구글의 인공지능(AI) 연구 자회사 딥마인드(DeepMind)가 수학·과학 분야 난제를 해결하기 위한 신형 AI 시스템 '알파이볼브(AlphaEvolve)'를 14일 공개했다. 딥마인드는 이를 통해 일반 목적의 알고리즘 개발 지원은 물론, 자사 서비스의 운영 효율화에도 기여하고 있다고 밝혔다.

알파이볼브는 구글의 최신 대규모 언어모델(LLM) '제미나이(Gemini)' 시리즈를 기반으로 하면서, 기존 챗봇과 차별화된 '진화적 알고리즘 평가' 방식을 적용한 것이 특징이다. 사용자가 문제와 가능한 접근 방법을 입력하면, 제미나이 플래시(Gemini Flash)와 제미나이 프로(Gemini Pro)를 활용해 다양한 해법을 생성하고, 이를 자동 평가 시스템이 검증해 최적 해법을 도출한다.

아르스 테크니카는 14일(현지시간) 이같은 '다중 해법 생성→자동 평가→개선 반복'의 진화적 프레임워크는 기존 LLM의 비결정성에 따른 오류 가능성을 줄이는 동시에, 복잡한 수학적 알고리즘 문제 해결 정확도를 높이는 데 기여한다는 것이 딥마인드 측의 설명이라고 전했다.

기존 딥마인드의 대표적인 AI 성과인 단백질 구조 예측 AI '알파폴드(AlphaFold)'가 특정 분야에 특화됐던 것과 달리, 알파이볼브는 프로그래밍과 알고리즘 전반에 적용 가능한 범용 시스템이라는 점도 주목된다.

실제 알파이볼브는 구글의 대규모 데이터센터 관리 시스템인 '보그(Borg)'에 투입돼 스케줄링 휴리스틱 개선안을 제시했으며, 이를 적용한 결과 전 세계 컴퓨팅 자원 사용량의 약 0.7%를 절감하는 성과를 냈다. 이는 구글 같은 초대형 기업에겐 상당한 비용 절감 효과로 직결된다.

AI 고속 연산의 핵심인 행렬 곱셈 최적화에도 알파이볼브는 성과를 냈다. 딥마인드는 1969년 수학자 폴커 슈트라센이 개발한 복소수 4×4 행렬 곱셈 알고리즘보다 효율적인 해법을 알파이볼브가 새로 발견했다고 밝혔다. 이는 과거 전문 AI 시스템 '알파텐서(AlphaTensor)'가 접근했던 문제로, 범용 AI인 알파이볼브가 그보다 우수한 해법을 도출한 사례다.

구글 딥마인드 측은 또한  20%의 사례에서, 알파이볼브는 이전에 가장 잘 알려진 솔루션을 개선해 해당 미해결 문제에서 진전을 이루었다고 밝혔다. 예를 들어, 키싱 넘버 문제(kissing number problem)를 개선한 것. 이 기하학적 난제는 300년 넘게 수학자들을 매료시켜 왔으며 , 공통 단위 구에 접하는 서로 겹치지 않는 구의 최대 개수를 다루는 문제다. 알파이볼브는 593개의 외곽 구의 구성을 발견하고 11차원에서 새로운 하한을 확립했다고 딥마인드는 강조했다. 

차세대 반도체 설계에도 알파이볼브는 기여하고 있다. 딥마인드는 이 AI가 구글의 텐서 처리 유닛(TPU) 차세대 칩 설계에서 불필요한 비트를 제거하는 변경안을 제안했으며, 현재 검증 과정을 거쳐 실제 제품에 반영할 예정이다.

다만 알파이볼브는 아직 일반에 공개되지 않았으며, 현재로선 구글 내부 연구 및 서비스 최적화에만 사용되고 있다. 딥마인드는 향후 알파이볼브의 진화 알고리즘 평가 방식을 경량화해 소형 AI 도구에도 적용할 수 있을 것으로 기대하고 있다.