SensorFM: ثورة جوجل في تحليل البيانات الصحية من الساعات الذكية

SensorFM هو نموذج أساسي (Foundation Model) طوره باحثو Google Research، تم تدريبه على أكثر من تريليون دقيقة من إشارات الاستشعار غير المصنفة لأجهزة قابلة للارتداء من حوالي 5 ملايين مشارك، وتم تقييمه عبر 35 مهمة صحية مختلفة . تمثل هذه الدراسة، التي تحمل عنوان "نحو ذكاء عام وواجهة لبيانات الصحة من الأجهزة القابلة للارتداء"، خطوة نحو الذكاء الاصطناعي العام للمراقبة الصحية المستمرة من خلال أربع خصائص رئيسية:

ما هو SensorFM؟

• حجم تدريب هائل: تم تدريب SensorFM على أكثر من تريليون دقيقة من إشارات الاستشعار غير المصنفة من مجموعة تضم حوالي 5 ملايين شخص . تشمل المدخلات ميزات الاستشعار لكل دقيقة (على سبيل المثال، مقياس التسارع، معدل ضربات القلب، درجة الحرارة، تشبع الأكسجين في الدم SpO₂) من أجهزة مثل Fitbit و Pixel Watch .
• تقييم 35 مهمة: تم تقييم النموذج على 35 مهمة للتنبؤ الصحي تغطي مجالات مثل القلب والأوعية الدموية والتمثيل الغذائي والجهاز التنفسي والنشاط البدني والنوم والصحة العقلية . يتفوق النموذج على الطرق التقليدية في 34 من مهام التصنيف هذه .
• خصائص التوسع: يوضح البحث أن التوسع المشترك في سعة النموذج وحجم بيانات التدريب يؤدي إلى تحسينات منهجية في الأداء عبر المهام المختلفة . وهذا يعكس قوانين التوسع (Scaling Laws) التي لوحظت في نماذج اللغة والرؤية، والتي تم التحقق من صحتها الآن لبيانات أجهزة الاستشعار القابلة للارتداء.

كيف يطور الذكاء الاصطناعي العام للمراقبة الصحية؟

• تمثيلات استشعار عامة: بدلاً من بناء خوارزميات منفصلة لكل حالة صحية، يتعلم SensorFM تمثيلاً مشتركًا لأنماط فسيولوجية وسلوكية بشرية من بيانات غير مصنفة، ثم يتكيف مع مهام محددة بكمية محدودة من البيانات المصنفة — وهذه هي سمة العمومية للنماذج الأساسية (Foundation Models).
• التكامل مع وكلاء LLM: يستخدم النموذج وكلاء LLM (نماذج لغوية كبيرة) مستقلين (بما في ذلك التأسيس في Gemini) للتنقل في مساحات التضمين (embedding spaces) وأداء المهام التنبؤية، مما يربط بشكل مباشر فهم المستشعر مع تفكير النموذج اللغوي .
• الطريق إلى وكيل صحي شخصي: نشرت Google Research بشكل منفصل عن "وكيل الرؤى الصحية الشخصية" (Personal Health Insights Agent - PHIA) — وهو نظام يستخدم التفكير متعدد الخطوات، وتوليد الأكواد، واسترجاع المعلومات لتحليل البيانات من الأجهزة القابلة للارتداء والإجابة على الأسئلة الصحية . يوفر SensorFM طبقة فهم الاستشعار الأساسية التي يمكن لمثل هذا الوكيل الاعتماد عليها لتقديم رؤى صحية مستمرة وشخصية.

باختصار، يقوم SensorFM بتوسيع نطاق الذكاء الاصطناعي القائم على الاستشعار إلى نطاق تريليون دقيقة وخمسة ملايين شخص، ويظهر مكاسب منهجية في الأداء مع زيادة الحجم، ويعمم عبر 35 مهمة صحية، ويتصل بوكلاء صحيين شخصيين قائمين على LLM — مما يجعله خطوة ملموسة نحو نظام واحد للذكاء الاصطناعي العام يراقب ويفسر صحة الإنسان بشكل مستمر من الأجهزة القابلة للارتداء.