SensorFM של Google: מודל יסוד חדש לניתוח נתוני בריאות משעונים חכמים

SensorFM הוא מודל יסוד (Foundation Model) שפותח על ידי חוקרי Google, שאומן על יותר מטריליון דקות של אותות חיישנים לא מסומנים מכ-5 מיליון משתתפים, והוערך על 35 משימות בריאות שונות . העבודה, שכותרתה "Towards a General Intelligence and Interface for Wearable Health Data", מייצגת צעד משמעותי לקראת בינה מלאכותית כללית לניטור בריאות רציף, ומתאפיינת בארבעה מרכיבים עיקריים:

מהו SensorFM

• קנה מידה עצום של אימון: SensorFM אומן על יותר מטריליון דקות של נתוני חיישנים לא מסומנים מקבוצה של כ-5 מיליון אנשים . הנתונים כוללים מאפיינים פיזיולוגיים בדקה (כגון מד תאוצה, דופק, טמפרטורה, רווית חמצן בדם) ממכשירים כמו Fitbit ו-Pixel Watch .
• הערכה על 35 משימות: המודל הוערך על 35 משימות חיזוי בריאותיות המכסות תחומים כמו לב וכלי דם, מטבוליזם, נשימה, פעילות גופנית, שינה ובריאות נפשית . הוא מתעלה על שיטות מסורתיות ב-34 ממשימות הסיווג הללו .
• מאפייני התרחבות Scale: המחקר מדגים כי הגדלה משולבת של קיבולת המודל ונפח נתוני האימון מובילה לשיפור שיטתי בביצועים בכל משימות הבדיקה . תופעה זו משקפת את חוקי ההתרחבות (Scaling Laws) שנצפו במודלי שפה וראייה, וכעת מאומתת גם לנתוני חיישנים לבישים.

כיצד הוא מקדם בינה מלאכותית כללית לניטור בריאות

• ייצוג כללי של נתוני חיישנים: במקום לבנות אלגוריתמים נפרדים לכל מצב בריאותי, SensorFM לומד ייצוג משותף של דפוסים פיזיולוגיים והתנהגותיים אנושיים מנתונים לא מסומנים, ומתאים את עצמו למשימות ספציפיות עם כמות מוגבלת של נתונים מסומנים – זוהי תכונה מרכזית של מודל יסוד כללי.
• שילוב עם סוכני LLM: המודל משתמש בסוכני LLM אוטונומיים (כולל התבססות על Gemini) כדי לנווט במרחבי ייצוג (embedding spaces) ולבצע משימות חיזוי, תוך חיבור ישיר של הבנת החיישנים עם יכולות החשיבה של מודלי השפה .
• דרך לסוכן בריאות אישי: Google Research פרסמה בנפרד מידע על "Personal Health Insights Agent (PHIA)" – מערכת המשתמשת בהיגיון רב-שלבי, יצירת קוד ואיתור מידע לניתוח נתונים משעונים חכמים ומענה על שאלות בריאותיות . SensorFM מספק את שכבת הבנת החיישנים הבסיסית שסוכן כזה יוכל להיעזר בה כדי לספק תובנות בריאותיות מותאמות אישית ורציפות.

לסיכום, SensorFM מרחיב את יכולות הבינה המלאכותית מבוססת החיישנים לקנה מידה של טריליון דקות ו-5 מיליון איש, מדגים שיפור שיטתי בביצועים עם הגדלת המודל, מתכלל על פני 35 משימות בריאות, ומתחבר לסוכני בריאות אישיים מבוססי LLM – מה שהופך אותו לצעד קונקרטי לקראת מערכת בינה מלאכותית כללית אחת שמנטרת ומפרשת באופן רציף את בריאות האדם משעונים חכמים ומכשירים לבישים.