ZIGU LABS prezentuje GBR – suwerenne AI bez transformerów

Koreański startup ZIGU LABS, którym kieruje Lee Jun-su, zaprezentował 1 listopada system GBR (GBR SYSTEM). To suwerenna architektura AI zbudowana wokół pamięci i oparta na autorskiej teorii matematycznej. Nie korzysta ani z transformerów, ani z klasycznych dużych modeli językowych (LLM).

Zamiast tego GBR łączy własną strukturę pamięci z mechanizmami bazy danych (DBMS). Na jej podstawie interpretuje pytanie, przeprowadza wnioskowanie i formułuje odpowiedź.

Pamięć zamiast wag modelu

Kluczowe elementy to ciągłe gromadzenie wiedzy bez ponownego trenowania oraz precyzyjny algorytm wyszukiwania. W tradycyjnych sieciach neuronowych wiedza trafia do wag modelu. GBR przechowuje dane jako osobne jednostki „pamięci”, z których każda ma przypisane źródło i wersję.

Technologia wyszukiwania „Zero-Miss” ma bez pominięć znajdować najlepszą pamięć w wyznaczonym zakresie. Przy pytaniach spoza tego zakresu system wstrzymuje odpowiedź albo prosi o dodatkowe uzasadnienie. Sieć pamięci ma strukturę fraktalną, dlatego dodanie, zmiana lub usunięcie wiedzy od razu wpływa na odpowiedzi, bez retrenowania całego modelu.

Sudoku i urządzenia brzegowe

Firma podała też wyniki rozumowania. W teście na 10 tys. plansz wylosowanych z ok. 420 tys. w zbiorze Sudoku-Extreme system rozwiązał wszystkie, w jednym kroku wnioskowania i bez zewnętrznych narzędzi obliczeniowych. Dane weryfikacyjne i certyfikat wyników opublikowano na GitHubie. ZIGU LABS planuje rozszerzyć ocenę o międzynarodowy benchmark ARC-AGI.

GBR sprawdzono także na Nvidia Jetson Orin Nano Super z 8 GB pamięci. Urządzenie samodzielnie odpowiadało na pytania i aktualizowało wiedzę, bez łączności z chmurą. W tym samym urządzeniu połączono bezpośrednio sygnały kamery i silnika, co według firmy wskazuje na możliwość pracy w robotyce i na urządzeniach brzegowych.

Lee Jun-su podkreślił, że wdrożenie AI w przemyśle wymaga możliwości sprawdzenia logicznych podstaw odpowiedzi i natychmiastowego poprawiania błędów. Zapowiedział rozwijanie rozwiązań suwerennej AI na poziomie krajowym, opartych na własnej architekturze, niezależnej od zagranicznych frameworków.