4,932 文字
これは、これまでで最も驚くべきAIブレークスルーの一つかもしれません。Googleは最近、Alpha Evolveという、問題を解決するだけでなく、まったく新しい解決策を発明するAIシステムを発表しました。すでにこのシステムは、裏でGoogleのAIスタック（ハードウェアとソフトウェアの両方）を静かに最適化し、これまで誰も見たことのない手法で何十年も解けなかった数学の問題を解いています。
そして恐らく最も驚くべきことに、再帰的な自己改善の初期兆候を示しています。これは本当に凄いものです。詳しく見ていきましょう。
まず、Alpha Evolveとは正確に何なのでしょうか？Googleはこれを「高度なアルゴリズムを設計するためのGemini搭載コーディングエージェント」と説明しています。これはどういう意味でしょうか？基本的に、Googleは大規模言語モデルの創造性と、実際に機能するかどうかを確認する冷静な評価機能を組み合わせ、時間とともにより良いコードを進化させるAIエージェントを構築したということです。
彼らが述べているように、Alpha Evolveは「Geminiモデルの創造的な問題解決能力と、答えを検証する自動評価機能を組み合わせ、進化的フレームワークを使用して最も有望なアイデアを改善します」。そしてこれは単なる研究用サンドボックスではありません。Alpha Evolveはすでに、Googleのデータセンター、チップ設計、AIトレーニングプロセス（Alpha Evolve自体の基盤となる大規模言語モデルのトレーニングを含む）の効率を向上させています。
これについては後ほど詳しく触れます。また、より高速な行列乗算アルゴリズムの設計を支援し、未解決の数学的問題に対する新しい解決策を発見するなど、様々な分野で大きな可能性を示しています。
では、Alpha Evolveの実際の仕組みを簡単に説明しましょう。すべては人間の科学者やエンジニアから始まります。彼らが「行列乗算のより高速なアルゴリズムを見つける」などの目標を定義し、良い解決策とみなされる基準を設定します。そこからループが始まります。
まず、プロンプトサンプラーがデータベースから既存のプログラムを取得し、いくつかの強力な例を混ぜ合わせ、LLM（大規模言語モデル）向けにカスタムタスクや質問を構築します。基本的にLLMに「これが現状です。さあ、もっと良いものを提供してください」と伝えます。
ここでLLMアンサンブルの出番です。Geminiモデルのグループが、プロンプトサンプラーによって与えられた質問やタスクに基づいて、多くの改善案を考え出します。各改善案は新しいプログラムに変換され、評価プールというシステムに渡されます。このシステムはパフォーマンスを自動的にチェックします。
新バージョンが改善されていれば、プログラムデータベースに保存され、次のプロンプトのインスピレーションとなります。これがループです。
簡単に言うと、人間の科学者がシステムに目標を伝え、現在最高のプログラムを提供します。基本的に「これが私の数学アルゴリズムです。改善してください」ということです。
その目標とデータベース内の既存情報に基づいて、プロンプトサンプラーはLLMアンサンブル（協力して作業する複数の大規模言語モデル）向けにスマートな質問を作成します。LLMはそのタスクに基づいて多くの解決策を生成します。それぞれが評価され、最良のものが残り、それらがデータベースに戻ってループを再開します。
最終的に、一度設定すると完全に独自に絶えず進化し続けるシステムが出来上がります。
これは単なる理論的概念ではありません。Googleはすでに自社の業務でAlpha Evolveを使用しています。彼らが述べているように「過去1年間、私たちはAlpha Evolveによって発見されたアルゴリズムをGoogle全体のコンピューティングエコシステム（データセンター、ハードウェア、ソフトウェアを含む）に導入してきました。」
特に、データセンターでは、Alpha EvolveはBorgがGoogleの膨大なデータセンターをより効率的に調整するのに役立つ、シンプルながら非常に効果的なヒューリスティックを発見しました。この解決策は1年以上前から本番環境で稼働しており、平均してGoogleの世界中のコンピューティングリソースの0.7%を継続的に回復しています。これは一見それほど多くないように聞こえるかもしれませんが、ここで話しているのはGoogleです。
なお、Borgは、Googleのデータセンター全体のコンピューターを管理するための内部システムです。基本的に、すべてを監視する主要な管理者です。そう、その名前はある意味完璧です。
Alpha EvolveはGoogleのTPU（カスタムAIチップ）にも適用され、より効率的な実行方法を提案しました。その最適化はすでにGoogleの最新TPU世代に統合されています。
しかし、ここから事態は本当に驚くべき方向に進みます。彼らは次のように述べています。「大きな行列乗算操作をより管理しやすいサブプロセスに分割するよりスマートな方法を見つけることで、Geminiアーキテクチャの重要なカーネルを23%高速化し、Geminiのトレーニング時間を1%削減しました。」
繰り返しますが、わずか1%ですが、Googleのスケールでの1%です。そしてパフォーマンス向上だけでなく、Alpha Evolveはカーネル最適化に必要なエンジニアリング時間を専門家の数週間の努力から数日の自動実験に大幅に短縮し、研究者がより速くイノベーションを起こせるようにしています。
そう、GoogleはAlpha Evolveを使ってGeminiモデルを改善しています。そのGeminiモデルこそがAlpha Evolveを動かしているものなのです。
