Главное:
— скорость обучения до 100000 раз выше, чем у существующих методов локального ML на устройствах
— точность на 60 процентов выше, чем у лучших современных edge-ML моделей (TinyML, компактные CNN/RNN, online-learning сети)
— работает на низком энергопотреблении, вплоть до Raspberry Pi
— постоянно адаптируется, выявляет паттерны, эволюционирует и удаляет устаревшие модели
— даёт устройствам настоящую автономную «интеллектуальность»
Важно: сравнение идёт не с большими моделями типа GPT, а с традиционными алгоритмами и компактными нейросетями, которые сейчас используются на edge-устройствах. MicroAdapt обучается и адаптируется гораздо быстрее и стабильнее прямо на железе.
MicroAdapt вдохновлён биологической адаптацией: система учится как живой организм, а не как классическая нейросеть, требующая огромных вычислений и данных.
Работает это дело на Raspberry Pi 4, требуется меньше 1.95 ГБ памяти и 1.69 Вт
MicroAdapt постоянно адаптируется к новым данным, сама создает и удаляет модели.
Это шаг к устройствам, которые не просто обучены однажды, а живут, растут и развиваются в реальном времени.
https://www.sanken.osaka-u.ac.jp/en/achievement/release/20251030.html
Источник: www.sanken.osaka-u.ac.jp
Источник: ai-news.ru
