알파이볼브의 성과는 코드 생성에 그치지 않고, 수치로 검증 가능한 문제에서 실제 성능 개선으로 이어졌다는 점에서 눈에 띈다 [사진: 셔터스톡]
[디지털투데이 홍진주 기자] 구글 딥마인드가 생성형 인공지능(AI) 도구 알파이볼브(AlphaEvolve)의 1년 성과를 공개했다.
지난 8일(현지시간) 온라인 매체 기가진에 따르면, 알파이볼브는 DNA 분석, 전력망, 자연재해 예측, 양자 계산, 구글 내부 인프라, 물류 등 여러 분야에서 성능과 비용 지표를 개선했다.
알파이볼브는 제미나이를 기반으로 새 코드와 계산 방법 후보를 만들고, 자동 평가 시스템이 속도와 정확도, 비용 절감 효과를 점수화한 뒤 성능이 좋은 후보를 다시 개선하는 구조다. 단순한 코드 생성 도구가 아니라 수치로 평가 가능한 문제에서 더 나은 알고리즘을 찾는 데 초점을 맞췄다. 구글 딥마인드는 지난해 5월 이 시스템을 공개하면서 '미지의 알고리즘이나 미해결 문제의 새로운 해법을 발견할 수 있다'고 제시한 바 있다.
이번에 공개된 사례 중 생명과학 분야에서는 DNA 분석 모델 '딥컨센서스' 개선 효과가 눈에 띈다. 알파이볼브는 유전자 데이터에서 질병 관련 변이를 놓치거나 없는 변이를 잘못 잡아내는 변이 검출 오류를 30% 줄였다. 연구자 입장에서는 유전자 데이터 해석 정확도를 끌어올릴 수 있는 수치다.
전력망 분야에서는 'AC 최적 전력 흐름' 문제 해결 성과가 나왔다. 발전소와 송전선의 제약을 만족시키면서 전력을 효율적으로 배분하는 문제에서, 전력망 AI 모델이 실행 가능한 해를 찾는 비율은 14%에서 88% 이상으로 뛰었다. 실행 가능한 해가 늘면 운영 과정에서 사람이 직접 수정하거나 별도 시스템으로 보정하는 부담을 줄일 수 있다.
자연재해 예측 모델에서도 개선이 확인됐다. 산불과 홍수, 토네이도 등 20종의 자연재해 위험을 예측하는 AI 모델에서 지구 관측 데이터를 가공하는 방식을 손봐 전체 정확도를 5% 높였다. 양자 컴퓨팅 분야에서는 구글의 양자 프로세서 '윌로우'에서 분자 시뮬레이션을 돌리기 위한 양자 회로를 제안했고, 해당 회로는 기존 최적화 방식보다 오류가 10분의1 적었다.
수학 연구 지원에도 활용 범위가 넓어졌다. 알파이볼브는 UCLA 수학자 테런스 타오와의 협업을 통해 이른바 에르되시 문제군 연구를 지원했다. 또한 외판원 문제와 램지 수 같은 고전 수학 과제에서 하한 기록 개선에도 쓰였다.
구글 내부 인프라 적용도 본격화했다. 알파이볼브는 차세대 TPU 설계 최적화에 투입됐고, 캐시 교체 정책 개선에서는 사람이 중심이 돼 수행하면 수개월 걸릴 작업을 이틀 만에 끝냈다. 데이터베이스 '구글 스패너' 내부 처리에서는 쓰기 증폭률을 20% 낮췄고, 컴파일러 최적화 전략으로 소프트웨어 저장 용량도 약 9% 줄였다.
상용 적용 사례도 늘고 있다. 클라르나는 대규모 트랜스포머 모델 학습 속도를 2배로 높였고, 반도체 스타트업 서브스트레이트는 계산 리소그래피 처리 속도를 수배 개선했다. FM 로지스틱은 배송 경로 최적화로 연간 이동거리를 1만5000km 이상 줄였고, WPP는 광고 캠페인용 AI 모델 정확도를 10% 높였다. 슈뢰딩거는 신약 개발과 소재 개발에 쓰는 분자 시뮬레이션 관련 모델 속도를 약 4배 끌어올렸다.
구글 딥마인드는 알파이볼브를 '제미나이 기반 코딩 에이전트'로 규정하고, 적용 범위를 여러 산업으로 확대하고 있다. 이와 함께 알파이볼브를 '알고리즘을 AI가 발견하고 개선해가는 시대'를 향한 중요한 진전으로 제시했다. 공개 1년 만에 연구 도구를 넘어 구글 인프라와 기업 운영 현장까지 적용 사례를 확보했다는 점이 이번 발표의 핵심이다.
댓글
0