الوجبات الرئيسية
- يشرح Sensorlm “لماذا” وراء بيانات متتبع اللياقة البدنية: بدلاً من مجرد إظهار البيانات الخام مثل معدل ضربات القلب أو عدد الخطوات ، يحولها SensorLM إلى أوصاف تشبه الإنسان ، مما يضيف سياقًا مفيدًا.
- SensorLM فعال للغاية في التعرف على الأنشطة وشرحها. حددت بنجاح 20 نشاطًا دون تدريب إضافي. كما تفوقت على نماذج الذكاء الاصطناعي للأغراض العامة الأكبر أثناء الاختبار.
- سباق التكنولوجيا الكبير في أجهزة اللياقة البدنية التي تعمل بمنظمة العفو الدولية: نشرت شركة Apple بحثًا مماثلًا حول نموذج سلوكها القابل للارتداء ، تدرب على مليارات ساعات البيانات للتنبؤ بالظروف الصحية.
ماذا لو لم يعرض جهاز اللياقة البدنية معدل ضربات القلب 120 فقط وشرح لماذا يتسابق قلبك؟ قد لا يكون هذا المستقبل بعيدًا ، على الأقل هذا ما يعتقده باحثو Google.
جوجل”https://research.google/blog/sensorlm-learning-the-language-of-wearable-sensors/” الهدف=”_blank” rel=”dofollow”> تم تقديم المستشعر مؤخرًا، والتي تربط البيانات من ساعة الذكية أو متتبع اللياقة إلى اللغة الطبيعية.
بعبارات بسيطة ، يساعد SensorLM جهازك على شرح ليس فقط ما يحدث في جسمك ولكن لماذا ، باستخدام بيانات من جهازك. على سبيل المثال ، يمكن أن يعرف ما إذا كان معدل ضربات القلب 120 ناتجًا عن الإجهاد أو النشاط البدني.
SensorLM هي عائلة جديدة من نماذج مؤسسة لغة الاستشعار التي تربط إشارات المستشعرات القابلة للارتداء متعددة الوسائط باللغة الطبيعية.
لأولئك غير المألوفين بالمصطلح ،”https://arxiv.org/pdf/2108.07258″ الهدف=”_blank” rel=”dofollow”> نموذج الأساس هو نموذج الذكاء الاصطناعى المدربين على بيانات واسعة يمكن تكييفها مع العديد من المهام المصب.
فكر في الأمر مثل الطالب الذكي الذي يقرأ الكتب (النص) ، وينظر إلى الصور (الصور) ، ويستمع إلى الحديث عن الأشخاص (الكلام) ، والدراسات المخططات والجداول (البيانات المنظمة).
بعد التعلم من كل هذه الموارد (أنواع مختلفة من البيانات) ، يمكن للطالب القيام بأشياء كثيرة ، مثل أسئلة اختبار الإجابة ، وتحديد ما إذا كانت الرسالة تبدو سعيدة أو غاضبة ، وصف ما هو في صورة ، وأكثر من ذلك.
تتضمن ساعتك الذكية أو متتبع اللياقة البدنية أجهزة استشعار مختلفة تجمع أنواعًا مختلفة من البيانات ، مثل معدل ضربات القلب (PPG) ، والحركة (مقياس التسارع) ، ودرجة حرارة الجلد (درجة الحرارة). تُعرف هذه الإشارات من أجهزة استشعار متعددة بشكل جماعي باسم إشارات المستشعرات المتعددة الوسائط التي يمكن ارتداؤها في أبحاث Google.
يقوم SensorLM بتحويل البيانات المعقدة إلى أوصاف بسيطة وصديقة للإنسان. بدلاً من رؤية “معدل ضربات القلب: 120” ، قد يقول جهازك ، “لقد ذهبت في نزهة سريعة بعد الغداء”. يترجم الأرقام الخام إلى سياق عملي وقابل للتنفيذ.
يتم تدريب المستشعر على 59.7 مليون ساعة من بيانات المستشعر متعدد الوسائط التي تم جمعها من حوالي 103000 فرد. استخدمت Google ساعات Pixel وأجهزة Fitbit لجمع البيانات غير المحددة ، مما يضمن إزالة التفاصيل الشخصية.
كيف يتعلم المستشعر
يتعلم Sensorlm بشكل أساسي بطريقتين:
- التعلم التباين: إنه يقارن بيانات مستشعر الساعات الذكية مع خيارات نصية مختلفة ويتعلم تحديدها الصحيح ، مما يسمح لها بتمييز أنشطة مماثلة. على سبيل المثال ، يمكن أن يحكي الفرق بين المشي السريع والسباحة عن طريق تحليل الأنماط في معدل ضربات القلب أو الحركة أو إشارات المستشعر الأخرى.
