Google DeepMindによると、AlphaEvolveは大規模言語モデルと自動評価システムを基盤とした進化的コーディングエージェントであり、同社は今回の発表を通じて、AIは単なるコード断片の生成以上のことができると主張している。このシステムはGemini FlashとGemini Proを組み合わせ、より高速なモデルでアイデア探索の幅を広げ、より高性能なモデルで深みを加える。その後、提案されたプログラムを評価システムにかけて正確性と品質を採点し、最良の候補をループへ戻す。

この設計により、AlphaEvolveは従来型のコーディング支援ツールというより、アルゴリズム発見システムに近いものとなっている。DeepMindによると、これは正しさを自動的に検証できる問題を対象としており、そのため同社は数学、半導体設計、性能エンジニアリングを重視している。コードの提案を評価する同じ検証ループによって、新しい回路が引き続き正しく動作するか、あるいは新たなヒューリスティックが実際にスループットを向上させるかも試験できる。同社の説明では、新規性はモデルの出力だけでなく、モデルの創造性と測定可能な評価を組み合わせた点にある。

DeepMindによると、このシステムはすでにGoogleのコンピューティング基盤全体に導入されている。一例はBorgのスケジューリングで、AlphaEvolveが発見したヒューリスティックが1年以上にわたって本番環境で使用され、Googleが世界で保有する計算資源の平均0.7％を継続的に回復させている。同社はこれを、一度限りのベンチマーク上の勝利ではなく、持続的な効率向上として示している。これは研究デモを、実際のコストと処理能力に影響する運用上の成果へと変えるため重要だ。

同じ投稿によると、AlphaEvolveは半導体と学習基盤の改善にも貢献した。行列乗算で使われる高度に最適化された演算回路についてVerilogによる書き換えを提案し、その案は今後登場するTPUに組み込まれた。これとは別に、同システムはGeminiのアーキテクチャにおける主要な行列乗算カーネルを23％高速化し、その結果、Geminiの学習時間が1％短縮されたとDeepMindは述べている。また、AlphaEvolveは低レベルのGPU命令も最適化でき、FlashAttentionカーネルでは最大32.5％の高速化が実現したとしている。

数学上の成果も同様に野心的だ。DeepMindによると、AlphaEvolveは4×4の複素数値行列を48回のスカラー乗算で掛け合わせる新たなアルゴリズムを発見し、この条件におけるストラッセンの1969年の成果を改善した。また、解析学、幾何学、組合せ論、数論にまたがる50以上の未解決問題にこのシステムを適用したところ、約75％の事例で最先端の解法を再発見したという。それらの実験の大半は数時間で準備できた。これは、アイデアから検証までの時間を短縮できるシステムだという同社の売り込みの一部となっている。

要するに、DeepMindが主張しているのは、作業工程そのものの転換だ。AlphaEvolveは汎用の自律型コーディングエージェントとしてではなく、検証をループに組み込みながら巨大な解空間を探索する手段として提示されている。人間が読めるコード、解釈可能性、デバッグ可能性を重視していることから、同社が単なる研究上の新規性ではなく、実用的なエンジニアリング価値を見いだしていることがうかがえる。報告された改善効果が同社独自の環境外でも維持されるなら、AlphaEvolveは、コードの下書きを速めるだけでなく、難度の高いエンジニアリング作業の進め方を変える、規模は小さいものの重要なAIシステムの一群に位置付けられるだろう。