技術論文を実際に掘り下げてみると、この導入は「Geminiが、Alpha Evolveの能力を通じて、自身のトレーニングプロセスを最適化する」という新規な事例だと強調しています。これは正直なところ凄まじいことです。これは文字通り、再帰的に自己改善するAIの最初の実世界の例かもしれません。
さて、Alpha Evolveが実際にGeminiのトレーニングを高速化した方法と、そのシステムの仕組みを見てきたところで、実際にはどのように機能するのか振り返ってみましょう。
人間のエンジニアがタスクを与えるとします。「Geminiアーキテクチャのこの部分、特にトレーニング中の行列乗算の処理方法を最適化しなさい」と。
このタスクはプロンプトサンプラーに渡され、既存のコードとデータベースからの以前の解決策を見て、LLM（Geminiモデル）に対してスマートなプロンプトを作成し、基本的に自分自身のより良いバージョンをブレインストーミングします。それぞれが評価機によってテストされ、数ミリ秒の削減や計算量の削減などのパフォーマンス向上があれば、プログラムデータベースに保存されます。
時間が経つにつれ、それらの小さな改善が積み重なり、Geminiは本質的にGeminiのトレーニングをより良くすることができるようになります。つまり、より良いGeminiモデルが自分自身のより良いバージョンを作成し、それらのバージョンがさらに強力な後継バージョンを生成し、それがさらに良いバージョンを作成し、延々と続くのです。
これはまさに、元OpenAI研究者のレオポルド・アッシェンブレナーが知能爆発の始まりとして説明したようなフィードバックループです。AI研究自体が自動化される地点です。
もちろん、単にAlpha Evolveに自己進化するよう指示するほど単純ではありません。もしそうなら、Googleはすでにそれを行っているでしょう。そして、ある程度、彼らはすでに行っています。しかし、それは単なる終わりのない魔法のような自己改善ループではありません。限界、ボトルネック、摩擦点があるでしょう。
しかし、私たちが目にしているのは、全く新しいもの、文字通り独自に全く新しいアイデアを生成できるものの最初の段階です。
新しいアイデアと言えば、Alpha Evolveは単にエンジニアリングの調整をしただけではありません。数学の分野で真の突破口を開きました。4×4の複素数値行列を48回のスカラー乗算だけを使って乗算する、より高速な方法を発見しました。これは、1969年にStrasenが示した従来の最良の方法よりも1回少なく、50年以上にわたって人間が改善できなかったものです。驚くべきことに、このような数学のために特別に構築されたGoogleの以前のAIシステムであるAlpha Tensorでさえこれを達成できませんでしたが、Alpha Evolveはそれを解明しました。
それだけではありません。その広範な推論能力をテストするために、Googleは幾何学、組合せ論、数論などの分野から50以上の未解決問題をAlpha Evolveに与えました。
ほとんどの場合（約75%）、最先端の解決策を再発見しました。そして20%のケースでは、実際にそれらを改善しました。一例は、300年以上数学者を悩ませ続けてきた幾何学パズルであるキッシングナンバー問題です。Alpha Evolveは593個の外部球体の新しい配置を発見し、11次元で新しい下限を確立しました。
正直なところ、これが何を意味するのか完全には分かりませんが、これはもはや単なる最適化ではなく、実際の発見であることは明らかです。
AIが今や何世紀にもわたって人間を悩ませてきた数学的ブレークスルーを成し遂げ、自身のアーキテクチャを最適化し、自分自身のよりスマートなバージョンを進化させることができるなら、私たちが知能爆発に向かっているかどうかではなく、それがいつ起こるかが問題です。
このグラフで私たちが一段階上に移動したような感覚があります。レオポルド・アッシェンブレナーは2027年をこれらすべてが超新星爆発を起こす年と予測していますが、個人的にはもっと早く起こっても驚きません。
しかし、皆さんはどう思われますか？Alpha Evolveは本物なのか、それとも私が過大評価しているのでしょうか？個人的には、これが今年最大のAI発表の一つ、あるいは最大のものかもしれないと思います。
そして驚くべきことに、Googleはこれを数ヶ月、あるいは数年間秘密にしていました。彼らは最後に、選ばれた学術ユーザー向けの早期アクセスプログラムに取り組んでいると述べています。ですから、今のところこれは利用できません。
また、「Alpha Evolveは現在、数学とコンピューティング全体に適用されていますが、その一般的な性質は、解決策がアルゴリズムとして記述され、自動的に検証できるあらゆる問題に適用できることを意味します。Alpha Evolveは、材料科学、薬品開発、持続可能性、より広範な技術やビジネスアプリケーションなど、さらに多くの分野で変革をもたらす可能性があると信じています」とも述べています。
そうですね、現時点ではAlpha Evolveはまだ門戸が閉ざされています。しかし、すでに数学の問題を解決し、チップを最適化し、それが動作するモデル自体を改善しているなら、次の問題は、これが世界の残りの部分に開放されたらどうなるのかということです。
Googleは単なるツールを構築しているのではありません。最終的には何でも設計するのを助けるシステムを構築しています。AIはもはや作業を自動化するだけでなく、発見そのものを自動化し始めています。
視聴していただきありがとうございます。この解説を楽しんでいただけたなら、いいねボタンを押してください。そして、このような将来のAIニュースを常に知りたい方は、まだであれば登録をお願いします。
明日の次回でお会いしましょう。
コメント