딥마인드 '알파이볼브' 공개: 제미나이로 50년 묵은 알고리즘 한계 깼다

AI가 스스로를 학습시키는 인프라와 하드웨어, 심지어 기본 알고리즘까지 직접 뜯어고치는 시대가 열렸습니다.

구글 딥마인드가 제미나이를 기반으로 작동하는 범용 알고리즘 탐색 및 최적화 에이전트 '알파이볼브(AlphaEvolve)'를 공개했습니다.

알파이볼브는 아이디어 탐색 폭을 넓히는 제미나이 플래시와 깊이 있는 추론을 담당하는 제미나이 프로를 결합해 코드를 생성합니다. 제안된 알고리즘을 자동 평가기가 검증하고 점수를 매기며, 진화 알고리즘 방식으로 최적의 해를 찾아가는 구조입니다.

구글 데이터센터 전 세계 자원의 0.7%를 회수하다

이 기술은 연구실 테스트에 머물지 않고 이미 1년 넘게 구글 프로덕션 환경에서 실제로 가동 중입니다.

알파이볼브가 찾아낸 휴리스틱 알고리즘은 구글의 데이터센터 클러스터 관리 시스템인 보그(Borg)에 적용되어, 전 세계 구글 연산 자원의 평균 0.7%를 지속적으로 회수하고 있습니다. 구글 규모의 인프라에서 0.7%는 천문학적인 비용 절감입니다.

하드웨어 설계에도 직접 투입되었습니다. 행렬 곱셈 연산 회로에서 불필요한 비트를 제거하는 베릴로그(Verilog) 코드를 재작성했으며, 이 제안은 차세대 TPU 칩 설계에 실제로 통합되었습니다.

자체 AI 모델 훈련 속도도 끌어올렸습니다. 제미나이 아키텍처의 핵심 커널 속도를 23% 개선해 전체 훈련 시간을 1% 단축시켰고, GPU의 플래시아텐션(FlashAttention) 커널은 최대 32.5%까지 가속했습니다. 수주일이 걸리던 엔지니어의 최적화 작업을 며칠간의 자동화 실험으로 줄인 셈입니다.

50년 넘은 행렬 곱셈 기록과 300년 수학 난제 갱신

순수 수학과 알고리즘 영역에서도 인간의 한계를 넘어섰습니다.

4x4 복소수 행렬 곱셈에서 48번의 스칼라 곱셈만 사용하는 알고리즘을 발견해, 1969년 슈트라센 알고리즘이 세운 기록을 넘어섰습니다. 과거 특정 연산에 국한됐던 알파텐서보다 훨씬 진보한 성과입니다.

해석학, 기하학, 정수론 등 50개 이상의 공개 수학 난제에 적용한 결과, 75%에서 기존 최고 수준의 해법을 자체 재발견했고, 20%에서는 기존 기록을 갈아치웠습니다. 300년 역사를 지닌 '키싱 넘버 문제'에서도 11차원에서 593개 구체를 배치하는 구성을 찾아 새로운 이론적 하한선을 세웠습니다.

왜 중요한가

알파이볼브가 보여준 가장 결정적인 신호는 AI의 자기 재귀적 개선 루프가 실제로 작동하기 시작했다는 점입니다.

제미나이가 알고리즘을 최적화하고, 그 최적화가 제미나이를 학습시키는 인프라와 칩 성능을 개선하며, 그 결과로 더 강력한 다음 세대 AI가 만들어지는 선순환 고리가 완성되었습니다.

딥마인드는 LLM의 자유로운 발상 능력에 엄격한 자동 검증기를 결합하는 현명한 방식을 택했습니다. 환각을 검증기로 걸러내는 동시에, 인간 엔지니어가 읽고 디버깅할 수 있는 고품질 코드를 뽑아내 실무 적용 장벽을 단숨에 낮췄습니다.

물론 한계도 명확합니다. 결과의 정답 여부를 수치와 코드로 즉시 검증할 수 있는 환경에서만 제 성능을 발휘합니다. 하지만 칩 설계, 컴파일러 최적화, 대규모 클러스터 스케줄링처럼 컴퓨팅 업계의 비용이 집중되는 핵심 영역에서는 이미 판도를 바꾸고 있습니다.