Google. (Reuters)
구글 딥마인드는 8일 알파이볼브 출시 1주년을 맞아 이 같은 연구 성과와 실전 배치 현황을 자사 블로그에 공개했다. 구글은 향후 소재 과학과 기후 변화 등 더 넓은 사회적 난제에 이 기술을 적용할 계획이다.
지난해 5월 처음 공개된 알파이볼브는 거대언어모델(LLM)의 창의적 문제 해결 능력과 자동화된 검증 시스템을 결합한 ‘진화적 프레임워크’를 기반으로 한다. 단순히 정해진 답을 내놓는 대신, 수만 개의 코드 기반 알고리즘을 스스로 제안하고 실행하며 성능이 검증된 코드를 다시 다음 세대의 밑거름으로 삼는 방식으로 발전해 왔다. 특히 속도가 빠른 제미나이 플래시가 광범위한 아이디어를 탐색하면, 가장 강력한 성능의 제미나이 프로가 심층적인 통찰력을 더해 알고리즘의 완성도를 높이는 구조다.
인프라 측면에서 알파이볼브는 구글 내부 인프라의 효율을 극대화하는 성과를 거뒀다고 구글 측은 설명했다. 구글의 대규모 데이터 센터 운영 시스템인 ‘보그(Borg)’에 적용돼 컴퓨팅 자원의 0.7%를 상시 회복시키는 효율을 달성했으며, 이는 전 세계 구글 컴퓨팅 자원 규모를 고려할 때 막대한 에너지 절감으로 이어진다.
또 차세대 AI 반도체인 TPU 설계 과정에서 복잡한 회로 설계도를 더 단순하고 효율적인 구조로 다시 그려내는 데 성공했다. 이렇게 개선된 디자인은 실제 차세대 TPU 칩 제작 공정에 그대로 반영됐다. 제프 딘 구글 딥마인드 수석 과학자는 이에 대해 “인간 설계자의 직관을 넘어서는 효율적인 회로 설계안이 실제 칩 제작에 반영된 것은 TPU의 두뇌(AI)가 차세대 TPU의 몸체(하드웨어)를 설계하는 데 기여한 최신 사례”라고 설명했다.
수학적 난제인 ‘키싱 넘버’ 문제에서도 진전이 있었다. 11차원 영역에서 기존 기록을 갈아치우는 새로운 하한선을 발견한 것이다. 이는 300년 넘게 이어진 수학적 탐구 과정에 새로운 근거를 더했다는 평가를 받는다. 또 현대 컴퓨터 연산의 기초가 되는 ‘행렬 곱셈’ 분야에서도 1969년부터 사용된 표준 방식(스트라센 알고리즘)보다 연산 횟수를 줄인 효율적인 알고리즘을 찾아냈다.
필즈상 수상자인 테런스 타오 UCLA 교수는 “알파이볼브 같은 도구는 수학자들에게 매우 유용한 능력을 부여하며, 특히 최적화 문제에 대한 직관을 개선해 엄밀한 증명을 더 쉽게 찾도록 돕는다”고 평가했다.
비즈니스 현장으로의 확장세도 가파르다. 물류 기업 FM 로지스틱은 복잡한 배송 경로 최적화 문제에 이를 도입해 연간 주행 거리를 1만 5000km 이상 단축했고, 핀테크 기업 클라르나는 자사의 가장 큰 AI 모델 학습 속도를 2배 높이면서도 답변 품질을 개선했다.
특히 제약·바이오 분야의 슈뢰딩거는 알파이볼브를 통해 분자 시뮬레이션 속도를 4배 가속화했다. 이는 수억 개의 화학 조합을 검토해야 하는 신약 개발 과정에서 후보 물질을 골라내는 기간을 수개월에서 수일로 단축하는 실질적인 혁신으로 이어지고 있다.
유전자 분석 분야에서도 가시적인 변화가 나타나고 있다. 퍼시픽 바이오사이언스(PacBio)는 알파이볼브가 발견한 솔루션을 활용해 유전체 분석 장비의 정확도를 향상시켰다. 이는 연구자들이 이전에는 식별하기 어려웠던 질병 유발 돌연변이를 발견할 수 있는 토대를 마련한 것으로 평가받는다. 이외에도 광고 기업 WPP는 캠페인 데이터 분석 모델의 정확도를 10% 향상시키는 등 산업 전반에서 성과가 이어지고 있다.
사회적 임무 및 지속 가능성 측면에서는 산불과 홍수 등 20개 카테고리의 자연재해 예측 정확도를 5% 향상시키고, 전력망의 과부하를 막는 전력망 최적화 문제 해결 능력을 기존 14%에서 88% 이상으로 끌어올려 에너지 효율화에 기여했다.
푸시밋 콜리 구글 딥마인드 수석 과학자는 “지난 1년의 성과는 알파이볼브가 범용적인 문제 해결 시스템으로 빠르게 자리 잡았음을 보여준다”며 “알파이볼브는 스스로 배우고 진화하며 최적화되는 알고리즘이 과학과 산업의 차세대 돌파구를 주도할 것임을 증명하고 있다”고 강조했다.
