SensorFM: как Google создал ИИ, который понимает ваше тело лучше вас

SensorFM — это фундаментальная модель, разработанная исследователями Google, предобученная на более чем одном триллионе минут неразмеченных сигналов носимых датчиков от примерно пяти миллионов участников и оцененная на 35 задачах прогнозирования здоровья . Работа, озаглавленная «К созданию общего интеллекта и интерфейса для данных о здоровье с носимых устройств» (Towards a General Intelligence and Interface for Wearable Health Data), представляет собой шаг к созданию универсального ИИ для непрерывного мониторинга здоровья. Модель характеризуется четырьмя ключевыми аспектами:

Что такое SensorFM

• Масштаб предобучения: SensorFM предобучен на более чем одном триллионе минут неразмеченных сигналов датчиков от когорты примерно из пяти миллионов человек . На вход подаются поминутные признаки датчиков (например, акселерометр, частота сердечных сокращений, температура, SpO₂) с устройств вроде Fitbit и Pixel Watch .
• Оценка на 35 задачах: Модель оценивается на 35 задачах прогнозирования здоровья, охватывающих такие области, как сердечно-сосудистая система, метаболизм, дыхание, активность, сон и психическое здоровье . Она превосходит традиционные методы в 34 из этих задач классификации .
• Характеристики масштабирования: Исследование демонстрирует, что совместное масштабирование ёмкости модели и объёма данных предобучения приводит к систематическому улучшению производительности на различных downstream-задачах . Это отражает законы масштабирования, наблюдаемые в языковых моделях и моделях компьютерного зрения, теперь подтверждённые для данных с носимых датчиков.

Как это продвигает универсальный ИИ для мониторинга здоровья

• Общие представления датчиков: Вместо создания отдельных алгоритмов для каждого состояния здоровья, SensorFM обучается общему представлению физиологических и поведенческих паттернов человека на неразмеченных данных, а затем адаптируется к конкретным задачам с использованием ограниченных размеченных данных — отличительная черта фундаментальных моделей.
• Интеграция с LLM-агентами: Модель использует автономные LLM-агенты (включая Gemini) для навигации по пространствам вложений и выполнения прогностических задач, напрямую связывая понимание датчиков с рассуждениями языковых моделей .
• Путь к Персональному агенту здоровья: Google Research также опубликовал отдельную работу о «Персональном агенте инсайтов здоровья (PHIA)» — системе, использующей многошаговые рассуждения, генерацию кода и информационный поиск для анализа данных носимых устройств и ответа на вопросы о здоровье . SensorFM обеспечивает фундаментальный уровень понимания датчиков, на который такой агент мог бы опираться для предоставления персонализированных и непрерывных инсайтов о здоровье.

Таким образом, SensorFM масштабирует ИИ на основе датчиков до режима в триллион минут и пять миллионов человек, демонстрирует систематический прирост производительности с увеличением размера, обобщается на 35 задач здоровья и соединяется с LLM-агентами здоровья, представляя собой конкретный шаг к созданию единой универсальной системы ИИ, которая непрерывно отслеживает и интерпретирует здоровье человека с помощью носимых устройств.