ZIGU LABS presenta GBR, una IA soberana sin arquitectura Transformer

La startup surcoreana de inteligencia artificial ZIGU LABS, dirigida por Lee Jun-su, presentó el 1 de noviembre el GBR System, una arquitectura de IA soberana centrada en la memoria. Según la compañía, se basa en una teoría matemática propia y no depende ni de la arquitectura Transformer ni de los grandes modelos de lenguaje convencionales.

GBR vincula una estructura de memoria propia con mecanismos de bases de datos (DBMS). El sistema interpreta la pregunta, razona sobre el conocimiento almacenado y después elabora la respuesta.

Unidades de memoria en lugar de pesos

El núcleo lo forman un sistema de acumulación continua de conocimiento sin reentrenamiento y un algoritmo de búsqueda de precisión. Las redes neuronales habituales integran el saber en los pesos del modelo. GBR, en cambio, guarda los datos por separado como unidades de «memoria» independientes, cada una con su fuente y su versión.

La búsqueda «Zero-Miss» está pensada para hallar sin omisiones la mejor memoria dentro de un ámbito predefinido. Ante consultas fuera de ese ámbito, el sistema suspende la respuesta o pide más evidencias. La red de memoria sigue una estructura fractal, en la que el todo y las partes son autosimilares. Por ello, las altas, modificaciones y eliminaciones se reflejan al instante en las respuestas, sin reentrenar todo el modelo.

Resultados y demostración en el borde

ZIGU LABS también difundió cifras de rendimiento. Tomó una muestra de 10.000 partidas de las unas 420.000 del conjunto Sudoku-Extreme. Según la empresa, su motor las resolvió todas en un único paso de razonamiento, sin herramientas de cálculo externas. Los datos de verificación y los certificados de resultados están en GitHub, y la compañía prevé ampliar la evaluación al benchmark ARC-AGI, que mide la resolución de tareas no vistas.

Además, el sistema operó en el Jetson Orin Nano Super de Nvidia, un minicomputador embebido con 8 GB de memoria. Sin conexión a la nube, el dispositivo respondió preguntas y actualizó su conocimiento. Las señales de control de una cámara y un motor se conectaron directamente en el mismo equipo, lo que, según la empresa, demuestra que puede funcionar de forma independiente en robótica y dispositivos de borde.

Lee afirmó que llevar la IA a la industria exige poder comprobar el fundamento lógico de cada respuesta y corregir errores de inmediato. La compañía quiere perfeccionar soluciones de IA soberana a escala nacional, sin depender de frameworks extranjeros.