- ما قبل التدريب التوليدي: يتعلم إنشاء تعليقات نصية مباشرة من أجهزة استشعار مختلفة على ساعة الذكية الخاصة بك. نتيجة لذلك ، ستتلقى أوصافًا مدركة للسياق بناءً على فهم أجهزة استشعار مختلفة على ساعة الذكاء الخاصة بك.
من خلال دمج هذه الأساليب في بنيةها الأساسية ، يمكن لـ SensorLM ربط بيانات المستشعر (مثل معدل ضربات القلب أو الخطوات أو الحركة) باللغة الطبيعية (مثل “لقد ذهبت في نزهة سريعة”).
لكن السؤال الحقيقي هو: ما مدى دقة ذلك؟
في اختبار تصنيف الصفر ، حدد SensorLM بدقة 20 نشاطًا دون أي صقل. يعني تصنيف الرصاص الصفري أن نموذج الذكاء الاصطناعى يمكنه تصنيف بيانات جديدة بشكل صحيح دون التدريب على تلك المهمة أو الفئة المحددة مسبقًا.
في تقييم تصنيف قليل ، حيث يتعلم النموذج من بعض الأمثلة فقط ، أظهر SensorLM قدرة تعليمية قوية.
عند اختبار المستشعرات حول مختلف مهام التعرف على النشاط البشري والرعاية الصحية ، وجد فريق أبحاث Google أنه متفوق على النماذج المتعددة الوسائط الأخرى في التعرف على النشاط واسترجاعها ، بما في ذلك GAMMA-3-27B و Gemini 2.0 Flash.
إلى جانب تصنيف الأنشطة بدقة ، أظهر SensorLM أيضًا مهارات توليد التسمية التوضيحية الممتازة أثناء الاختبار. كانت التسميات التوضيحية أكثر تماسكًا ودقيقة من الناحية الواقعية من تلك التي تنتجها LLMs غير المتخصصة القوية.
تشير نتائج الاختبار هذه إلى أن SensorLM لديه القدرة على تحويل التتبع الصحي وتدريب اللياقة البدنية والرعاية Eldercare. يعمل بشكل جيد مع بيانات المستشعر متعدد الوسائط ويتطلب تدريبًا إضافيًا أو معدومًا.
لماذا هذا يهم لتلقياتك الصحية
يمكن أن يراقب تعقب الصحة أنماط نومك ومعدل ضربات القلب ومستوى التوتر ودرجة حرارة الجسم والمزيد. ومع ذلك ، فإنه يوفر أرقامًا فقط دون شرح “لماذا” خلفهم. هل كان معدل ضربات القلب مرتفعًا لأنك كنت تمارس التمارين أو التأكيد؟
إذا تم دمجها في الأجهزة القابلة للارتداء ، فيمكن أن يقوم مستشعر Google بتحويل بيانات المستشعر الخام إلى تفسيرات تشبه الإنسان وإحداث ثورة في تتبع الصحة في العديد من المجالات الرئيسية.
- فهم الصحة السياقية: يمكن أن يساعد SensorLM في التمييز بين الأنشطة المختلفة ، مما يمنحك رؤى صحية سياقية أفضل. قد تكون قادرًا على تحديد ما إذا كان معدل ضربات القلب 150 BPM بسبب الإجهاد أو مجرد تسلق السلالم.
- رؤى شخصية بدون مدخلات يدوية: إذا تم دمجها بنجاح ، فيمكن أن يحول SensorLM تعقب الصحة إلى مراقب ذكي. يمكن أن يفهم استجاباتك الفسيولوجية الفسيولوجية وأنماط النشاط. ستحصل أيضًا على أوصاف ذات مغزى لبيانات المستشعر متعدد الوسائط دون تسجيل يدوي.
- التدريب الصحي الاستباقي: مع قدرات SensorLM في اللغة الطبيعية ، يمكن أن ينتقل تعقب الصحة الخاص بك من مجرد تسجيل البيانات إلى مساعدتك في فهمها. بدلاً من مجرد عرض الأرقام ، قد يقول ، “لقد كان تقلب معدل ضربات القلب أقل هذا الأسبوع ، ربما بسبب زيادة التوتر أثناء روتينك المسائي.”
- التطبيقات السريرية: قدرة SensorLM على تصنيف الأنشطة وتوليد أوصاف صحية واضحة يمكن أن تدعم مراقبة المريض عن بُعد والتدخل المبكر. قد يتلقى الأطباء تحديثات تم إنشاؤها تلقائيًا على مستويات النشاط وأنماط النوم والمشكلات الصحية المحتملة. نتيجة لذلك ، لن يحتاجوا إلى إدخال يدوي ثابت.
ومع ذلك ، هذه مجرد احتمالات. يعتمد الكثير على اعتماد المستشعرات من قبل البائعين القابلة للارتداء والقواعد واللوائح المعمول بها.
