Google představil model umělé inteligence vytrénovaný na bilionu minut zdravotních dat z nositelných zařízení

Společnost Google Alphabet Inc. ↘ 0.72% Research ve středu představila SensorFM, základní model pro zdravotní data z nositelných zařízení, který byl předtrénován na více než bilionu minut dat ze senzorů od pěti milionů lidí, což představuje krok směrem k obecné umělé inteligenci pro kontinuální sledování zdraví, jak uvádí společnost.research+1

Jeden model pro 35 zdravotních úkolů

Na rozdíl od konvenčních modelů pro nositelná zařízení, které jsou vytvořeny pro jeden konkrétní výsledek, se SensorFM učí jedinou znovupoužitelnou reprezentaci lidské fyziologie, která se přenáší napříč oblastmi kardiovaskulárního, metabolického, spánkového a duševního zdraví, stejně jako životního stylu a demografických faktorů. Model zpracovává 34 minutových agregovaných rysů z pěti modalit senzorů – včetně srdeční frekvence, saturace krve kyslíkem, teploty pokožky a pohybu – zachycených ze zařízení Fitbit a Pixel Watch ve více než 100 zemích.research

Při hodnocení napříč 35 úkoly predikce zdraví, které vycházely ze tří nezávislých klinických studií zahrnujících téměř 14 000 účastníků, překonaly zmrazené vnořené reprezentace (embeddings) SensorFM s pouze lehkou lineární hlavou tradiční metody učení s učitelem u 34 z 35 úkolů. Model se ukázal jako obzvláště schopný při detekci stavů, jako jsou deprese a úzkost, které zanechávají ve datech ze senzorů slabé stopy.alphasignal+1

Škálování bez saturace

Výzkumný tým pod vedením hlavního výzkumného vědce Xina Liu a výzkumného vědce Daniela McDuffa zjistil, že škálování velikosti modelu i objemu dat společně přineslo téměř lineární nárůst výkonu bez známek saturace. Největší varianta, SensorFM-B, trénovaná na celém korpusu pěti milionů lidí, snížila ztrátu rekonstrukce o 31 procent oproti nejmenšímu modelu a zlepšila výkon klasifikace v průměru o 9 procent.research

Pro automatizaci adaptace vědci vytvořili agentní „učebnu“ spolupracujících LLM agentů, kteří iterativně generují, testují a vylepšují predikční hlavy na vnořených reprezentacích SensorFM – během experimentů prozkoumali více než 30 000 kandidátních řešení.research

Podklad pro osobního zdravotního asistenta

V klinicky hodnocené studii vedla integrace SensorFM do osobního zdravotního asistenta k vytvoření shrnutí, která byla ve všech pěti hodnotících dimenzích hodnocena stejně dobře jako ta, která vycházela ze skutečných klinických měření, přičemž nebyl zjištěn žádný statisticky významný rozdíl mezi predikcemi modelu a skutečnými klinickými štítky. Základní odborný článek s názvem „Towards a General Intelligence and Interface for Wearable Health Data“ byl poprvé zveřejněn na arXiv v květnu a oficiálně oznámen prostřednictvím blogu Google Research 9. července.arxiv+1