공유된 기사
"구글 딥마인드, 알고리즘 혁신의 새 시대 열다: '알파이볼브'로 과학과 수학 문제 해결 가속화"
구글 딥마인드가 새로운 인공지능 에이전트 '알파이볼브(AlphaEvolve)'를 발표했다. 이 에이전트는 수학이나 컴퓨터 과학 등 정량적 평가가 가능한 분야에서 문제를 스스로 해결할 수 있는 능력을 갖추고 있다. 알파이볼브는 대형언어모델(LLM)의 창의성과 자동 검증 프레임워크, 진화 알고리즘을 결합하여 복잡한 문제 해결을 목표로 설계되었다. 이를 통해 알고리즘을 코드 형태로 제안하고, 자동화된 평가 시스템을 통해 정확성과 효율성을 점수화한다.
알파이볼브는 구글의 데이터센터 운영, 칩 설계, AI 학습 최적화 등 다양한 분야에 적용되어 주목할 만한 효율 향상을 이뤘다. 예를 들어, 데이터센터 운영 부문에서는 '보그(Borg)' 시스템을 위한 새로운 휴리스틱 알고리즘을 작성하여 컴퓨팅 자원의 약 0.7%를 회수하는 데 성공했다. 또한, 칩 설계 분야에서는 TPU 설계를 최적화하고, 행렬 곱셈 커널을 23% 가속화하여 제미나이의 학습 시간을 1% 줄였다. 특히, GPU의 저수준 연산 최적화 분야에서도 플래시어텐션(FlashAttention) 커널의 속도를 최대 32.5% 향상시켰다.
알파이볼브는 수학 문제 해결에서도 인상적인 성과를 보였다. 기존 알고리즘을 능가하는 새로운 알고리즘을 발견하고, 50개 이상의 난제에 적용하여 약 75%의 경우 기존 최적 해법을 재발견했다. 특히, 300년 넘게 풀리지 않았던 '키싱 넘버 문제'에서 새로운 하한선을 설정하는 성과를 거두었다. 구글 딥마인드는 알파이볼브가 과학, 수학, 컴퓨터 과학 전반에서 발전을 가능하게 하며, AI 연구 속도를 높이고 컴퓨팅 환경의 지속 가능성을 강화할 것이라고 밝혔다.
알파이볼브는 구글의 데이터센터 운영, 칩 설계, AI 학습 최적화 등 다양한 분야에 적용되어 주목할 만한 효율 향상을 이뤘다. 예를 들어, 데이터센터 운영 부문에서는 '보그(Borg)' 시스템을 위한 새로운 휴리스틱 알고리즘을 작성하여 컴퓨팅 자원의 약 0.7%를 회수하는 데 성공했다. 또한, 칩 설계 분야에서는 TPU 설계를 최적화하고, 행렬 곱셈 커널을 23% 가속화하여 제미나이의 학습 시간을 1% 줄였다. 특히, GPU의 저수준 연산 최적화 분야에서도 플래시어텐션(FlashAttention) 커널의 속도를 최대 32.5% 향상시켰다.
알파이볼브는 수학 문제 해결에서도 인상적인 성과를 보였다. 기존 알고리즘을 능가하는 새로운 알고리즘을 발견하고, 50개 이상의 난제에 적용하여 약 75%의 경우 기존 최적 해법을 재발견했다. 특히, 300년 넘게 풀리지 않았던 '키싱 넘버 문제'에서 새로운 하한선을 설정하는 성과를 거두었다. 구글 딥마인드는 알파이볼브가 과학, 수학, 컴퓨터 과학 전반에서 발전을 가능하게 하며, AI 연구 속도를 높이고 컴퓨팅 환경의 지속 가능성을 강화할 것이라고 밝혔다.