Google SensorFM：5百萬人、1萬億分鐘穿戴數據，訓練出通用健康AI基礎模型

SensorFM係由Google研究團隊開發嘅基礎模型，用超過1萬億分鐘嘅無標籤穿戴感測器訊號，從大約5百萬名參與者嘅數據中進行預訓練，並喺35項健康相關下游任務上評估表現。呢項研究名為《Towards a General Intelligence and Interface for Wearable Health Data》，代表住通用人工智能喺持續健康監測領域嘅重要一步，主要有四個關鍵特點：

SensorFM係咩嘢？

• 大規模預訓練： SensorFM用超過1萬億分鐘嘅無標籤感測器訊號進行預訓練，數據嚟自大約5百萬人。輸入係每分鐘嘅感測器特徵（例如加速計、心率、體溫、血氧飽和度），嚟自Fitbit同Pixel Watch呢啲裝置。
• 35項任務評估： 個模型喺35項健康預測任務上做評估，涵蓋心血管、代謝、呼吸、活動、睡眠同心理健康等範疇。結果顯示，喺34項分類任務入面，SensorFM嘅表現都好過傳統方法。
• 規模效應： 研究證明，同時加大模型容量同預訓練數據量，可以系統性地提升下游任務嘅表現。呢種規模定律之前喺語言同視覺模型度出現過，而家終於喺穿戴感測器數據上都得到驗證。