ما هو التالي لـ Sensorlm و Smart Health AI
إن كشف النقاب عن مستشعر Google هو مجرد جزء من قصة أكبر. تخطط عملاق التكنولوجيا لتوسيع المستشعر إلى مجال صحي جديد يتجاوز التتبع النشط.
تخطط الشركة لتوسيع بيانات ما قبل التدريب لتشمل مراقبة الصحة الأيضية وتحليل النوم التفصيلي. ومع ذلك ، فإن Google ليس اللاعب الوحيد في Smart Health AI.
تقوم Apple أيضًا بتطوير نماذج الأساس التي يمكن أن تتنبأ بالظروف الصحية. الشركة”https://arxiv.org/pdf/2507.00191v1″ الهدف=”_blank” rel=”dofollow”> البحوث المنشورة مؤخرًا، تسليط الضوء على نماذج الأساس المدربة على 2.5 مليار ساعة من البيانات القابلة للارتداء من 162000 شخص. هذه النماذج قادرة على التنبؤ 57 مخاطر متعلقة بالصحة.
حصلت الشركة بالفعل على أ”https://www.patentlyapple.com/2024/11/apple-was-granted-38-patents-today-covering-a-smart-health-and-communications-band-for-apple-watch-future-headset.html” الهدف=”_blank” rel=”dofollow”> براءة اختراع لفرقة ذكية قد يشمل ذلك دائرة المستشعر لقياس ECG وضغط الدم ومعدل التنفس والمقاييس الأخرى. تهيمن Apple Watchos بالفعل على حصة سوق الساعات الذكية.
هل يمكن أن يشير SensorLM إلى تحرك Google لتحدي Watchos من Apple؟ ربما. ومع ذلك ، يعتمد الكثير على مدى تكامله مع ارتداء نظام التشغيل.
أيضًا ، سيواجه عمالقة التكنولوجيا تحديات من الشركات الناشئة الصحية التي يمكن ارتداؤها ، مثل Whoop و Aktiia و Luna.
شيء واحد مؤكد: مع تقدم نماذج الأساس ، تتحرك الأجهزة التي يمكن ارتداؤها إلى أبعد من التتبع لفهم حالتك الصحية والفسيولوجية حقًا.
سانديب بابو كاتبة للأمن السيبراني يتمتع بأكثر من أربع سنوات من الخبرة العملية. قام بمراجعة مديري كلمة المرور ، و VPNs ، وخدمات التخزين السحابية ، وبرامج مكافحة الفيروسات ، وأدوات الأمان الأخرى التي يستخدمها الأشخاص كل يوم.”http://techreport.com/#” معرف=”author-card-read-more”> اقرأ المزيد
إنه يتبع عملية اختبار صارمة – بتثبيت كل أداة على نظامه واستخدامها على نطاق واسع لمدة سبعة أيام على الأقل قبل الكتابة عنها. تستند مراجعاته دائمًا إلى اختبارات العالم الحقيقي ، وليس الافتراضات.
ظهر عمل سانديب على منصات تقنية معروفة مثل”https://geekflare.com/author/sandeep-babu/”> Geekflareو”https://www.makeuseof.com/author/sandeep-babu/”> makeuseofو”https://www.cloudwards.net/about/sandeep-babu/”> Cloudwardsو”https://www.privacyjournal.net/author/sandeep-babu/”> privacyjournalوأكثر.
وهو حاصل على درجة الماجستير في الأدب الإنجليزي من جاميا ميليا الإسلامية ، نيودلهي. وقد حصل أيضًا على بيانات اعتماد معترف بها في هذا المجال مثل شهادة Google Cybersecurity Professional وشهادة ISC2 في الأمن السيبراني.
عندما لا يكتب ، فإنه عادة ما يختبر أدوات الأمان أو يعيد مشاهدة برامج كوميديا مثل هتافاتو سينفيلدو لا تزال لعبة، أو نظرية الانفجار الكبير.”http://techreport.com/#” معرف=”author-card-read-less”> اقرأ أقل
تتركز سياسة تحرير التقارير التقنية على توفير محتوى مفيد ودقيق يوفر قيمة حقيقية لقرائنا. نحن نعمل فقط مع الكتاب ذوي الخبرة الذين لديهم معرفة محددة في الموضوعات التي يغطيونها ، بما في ذلك أحدث التطورات في التكنولوجيا والخصوصية عبر الإنترنت والعملات المشفرة والبرامج والمزيد. تضمن سياسة التحرير الخاصة بنا البحث عن كل موضوع وبراعته من قبل محررينا الداخليين. نحافظ على معايير صحفية صارمة ، وكل مقالة كتبها 100 ٪ من قبل مؤلفين حقيقيين.