GoogleがAlphaEvolveを一般提供：Gemini基盤のコード最適化エージェント

物流の配送ルート設計や半導体レイアウト、大規模AIの低レイヤー最適化に携わったことがある人なら、探索すべきコードの組み合わせが多すぎて人間の手には負えない現実をよく知っているはずです。

Googleはこの課題をAIエージェントに解かせる方針を固めました。

Googleは7月9日、Geminiをベースにしたコード最適化・アルゴリズム探索エージェント「AlphaEvolve」を、Google Cloud上で一般提供（GA）開始したと発表しました。昨年プライベートプレビューとして公開されていたものが、すべての組織や開発者に向けて開放された形です。

アルゴリズムを自動で「進化」させる4つの工程

AlphaEvolveは、一般的なコード補完ツールとは目的が異なります。目的の性能指標に向けて、コードそのものを探索・進化させていく自律型エージェントです。

使い方は4つのステップに分かれています。

まずベースとなる初期アルゴリズムと背景情報を定義し、正しさや実行速度などを評価するスコアリング関数を設定します。その後、エージェントが評価基準に沿って最適化コードを反復生成して検証し、最終的に本番環境へデプロイします。

先行利用プログラムに参加した企業からは、具体的な改善数値が次々と報告されています。

物流大手のFM Logisticは倉庫内のピッキング導線最適化に適用し、すでに最適化されていた基準からさらに10.4%の効率改善を達成しました。これにより、スタッフの移動距離を1万5000キロ以上削減できたといいます。

化学大手のBASFは、これまで決定論的モデルでは失敗続きだったグローバルサプライチェーンのデジタルツイン構築にAlphaEvolveを導入し、予測モデルの精度を80%以上改善させました。

決済大手のKlarnaは、機械学習のトレーニングパイプラインに対して3週間で約6000個の候補プログラムを検証させました。人間のエンジニアでは思いつかないアーキテクチャの書き換えを発見し、モデル品質を維持したままスループットを2倍に引き上げることに成功しています。

他にも、Kinaxisが実行時間を90%削減しながら予測精度を22%向上させたほか、JetBrainsがIDEの性能を15〜20%高速化させ、ゲーム開発のKuro Gamesもサーバーサイドの最適化に成果を出しています。

科学研究の分野でも実績が出ています。米オークリッジ国立研究所（ORNL）は、世界初の第1世代エクサスケールスーパーコンピュータ「Frontier」にAlphaEvolveを接続し、AMD製GPU上で混合精度カーネルを自動生成・検証する試みを実施しました。オールド・ドミニオン大学の研究室では、約500回の評価ループを通じて、予備知識なしに1990年代の生物学的死亡率モデルを自律的に再発見したと報告されています。

なぜ重要か

AIコーディング支援の世界は、タイピングを肩代わりする日常的なアシスタントと、人間が到達できないアルゴリズムを発見する高度な探索エージェントへ二極化しつつあります。

AlphaEvolveが狙っているのは完全に後者です。ゲームサーバーの負荷軽減、チップ設計、サプライチェーンの最適化など、アルゴリズムの性能が1%上がるだけで莫大なコスト削減や収益向上につながる領域では、今すぐ検証する価値があります。

ただし、課題もあります。このツールの成果は「スコアリング関数をいかに厳密に書けるか」に完全に依存しています。評価基準にわずかな抜け漏れがあれば、ベンチマーク上のスコアだけが高く実務で破綻するコードが生成される恐れがあります。また、何千回もコードを実行して検証するため、クラウドのコンピュートコストもそれなりに発生します。

それでも、Google Cloudにとってこの一手は極めて理にかなっています。単にモデルをAPI経由で売るだけでなく、大量の計算リソースを継続的に消費する高付加価値な最適化パイプラインを自社クラウド上に囲い込めるからです。