„Google“ pristatė DI modelį, apmokytą naudojant trilijoną minučių nešiojamų įrenginių sveikatos duomenų

„Google Alphabet Inc.“ ↘ 0.38% „Research“ trečiadienį pristatė „SensorFM“ – nešiojamų įrenginių sveikatos duomenų pamatinį modelį, kuris buvo iš anksto apmokytas naudojant daugiau nei trilijoną minučių jutiklių duomenų iš penkių milijonų žmonių. Tai, pasak bendrovės, yra žingsnis link bendrosios paskirties dirbtinio intelekto, skirto nuolatiniam sveikatos stebėjimui.research+1

Vienas modelis 35 sveikatos užduotims

Skirtingai nei įprasti nešiojamų įrenginių sveikatos modeliai, sukurti vienam rezultatui vienu metu, „SensorFM“ išmoksta vieną pakartotinai naudojamą žmogaus fiziologijos reprezentaciją, kuri pritaikoma širdies ir kraujagyslių, medžiagų apykaitos, miego ir psichikos sveikatos srityse, taip pat atsižvelgiant į gyvenimo būdo ir demografinius veiksnius. Modelis apdoroja 34 vienos minutės apibendrintus požymius iš penkių jutiklių modalumų – įskaitant širdies ritmą, kraujo įsotinimą deguonimi, odos temperatūrą ir judėjimą – surinktus iš „Fitbit“ ir „Pixel Watch“ įrenginių daugiau nei 100 šalių.research

Vertinant 35 sveikatos prognozavimo užduotis, gautas iš trijų nepriklausomų klinikinių tyrimų, kuriuose dalyvavo beveik 14 000 dalyvių, užšaldytos „SensorFM“ įterptys su tik lengva tiesine galvute pranoko požymiais pagrįstus prižiūrimo mokymosi etalonus 34 iš 35 užduočių. Modelis pasirodė ypač pajėgus nustatyti tokias būkles kaip depresija ir nerimas, kurios palieka silpnus pėdsakus jutiklių duomenyse.alphasignal+1

Mastelio keitimas be soties

Mokslininkų komanda, vadovaujama vyresniojo mokslinio bendradarbio Xin Liu ir mokslinio bendradarbio Daniel McDuff, nustatė, kad modelio dydžio ir duomenų kiekio didinimas kartu davė beveik tiesinį našumo padidėjimą be jokių soties požymių. Didžiausias variantas, „SensorFM-B“, apmokytas naudojant visą penkių milijonų žmonių korpusą, sumažino rekonstrukcijos nuostolius 31 procentu, palyginti su mažiausiu modeliu, ir vidutiniškai 9 procentais pagerino klasifikavimo našumą.research

Norėdami automatizuoti pritaikymą, mokslininkai sukūrė agentinę „klasę“, sudarytą iš bendradarbiaujančių LLM agentų, kurie iteratyviai generuoja, tikrina ir tobulina „SensorFM“ įterpčių prognozavimo galvutes – eksperimentų metu ištyrę daugiau nei 30 000 kandidatinių sprendimų.research

Asmeninio sveikatos agento pagrindimas

Klinikiniu požiūriu įvertintame tyrime „SensorFM“ integravimas į asmeninį sveikatos agentą pateikė santraukas, kurios buvo įvertintos taip pat gerai, kaip ir tos, kurios pagrįstos faktiniais klinikiniais matavimais visais penkiais vertinimo aspektais, be statistiškai reikšmingo skirtumo tarp modelio prognozių ir faktinių etaloninių žymių. Pagrindinis straipsnis, pavadintas „Towards a General Intelligence and Interface for Wearable Health Data“, pirmą kartą buvo paskelbtas „arXiv“ gegužės mėnesį ir oficialiai pristatytas „Google Research“ tinklaraštyje liepos 9 d.arxiv+1