自らが使用するAIトレーニングカーネルも改良し、Geminiモデルの行列演算速度を23%向上させ、全体的なトレーニング時間も1%短縮しました。
図版提供:AI生成、画像ライセンスプロバイダーMidjourney
56年にわたる数学の難問を破り、キッスナンバー問題を解決
基礎科学分野でのAlphaEvolveの貢献も注目を集めています。このシステムは新しい最適化技術で行列乗算アルゴリズムを再設計し、1969年のStrassenアルゴリズムを超える初めての実績を達成しました。4×4の複素数行列に対して、乗算回数を49から48に減少させ、56年にわたる記録を打ち破りました。
50以上の未解決の数学問題のテストにおいて、AlphaEvolveは約75%のケースで既存の最良解と一致し、約20%のケースでより優れた解を提案しました。その中の一つである「キッスナンバー問題」では、11次元空間内で中央の球体に同時に接触できる593個の球体を見つけ出し、これまでの世界記録を更新しました。
AIがAIを創造する:AlphaEvolveの仕組み
従来のAIコーディングツールとは異なり、AlphaEvolveは単一のプロンプトでコードを生成するのではなく、進化的アプローチでアルゴリズムを発明しています。Gemini FlashとGemini Proを同時に呼び出してコードの修正案を提案し、システムの評価者によって最適解が選ばれ、次の進化段階へと進む仕組みです。
DeepMindの研究員アレクサンダー・ノヴィコフ氏は、「このシステムは『明確な評価基準を持つ問題』に特化しており、自動最適化がより効果的かつ信頼性が高い」と述べています。そのため、AlphaEvolveはデータセンタ管理から数学定理の証明まで多岐にわたる領域で、人間では考えにくい効率的な解を生み出すことが可能です。
次のステップ:薬物開発、材料科学、そしてさらなる科学協力
DeepMindはAlphaEvolveの可能性がグーグル内にとどまらないことを強調しています。現在、同社は「ヒューマン＋AI」研究チームと協力してユーザーインターフェースを開発中であり、一部の学術機関への早期アクセスプログラムを計画しています。
「これは現実世界で迅速に影響を及ぼすことができる科学的ツールです」と研究員クリス・バロッグ氏は述べています。「AlphaEvolveはAIの境界を拡張し、自らのシステムを最適化するだけでなく、長年解決されなかった問題にも答えを提供しています。」
大規模言語モデルの持続的な進化に伴い、AlphaEvolveは人工知能がますます深い創造力と科学的発見へと進化していく様子を示しています。