ZIGU LABS、非トランスフォーマー型ソブリンAI「GBR」公開

韓国のAIスタートアップZIGU LABS(代表:イ・ジュンス氏)は1日、独自の数学理論に基づく記憶中心のソブリンAIアーキテクチャ「GBRシステム」を公開した。トランスフォーマー構造や既存の大規模言語モデル(LLM)に依存せず、データベース(DBMS)の仕組みと連動した固有の記憶構造で質問を解釈し、推論を経て回答を導く点が特徴という。

再学習なしで知識を蓄積

中核は、再学習を必要としない継続的な知識蓄積と精密検索のアルゴリズムだ。知識をモデルの重みに統合する従来のニューラルネットワークと異なり、GBRは出典とバージョンを付した独立の「記憶」単位としてデータを分けて保存する。「ゼロミス(Zero-Miss)」検索は、事前に指定した範囲内で最適な記憶を漏れなく探し、範囲外の質問には回答を保留するか追加の根拠を求める設計だ。記憶網はフラクタル構造で、知識の追加・修正・削除はモデル全体の再学習なしに回答へ反映される。

数独とエッジ端末で実証

同社は超高難度データセット「Sudoku-Extreme」の約42万問から1万問を抽出して検証し、外部の演算ツールを使わず単一の推論ステップで全問を解いたとする。検証データと結果証明書はGitHubで公開した。今後は未学習の課題への対応力を測る国際ベンチマーク「ARC-AGI」へ評価を広げる計画だ。

ハードウェア面では、メモリ8GBの小型組み込みコンピューターNVIDIA「Jetson Orin Nano Super」上で、クラウド通信なしに質疑応答と知識更新を実演した。同じ端末でカメラとモーター制御信号も直接連携させ、ロボティクスやエッジ現場での単独稼働の可能性を示したという。

イ代表は「産業現場にAIを根付かせるには、回答の論理的根拠を確認し、誤りをすぐ修正できる統制力が不可欠だ」と述べ、海外のフレームワークに縛られない独自アーキテクチャで国家規模のソブリンAIソリューションを高度化すると語った。