SensorFM: Googleův fundamentální model pro zdravotní data z nositelných zařízení

SensorFM je fundamentální model vyvinutý výzkumníky z Googlu, předtrénovaný na více než bilionu minut neoznačených signálů z nositelných senzorů od přibližně pěti milionů účastníků a otestovaný na 35 zdravotních úlohách. Práce nazvaná „Towards a General Intelligence and Interface for Wearable Health Data“ představuje krok směrem k obecné umělé inteligenci pro kontinuální monitorování zdraví. Model se vyznačuje čtyřmi klíčovými vlastnostmi:

Co je SensorFM

• Masivní rozsah předtréninku: SensorFM je předtrénován na více než bilionu minut neoznačených senzorových signálů od kohorty přibližně pěti milionů lidí . Vstupy zahrnují minutové charakteristiky senzorů (např. akcelerometr, srdeční tep, teplota, SpO₂) ze zařízení jako Fitbit a Pixel Watch .
• Testování na 35 úlohách: Model je hodnocen na 35 úlohách predikce zdravotního stavu, které pokrývají oblasti jako kardiovaskulární, metabolické, respirační, aktivita, spánek a duševní zdraví . V 34 z těchto klasifikačních úloh překonává tradiční metody .
• Škálovací charakteristiky: Výzkum ukazuje, že společné škálování kapacity modelu a objemu předtrénovacích dat vede k systematickému zlepšování výkonu napříč všemi úlohami . To potvrzuje škálovací zákony pozorované u jazykových a obrazových modelů, nyní ověřené pro data z nositelných senzorů.

Jak posouvá obecnou umělou inteligenci pro monitorování zdraví

• Obecné reprezentace senzorů: Místo vytváření samostatných algoritmů pro každý zdravotní stav se SensorFM učí sdílenou reprezentaci lidských fyziologických a behaviorálních vzorců z neoznačených dat a poté se adaptuje na specifické úlohy s omezeným množstvím označených dat – to je typický znak fundamentálního modelu.
• Integrace s LLM agenty: Model nasazuje autonomní agenty založené na velkých jazykových modelech (LLM), včetně propojení s modelem Gemini, aby procházeli prostorem vnoření a prováděli prediktivní úlohy. Tím přímo propojuje porozumění senzorům s uvažováním jazykového modelu .
• Cesta k osobnímu zdravotnímu agentovi: Google Research samostatně publikoval práci o „Personal Health Insights Agent (PHIA)“ – systému, který využívá vícestupňové uvažování, generování kódu a vyhledávání informací k analýze dat z nositelných zařízení a zodpovídání zdravotních otázek . SensorFM poskytuje základní vrstvu porozumění senzorům, kterou by takový agent využíval k poskytování personalizovaných a kontinuálních zdravotních informací.

Stručně řečeno, SensorFM škáluje umělou inteligenci založenou na senzorech na úroveň bilionu minut a pěti milionů lidí, demonstruje systematické zlepšování výkonu s rostoucí velikostí, zobecňuje napříč 35 zdravotními úlohami a propojuje se s osobními zdravotními agenty založenými na LLM. Je tak konkrétním krokem k jednotnému systému obecné umělé inteligence, který bude kontinuálně monitorovat a interpretovat lidské zdraví pomocí nositelných zařízení.