大阪大学产业科学研究所（SANKEN）的研究团队成功开发出一种"自进化"边缘AI技术，使紧凑型设备能够直接实现毫秒级实时学习与预测能力。这项名为MicroAdapt的创新技术实现了前所未有的处理速度与准确率，相比当前最先进的深度学习方法，数据处理速度提升高达10万倍，准确率提高达60%。该成果标志着向制造业、汽车物联网及医疗可穿戴设备等领域的下一代实时AI应用迈出了重大一步，有效解决了现有云依赖AI的关键局限性。
在制造领域的嵌入式系统、汽车物联网以及植入式/可穿戴医疗设备等资源受限的紧凑型边缘设备中，对高速AI处理的需求日益增长。传统边缘AI通常需要在庞大的云环境中使用大数据和深度学习进行大型模型预训练，随后仅将这些静态固定模型部署到边缘设备用于推理（预测），而非学习功能。这种方法虽能通过更多数据提高准确率，却需要海量数据量、处理时间和电力资源，使其无法满足小型设备内实时数据处理或快速模型更新的需求。
此外，这些依赖云端的方法始终面临通信成本、数据隐私和安全方面的挑战。此前，全球尚未建立适用于紧凑型边缘环境的实时学习技术。松原康子教授的研究团队开发出MicroAdapt，这是目前世界上速度最快、准确率最高的边缘AI技术，可在小型设备内实现实时学习与预测。与传统AI在云端对大数据训练复杂单一模型不同，MicroAdapt采用三种创新机制：首先，直接在边缘设备上将输入的时序演化数据流分解为独特模式；其次，整合多个轻量级模型共同表示数据；最后，受微生物适应机制启发，系统自主持续迭代实现自我学习、环境适应与模型进化。
该技术能识别新模式、更新简单模型并剔除冗余模型，从而实现模型的实时学习与未来预测。相关研究成果已发表于《第31届ACM SIGKDD知识发现与数据挖掘会议论文集V.2》。这种前沿方法展现出卓越的预测准确率与计算速度，在对比测试中处理速度比最先进的深度学习预测技术快10万倍，准确率提高60%。
研究团队已成功在树莓派4平台上实现该自进化边缘学习机制。实际部署证明其具备高度实用性——仅需低于1.95GB的内存和低于1.69W的功耗，即可在不配备高性能GPU的轻量级CPU上稳定运行。"我们为小型设备开发的高速超轻量级边缘AI能支持多样化的实时应用。目前正与制造业、移动出行及医疗健康领域的产业伙伴合作，推动其实际应用以实现广泛的产业影响。"
更多研究信息：松原康子等，《MicroAdapt：面向时序演化数据流的自进化动态建模算法》，《第31届ACM SIGKDD知识发现与数据挖掘会议论文集V.2》(2025)。DOI: 10.1145/3711896.3737048
内容提供：大阪大学
【全文结束】
