Google Research представили SensorFM — фундаментальную модель, которая понимает физиологию по данным с носимых устройств
⚡️ Google Research (Xin Liu и Daniel McDuff) выкатили SensorFM, фундаментальную модель, предобученную на триллионе минут сенсорных данных от пяти миллионов человек.
Данные целый год собирались с Fitbit и Pixel Watch в более чем ста странах — крупнейший датасет носимой физиологии.
📦 Модель обрабатывает 34 минутных признака из пяти сенсорных модальностей: фотоплетизмограмма, акселерометр, электродермальная активность, температура кожи и альтиметрия.
Учится без разметки, восстанавливая намеренно и естественно пропущенные фрагменты: данные с запястья всегда рваные, и SensorFM использует эту фрагментарность как учебный сигнал.
Старшая SensorFM-B на 100 млн параметров снижает ошибку восстановления на 31% и выигрывает на 33 из 35 прикладных задач — от сердечно-сосудистых рисков и метаболизма до депрессии и тревожности, где сигнал особенно слабый.
💡 Автоматизацию адаптации отдали LLM-агентам, которые пишут и отлаживают предсказательные слои поверх эмбеддингов SensorFM, перебрав больше 30 000 вариантов кода.
Главная ценность SensorFM — не в появлении «ИИ-врача в часах», а в создании универсального слоя между потоком сенсорных данных и медицинскими приложениями.
Разработчикам больше не потребуется собирать огромную размеченную выборку и обучать отдельную модель для каждой новой задачи: достаточно адаптировать уже сформированное представление физиологии.
Практическая польза технологии для исследований и создания персональных систем достаточно высокая.
Для обычного пользователя она пока косвенная: SensorFM остаётся исследовательской моделью, а не сертифицированным диагностическим инструментом.
Эксперимент с медицинским агентом проведён всего на 31 профиле, поэтому утверждать, что модель способна заменить лабораторные анализы или врача, нельзя.
Это не первый фундаментальный ИИ для носимых устройств: Apple публиковала сходную работу ещё в 2025 году.
Прорыв Google заключается прежде всего в масштабе данных, разнообразии сенсоров и объединении модели с агентами, способными автоматически строить новые инструменты анализа.
#SensorFM #GoogleResearch
———
@tsingular
⚡️ Google Research (Xin Liu и Daniel McDuff) выкатили SensorFM, фундаментальную модель, предобученную на триллионе минут сенсорных данных от пяти миллионов человек.
Данные целый год собирались с Fitbit и Pixel Watch в более чем ста странах — крупнейший датасет носимой физиологии.
📦 Модель обрабатывает 34 минутных признака из пяти сенсорных модальностей: фотоплетизмограмма, акселерометр, электродермальная активность, температура кожи и альтиметрия.
Учится без разметки, восстанавливая намеренно и естественно пропущенные фрагменты: данные с запястья всегда рваные, и SensorFM использует эту фрагментарность как учебный сигнал.
Старшая SensorFM-B на 100 млн параметров снижает ошибку восстановления на 31% и выигрывает на 33 из 35 прикладных задач — от сердечно-сосудистых рисков и метаболизма до депрессии и тревожности, где сигнал особенно слабый.
💡 Автоматизацию адаптации отдали LLM-агентам, которые пишут и отлаживают предсказательные слои поверх эмбеддингов SensorFM, перебрав больше 30 000 вариантов кода.
Главная ценность SensorFM — не в появлении «ИИ-врача в часах», а в создании универсального слоя между потоком сенсорных данных и медицинскими приложениями.
Разработчикам больше не потребуется собирать огромную размеченную выборку и обучать отдельную модель для каждой новой задачи: достаточно адаптировать уже сформированное представление физиологии.
Практическая польза технологии для исследований и создания персональных систем достаточно высокая.
Для обычного пользователя она пока косвенная: SensorFM остаётся исследовательской моделью, а не сертифицированным диагностическим инструментом.
Эксперимент с медицинским агентом проведён всего на 31 профиле, поэтому утверждать, что модель способна заменить лабораторные анализы или врача, нельзя.
Это не первый фундаментальный ИИ для носимых устройств: Apple публиковала сходную работу ещё в 2025 году.
Прорыв Google заключается прежде всего в масштабе данных, разнообразии сенсоров и объединении модели с агентами, способными автоматически строить новые инструменты анализа.
#SensorFM #GoogleResearch
———
@tsingular
👍8🔥8❤3⚡2