Η Google παρουσιάζει μοντέλο τεχνητής νοημοσύνης εκπαιδευμένο σε ένα τρισεκατομμύριο λεπτά δεδομένων υγείας από φορητές συσκευές

Η Google Alphabet Inc. ↗ 0.78% Research παρουσίασε την Τετάρτη το SensorFM, ένα μοντέλο βάσης για την υγεία μέσω φορητών συσκευών, το οποίο προεκπαιδεύτηκε σε περισσότερα από ένα τρισεκατομμύριο λεπτά δεδομένων αισθητήρων από πέντε εκατομμύρια ανθρώπους, σηματοδοτώντας αυτό που η εταιρεία περιγράφει ως ένα βήμα προς την τεχνητή νοημοσύνη γενικού σκοπού για τη συνεχή παρακολούθηση της υγείας.research+1

Ένα ενιαίο μοντέλο για 35 εργασίες υγείας

Σε αντίθεση με τα συμβατικά μοντέλα υγείας για φορητές συσκευές που κατασκευάζονται για ένα αποτέλεσμα τη φορά, το SensorFM μαθαίνει μια ενιαία επαναχρησιμοποιήσιμη αναπαράσταση της ανθρώπινης φυσιολογίας που μεταφέρεται σε τομείς καρδιαγγειακής, μεταβολικής, ύπνου και ψυχικής υγείας, καθώς και σε παράγοντες τρόπου ζωής και δημογραφικούς παράγοντες. Το μοντέλο επεξεργάζεται 34 συγκεντρωτικά χαρακτηριστικά ενός λεπτού από πέντε τρόπους αισθητήρων — συμπεριλαμβανομένου του καρδιακού ρυθμού, του κορεσμού οξυγόνου στο αίμα, της θερμοκρασίας του δέρματος και της κίνησης — που καταγράφηκαν από συσκευές Fitbit και Pixel Watch σε περισσότερες από 100 χώρες.research

Κατά την αξιολόγηση σε 35 εργασίες πρόβλεψης υγείας που αντλήθηκαν από τρεις ανεξάρτητες κλινικές μελέτες με τη συμμετοχή σχεδόν 14.000 ατόμων, οι παγωμένες ενσωματώσεις (embeddings) του SensorFM με μια ελαφριά γραμμική κεφαλή ξεπέρασαν τις εποπτευόμενες μεθόδους αναφοράς με μηχανική χαρακτηριστικών σε 34 από τις 35 εργασίες. Το μοντέλο αποδείχθηκε ιδιαίτερα ικανό στην ανίχνευση παθήσεων όπως η κατάθλιψη και το άγχος που αφήνουν αμυδρά ίχνη στα δεδομένα των αισθητήρων.alphasignal+1

Κλιμάκωση χωρίς κορεσμό

Η ερευνητική ομάδα, με επικεφαλής τον Ανώτερο Ερευνητή Xin Liu και τον Ερευνητή Προσωπικού Daniel McDuff, διαπίστωσε ότι η κλιμάκωση τόσο του μεγέθους του μοντέλου όσο και του όγκου των δεδομένων μαζί παρήγαγε σχεδόν γραμμικά κέρδη απόδοσης χωρίς κανένα σημάδι κορεσμού. Η μεγαλύτερη παραλλαγή, το SensorFM-B, εκπαιδευμένο στο πλήρες σώμα δεδομένων των πέντε εκατομμυρίων ατόμων, μείωσε την απώλεια ανακατασκευής κατά 31 τοις εκατό σε σχέση με το μικρότερο μοντέλο και βελτίωσε την απόδοση ταξινόμησης κατά μέσο όρο 9 τοις εκατό.research

Για την αυτοματοποίηση της προσαρμογής, οι ερευνητές δημιούργησαν μια πρακτορική «τάξη» συνεργαζόμενων πρακτόρων LLM που δημιουργούν, δοκιμάζουν και βελτιώνουν επαναληπτικά τις κεφαλές πρόβλεψης στις ενσωματώσεις του SensorFM — εξερευνώντας περισσότερες από 30.000 υποψήφιες λύσεις σε όλα τα πειράματα.research

Θεμελίωση ενός Προσωπικού Πράκτορα Υγείας

Σε μια μελέτη που αξιολογήθηκε από κλινικούς ιατρούς, η ενσωμάτωση του SensorFM σε έναν Προσωπικό Πράκτορα Υγείας παρήγαγε περιλήψεις που βαθμολογήθηκαν εξίσου καλά με εκείνες που βασίζονταν σε πραγματικές κλινικές μετρήσεις και στις πέντε διαστάσεις αξιολόγησης, χωρίς στατιστικά διακριτή διαφορά μεταξύ των προβλέψεων του μοντέλου και των ετικετών πραγματικής αλήθειας. Η σχετική εργασία, με τίτλο «Towards a General Intelligence and Interface for Wearable Health Data», δημοσιεύτηκε για πρώτη φορά στο arXiv τον Μάιο και ανακοινώθηκε επίσημα μέσω του ιστολογίου της Google Research στις 9 Ιουλίου.arxiv+1