AIエージェント能力アトラス › 仕事ごとの一覧 › 研究・問題解決 › 工学設計・最適化
アルゴリズム設計・発見(AlphEvolve型)
Algorithm Design & Discovery (AlphaEvolve-style)
2030年（予測）: 5/5 専門家超え
0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。
専門家と比べて
AlphaEvolveは4x4複素行列乗算で1969年のStrassenアルゴリズムを57年ぶりに更新するなど、少数の一流数学者・アルゴリズム専門家でも到達できなかった成果を出しているが、化学・生物学など評価関数が自明でない領域への一般化は未実証。
できること
自動検証可能な問題(行列乗算、データセンタースケジューリング、量子回路最適化、Google社内インフラ改善)でアルゴリズムを発見・改良し、Google Willow量子プロセッサでの分子シミュレーションを可能にするなど実運用に投入済み。自身の後継LLM訓練の効率化にも寄与。
まだできないこと
機械的に検証可能な目的関数(automated evaluator)が存在しない、あるいは構築コストが高い領域(化学・生物学のようなウェットラボ実験が必要な分野)には一般化できない。オープンエンドな理論的発見ではなく、進化的探索+検証器によるガイド付き探索であり、一部「発見」の新規性についてはNYUのErnest Davisらから誇張との指摘もある。
なぜそうなのか
進化的アルゴリズムは高速・安価・精密な自動評価器に依存するため、評価コストが高い/曖昧な領域では機能しない。
これからの予測の根拠
DeepMindは2026年更新でゲノミクス・電力網・量子計算への拡張を明言しており、評価器設計が可能な領域では2028年までにさらなる拡大が見込まれる一方、評価器構築が困難な領域(化学・生物学の実世界検証)は一般化しないため、全体としては特定領域での専門家超えが継続する形。
いま使える主な道具
AlphaEvolve (Google DeepMind, Gemini-powered)、FunSearch、CodeEvolve
根拠
- Google DeepMind AlphaEvolve (May 2026): Algorithm Discovery Moves From Lab Demo to Production System 2026-05
ゲノミクス・電力網・量子計算・Google社内インフラへの展開を報告 - AlphaEvolve: Gemini-powered coding agent scaling impact across fields 2026
13の数学問題・行列乗算・実運用への適用を総括 - Some comments on AlphaEvolve (Ernest Davis, NYU) 2026
一部の「発見」の新規性主張に対する批判的検証
同じ分野のほかの仕事（工学設計・最適化）
AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。