SensorFM: O modelo de IA do Google que aprendeu com 1 trilhão de minutos de dados de wearables

SensorFM é um modelo de fundação desenvolvido por pesquisadores do Google, pré-treinado em mais de um trilhão de minutos de sinais não rotulados de sensores vestíveis de aproximadamente cinco milhões de participantes, e avaliado em 35 tarefas de saúde relacionadas a dados de dispositivos vestíveis . O trabalho, intitulado "Towards a General Intelligence and Interface for Wearable Health Data" (Rumo a uma Inteligência Geral e Interface para Dados de Saúde de Wearables), representa um passo em direção a uma IA de propósito geral para monitoramento contínuo da saúde, através de quatro características principais:

O que é o SensorFM

• Escala massiva de pré-treinamento: O SensorFM é pré-treinado em mais de um trilhão de minutos de sinais de sensores não rotulados de uma coorte de aproximadamente cinco milhões de pessoas . As entradas incluem características de sensores por minuto (acelerômetro, frequência cardíaca, temperatura, SpO₂) de dispositivos como Fitbit e Pixel Watch .
• Avaliação em 35 tarefas: O modelo é avaliado em 35 tarefas de previsão de saúde que cobrem áreas como cardiovascular, metabólica, respiratória, atividade física, sono e saúde mental . Ele supera os métodos tradicionais em 34 dessas tarefas de classificação .
• Características de escalonamento: A pesquisa demonstra que o escalonamento conjunto da capacidade do modelo e do volume de dados de pré-treinamento leva a melhorias sistemáticas de desempenho nas tarefas avaliadas . Isso espelha as leis de escalonamento observadas em modelos de linguagem e visão, agora validadas para dados de sensores vestíveis.

Como ele avança a IA de propósito geral para monitoramento de saúde

• Representações gerais de sensores: Em vez de criar algoritmos separados para cada condição de saúde, o SensorFM aprende uma representação compartilhada dos padrões fisiológicos e comportamentais humanos a partir de dados não rotulados, adaptando-se a tarefas específicas com dados rotulados limitados — uma marca registrada da generalidade dos modelos de fundação.
• Integração com agentes LLM: O modelo utiliza agentes autônomos de LLM (Grandes Modelos de Linguagem), incluindo a fundamentação no Gemini, para navegar em espaços de embedding e realizar tarefas preditivas, conectando diretamente a compreensão do sensor com o raciocínio do modelo de linguagem .
• Caminho para um Agente Pessoal de Saúde: O Google Research publicou separadamente sobre o "Personal Health Insights Agent (PHIA)" — um sistema que usa raciocínio em várias etapas, geração de código e recuperação de informações para analisar dados de wearables e responder a perguntas de saúde . O SensorFM fornece a camada fundamental de compreensão do sensor que tal agente usaria para fornecer insights de saúde personalizados e contínuos.

Em resumo, o SensorFM escala a IA baseada em sensores para um regime de um trilhão de minutos e cinco milhões de pessoas, demonstra ganhos sistemáticos de desempenho com o aumento de escala, generaliza para 35 tarefas de saúde e se conecta a agentes pessoais de saúde baseados em LLM — tornando-se um passo concreto em direção a um sistema de IA de propósito geral que monitora e interpreta continuamente a saúde humana a partir de dispositivos vestíveis.