SensorFM: Model AI Google yang Belajar dari 1 Triliun Menit Data Kesehatan dari 5 Juta Orang

SensorFM adalah model fondasi (foundation model) yang dikembangkan oleh peneliti Google, dilatih pada lebih dari satu triliun menit sinyal sensor wearable tanpa label dari sekitar lima juta partisipan, dan dievaluasi pada 35 tugas kesehatan hilir . Karya berjudul "Towards a General Intelligence and Interface for Wearable Health Data" ini merupakan langkah menuju AI serbaguna untuk pemantauan kesehatan berkelanjutan melalui empat karakteristik utama:

Apa Itu SensorFM

• Skala pelatihan masif: SensorFM dilatih pada lebih dari satu triliun menit sinyal sensor tanpa label dari kohort sekitar lima juta orang . Inputnya mencakup fitur sensor per menit (misalnya akselerometer, detak jantung, suhu, SpO₂) dari perangkat seperti Fitbit dan Pixel Watch .
• Evaluasi 35 tugas: Model ini dievaluasi pada 35 tugas prediksi kesehatan yang mencakup domain kardiovaskular, metabolik, pernapasan, aktivitas, tidur, dan kesehatan mental . SensorFM mengungguli metode tradisional dalam 34 dari 35 tugas klasifikasi tersebut .
• Karakteristik skala: Penelitian ini menunjukkan bahwa peningkatan skala kapasitas model dan volume data pelatihan secara bersamaan menghasilkan peningkatan performa yang sistematis pada berbagai tugas hilir . Ini mencerminkan hukum skala (scaling laws) yang diamati pada model bahasa dan visi, kini terbukti untuk data sensor wearable.

Bagaimana SensorFM Memajukan AI Serbaguna untuk Pemantauan Kesehatan

• Representasi sensor umum: Alih-alih membuat algoritma terpisah untuk setiap kondisi kesehatan, SensorFM mempelajari representasi bersama dari pola fisiologis dan perilaku manusia dari data tanpa label, lalu beradaptasi dengan tugas spesifik menggunakan data berlabel yang terbatas — ciri khas dari fondasi model serbaguna.
• Integrasi dengan agen LLM: Model ini menggunakan agen LLM otonom (termasuk penjangkaran ke Gemini) untuk menavigasi ruang penyematan (embedding spaces) dan melakukan tugas prediktif, menghubungkan pemahaman sensor dengan penalaran model bahasa .
• Jalan menuju Personal Health Agent: Google Research secara terpisah telah mempublikasikan "Personal Health Insights Agent (PHIA)" — sebuah sistem yang menggunakan penalaran multi-langkah, pembuatan kode, dan pengambilan informasi untuk menganalisis data wearable dan menjawab pertanyaan kesehatan . SensorFM menyediakan lapisan pemahaman sensor fundamental yang akan digunakan agen semacam itu untuk memberikan wawasan kesehatan yang personal dan berkelanjutan.

Singkatnya, SensorFM meningkatkan skala AI berbasis sensor ke rezim triliunan menit dan lima juta orang, menunjukkan peningkatan performa yang sistematis seiring ukuran, mampu digeneralisasi ke 35 tugas kesehatan, dan terhubung dengan agen kesehatan pribadi berbasis LLM — menjadikannya langkah konkret menuju satu sistem AI serbaguna yang terus memantau dan menafsirkan kesehatan manusia dari perangkat wearable.