구글 딥마인드 알파이볼브, AI가 스스로 코드를 짜고 발견까지 한다고?

요즘 기술 발전 속도가 정말 무섭도록 빠르다는 이야기, 여기저기서 많이 듣는가? 나도 가끔 따라가기 버거울 때가 있다. 어제 오늘 들려온 소식 중에는 특히 더 "와, 이게 가능해?" 싶었던 내용이 있었다. 바로 구글 딥마인드에서 발표한 알파이볼브(AlphaEvolve)라는 AI 이야기다. 이름부터 뭔가 '진화'의 느낌이 확 오지 않는가? 이 알파이볼브가 대체 뭐길래 이렇게 화제일까?

 

 

단순한 코드 짜는 AI? 아니, 스스로 '진화'하며 '발견'하는 AI!

우리가 흔히 AI에게 코드를 짜달라고 하거나 문제를 풀게 하는 건 이제 익숙한 풍경이 되었다. 그런데 알파이볼브는 여기서 한 단계 더 나아간다. 이건 단순히 주어진 문제를 해결하는 것을 넘어, 스스로 알고리즘을 발견하고 최적화하는 '진화하는 코딩 에이전트'라고 한다. 구글의 강력한 제미나이(Gemini) 모델을 기반으로 작동하고.

 

어떻게 이런 일이 가능할까? 알파이볼브는 마치 생물처럼 '진화 프레임워크' 를 사용한다. 초기 버전의 코드(알고리즘)를 '개념'으로 삼고, 이 코드를 조금씩 변형(mutate)시켜가며 새로운 버전을 만든다. 이때 제미나이 같은 LLM들이 코드 수정 제안을 하기도 하고.

 

이렇게 만들어진 다양한 코드 변형들은 자동화된 평가 도구를 통해 성능을 검증받는다. 마치 자연계에서 환경에 더 잘 적응한 개체가 살아남듯, 성능이 좋은 코드만이 다음 세대의 진화를 위한 '영감'으로 선택되고 저장된다. 이 과정이 계속 반복되면서 알고리즘이 점진적으로, 때로는 획기적으로 개선된다고 한다. 인간이 일일이 코드를 수정하고 테스트하는 것보다 훨씬 빠르고 효율적이다. 

 

특히 놀라운 점은 알파이볼브가 단순히 작은 함수 하나가 아니라 수백 줄에 달하는 전체 코드베이스를 진화시킬 수 있다는 것. 이전의 비슷한 시도보다 훨씬 규모가 크고 일반적인 문제에 적용 가능하다는 차이가 있다고 한다.

 

 

그래서 뭘 해냈는데? 무려 56년 묵은 수학 난제 해결부터 구글 시스템 최적화까지!

알파이볼브의 진가가 발휘된 건 바로 실제 문제 해결 능력이다. 듣고 나면 입이 떡 벌어질 정도다.

 

1. 컴퓨터 과학/수학 분야의 세계 신기록 경신 

특히 컴퓨터 과학에서 아주 기본적인 문제 중 하나인 행렬 곱셈 알고리즘에서 50년 넘게 깨지지 않던 기록을 깼다고 한다. 1969년 슈트라센(Strassen)이 발견한 4x4 행렬 곱셈 알고리즘은 49번의 스칼라 곱셈을 사용했는데, 알파이볼브가 이걸 48번으로 줄이는 새로운 알고리즘을 발견한 거다. 이 외에도 여러 행렬 곱셈 알고리즘 및 다양한 수학적 문제 에서 기존 최고 성능을 뛰어넘는 결과를 보여줬다고 한다.

 

2. 구글 내부 시스템 최적화

알파이볼브는 논문이나 학계 연구에만 그치지 않고, 구글의 핵심 인프라 효율을 높이는 데 실제로 기여했다.

• 데이터 센터 스케줄링 알고리즘 개선 : 구글 전체 데이터 센터의 연산 리소스를 평균 0.7% 추가 확보하는 데 성공했다고 한다. 이게 작은 수치 같지만, 구글 규모에서는 엄청난 절감 효과라고 한다.
• 칩 설계 및 AI 학습 가속화 : 하드웨어 칩 설계 및 알파이볼브 자체를 포함한 제미나이 LLM의 학습 과정까지 최적화했다고 한다. 특히 제미나이 학습에 사용되는 핵심 커널의 속도를 평균 23% 높였고, 전체 학습 시간도 1% 줄였다고 한다. 몇 달 걸리던 최적화 작업이 며칠 만에 가능해졌다고 하니 정말 대단하다.

 

왜 이게 미래 AI에 중요한 걸까? AGI를 향한 발걸음?

알파이볼브가 이렇게 주목받는 이유는 단지 성능이 좋아서만이 아니다. 이는 AI가 특정 작업을 수행하는 것을 넘어, 스스로 문제를 정의하고, 해결 방법을 탐색하며, 결과에 따라 학습하고 개선하는 '자율적인 과학 과정'을 시뮬레이션한다는 점에서 큰 의미를 가진다. 인간의 개입 없이 기계 스스로 진화하며 새로운 지식을 창출하는 것.

 

특히 알파이볼브가 자기 자신을 구동하는 LLM의 학습까지 최적화했다는 점은 '재귀적 자기 개선(recursive self-improvement)'의 초기 사례로 볼 수 있다. AI가 스스로의 성능을 개선하는 알고리즘을 찾고 적용함으로써, 미래의 AI가 폭발적으로 발전할 수 있는 기반을 마련했다는 해석도 나온다. 많은 전문가들이 이를 범용인공지능(AGI) 나아가 초지능(ASI)을 향한 중요한 단계로 보고 있다.

 

물론 아직은 평가 기준을 명확히 자동화할 수 있는 문제(주로 수학, 컴퓨터 과학 문제)에만 적용 가능하다는 한계는 있다. 주관적인 판단이나 물리적인 실험이 필요한 영역은 아직 어렵다고 한다. 하지만 앞으로 인간의 피드백이나 시뮬레이션 환경과의 결합 등 다양한 발전 가능성이 모색되고 있다고 하니, 그 잠재력은 무궁무진해 보인다.

 

AI가 스스로 코드를 짜고, 진화하며, 발견까지 해내는 시대라니! 알파이볼브는 기술 발전의 속도와 방향에 대해 다시 한번 깊이 생각하게 만드는 소식인 것 같다. 앞으로 AI가 우리의 삶과 과학 연구를 어떻게 바꿔나갈지, 흥미진진한 미래를 기대해 본다.

 

출처 : 

1. https://deepmind.google/discover/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/

AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms

 

2. https://dev.to/czmilo/alphaevolve-a-comprehensive-report-on-gemini-powered-algorithm-discovery-5g5i

AlphaEvolve: A Comprehensive Report on Gemini-powered Algorithm Discovery

 

3. https://www.unite.ai/alphaevolve-google-deepminds-groundbreaking-step-toward-agi/

AlphaEvolve: Google DeepMind’s Groundbreaking Step Toward AGI

 

4. https://www.reddit.com/r/singularity/comments/1kmhti8/deepmind_introduces_alphaevolve_a_geminipowered/

From the singularity community on Reddit: DeepMind introduces AlphaEvolve: a Gemini-powered coding agent for algorithm discovery