グーグル・ディープマインドが、AIに「アルゴリズムそのものを設計させる」という野心的な取り組みを進めている。その名はアルファエボルブ（AlphaEvolve）。同社の大規模言語モデル「ジェミニ（Gemini）」を頭脳とし、進化的アルゴリズムと組み合わせて、数学やコンピューティングの難問に挑むコーディングエージェントだ。すでにグーグル社内で1年以上も実際に稼働し、計算資源の節約やジェミニ自体の高速化といった具体的な成果を上げているという。AIがAIを改善する時代の入り口を示す事例として注目に値する。
ジェミニと進化的アルゴリズムを掛け合わせる仕組み
アルファエボルブの最大の特徴は、二つの技術を掛け合わせた点にある。一つはジェミニのような大規模言語モデル（LLM）だ。LLMはプログラムのコードを書いたり、改善案を提案したりするのが得意である。もう一つは「進化的アルゴリズム」と呼ばれる手法だ。これは生物の進化になぞらえた考え方で、多数の解の候補を生み出し、優れたものだけを残して少しずつ改良を重ねていく仕組みである。
従来、LLMに何かを書かせると、もっともらしいが正しいとは限らない答えが返ってくることがあった。そこでアルファエボルブは、LLMが提案したアルゴリズムを実際に動かして性能を測り、良いものを選んで次の世代へ受け継ぐ。この「生成と検証のサイクル」を高速で回すことで、人間が思いつかないような優れたアルゴリズムへとたどり着く。生成役のLLMと、選別役の進化的アルゴリズムが補い合う構図だ。
計算資源0.7%回収とジェミニ23%高速化
ディープマインドによれば、アルファエボルブはすでにグーグルの内部で1年以上にわたり運用されている。研究室の実験にとどまらず、実際の業務環境で長期間使われてきたという事実は、技術の実用性を裏づける重要なポイントである。
具体的な成果も明らかにされている。一つは、グーグル全体の計算資源のうち0.7%分を回収（節約）したことだ。わずか0.7%と感じるかもしれないが、グーグルが世界中に抱える膨大なデータセンターの規模を考えれば、その絶対量は極めて大きい。アルファエボルブが、巨大なインフラの効率を底上げできることを示している。
もう一つの成果が、ジェミニ自身の高速化である。アルファエボルブは、ジェミニを動かす「カーネル」を23%高速化したという。カーネルとは、AIモデルの計算処理を担う中核的なプログラム部品のことだ。この部分が速くなれば、モデルの学習や応答にかかる時間とコストを大きく削減できる。AIが、自らを動かすソフトウェアを改良してより速く動くようになるという、興味深い循環が生まれている。
さらにディープマインドは、アルファエボルブが複雑性理論（computational complexity theory）の長年の未解決問題で、最先端の記録を更新したと説明している。複雑性理論とは、ある問題を解くのにどれだけの計算量が必要かを研究する、コンピューターサイエンスの基礎分野だ。人間の研究者が何年も挑んできた難問で記録を塗り替えたことは、AIが純粋な理論研究の領域でも貢献し得ることを示している。
「使う」AIから「ともに発見する」AIへ
アルファエボルブは、たんぱく質の構造を解き明かしたアルファフォールド（AlphaFold）などと並び、ディープマインドが掲げる「科学的発見の加速」という大きな方針の一環として位置づけられている。AIを単なる便利な道具ではなく、人類の知の最前線を押し広げるパートナーとして使おうとする姿勢がうかがえる。
AIがアルゴリズムを設計し、その成果が自社のインフラとAIモデルそのものに還元される。アルファエボルブが示したのは、こうした自己改善のループが現実に機能し始めているという事実だ。今はグーグル社内に閉じた技術だが、こうした手法が広く使えるようになれば、ソフトウェア開発や科学研究のあり方は大きく変わるかもしれない。AIが「使う」ものから「ともに発見する」ものへと進化していく流れを、今後も注視していきたい。
参考：AlphaEvolve – Google DeepMind（2026年6月10日）