Google研究以大型語言模型分析穿戴裝置健康資料,可給出高品質健身與睡眠建議 - iThome
領域高品質證實專家建議裝置資料人類效能iThome旗鼓相當 文章 參考資訊
大型語言模型已經被用於處理各種模態的資料,包括文字、圖像、音訊和影片等,而現在Google[1]也將大型語言模型應用於理解和推理個人健康問題和資料上,主要目標是要提升個人健康,該新研究特別著重於睡眠與健身這兩項早期死亡預測因子。
Google研究展示了大型語言模型在健康資料上的潛在應用,可分析穿戴式裝置的健康資料,將零碎的資料點轉化為個人健康報告。大型語言模型利用程式碼生成和資訊檢索工具強化分析能力,使得人工智慧代理可以經迭代處理,分析穿戴式裝置多維時序資料。
人工智慧代理運用Python直譯器進行複雜運算辨識趨勢,再透過搜尋引擎存取最新的醫療和健康知識庫,就可針對使用者給出個人化的建議和解釋。使用者可以詢問像是「如何在白天感覺更清醒且充滿活力?」等問題,人工智慧代理依據使用者穿戴式裝置所紀錄的睡眠時間,以及運動頻率給出具體建議。
穿戴式裝置量測個人生理狀態和行為,紀錄連續且精細的資料,諸如步數、心率變異、睡眠持續時間等,結合大型語言模型,經由提供個人化報告與建議協助使用者實現健康目標。不過這件事並不容易,模型必須能夠對複雜時間序列和零散資料進行推理,並在個人健康背景下生成個人化解釋和建議。
研究人員以「如何改善睡眠品質?」問題為例,說明人工智慧代理需要經歷一連串複雜分析步驟才能給出答案。步驟包括檢查資料的可用性、計算平均睡眠時長、辨識一段時間內的睡眠模式異常,並藉由全面分析使用者的健康狀況,做出更具意義和針對性的分析,再加上睡眠標準知識,提供使用者量身打造的睡眠改善建議。
Google研究人員使用了Gemini模型微調版本PH-LLM。透過使用多模態編碼器,PH-LLM能夠更好地理解和解釋文字及時序感測資料。研究人員創建一組基準資料集,來評估模型與專家的能力差距,在健身領域,無論是Gemini Ultra 1.0模型還是PH-LLM模型的效能,都與健身專家沒有統計學上的差異,而在睡眠評估上,PH-LLM則與專家表現接近。
過去雖然也有各種大型語言模型的醫療相關應用,但是卻很少使用來自行動或是穿戴式裝置的複雜資料,研究人員認為這些資料對於個人健康監測非常重要。該Google研究的主要貢獻,在於展示大型語言模型可以用於分析和解釋穿戴式裝置資料,並且證明其能力可媲美人類專家。
References
Google (research.google)陳亞蘭年齡咖啡 失智益生菌 蛀牙 口臭
飲食影響動脈血管健康醫師建議多吃綠葉蔬菜|吃貨情報|消費|世界新聞網
心臟科醫生指出,營養豐富的飲食對於維持並改善動脈健康至關重要,建議以綠葉蔬菜為主要食物,取代碳水化合物,既可保健康,...
「肌少症」是指肌肉質量減少的一種症狀並非疾病建議配合營養師的低蛋白飲食衛教可...
新竹臺大分院腎臟科楊忠煒醫師表示,「肌少症」並不是一個醫學上正式的診斷名詞,它不能算是一種疾病,而是指肌肉質量減少的...
重塑運動生活情境瑞典居家品牌IKEA進軍健身領域-Don1Don
超過四百間大型門市,是全球最大的家具零售企業。而在2024年,家具品牌也決定邁入健身運動領域,重新塑造家居運動情境,為功...
今天的她們佘詩曼|49歲fit爆0皺紋全靠食得飽!2習慣健康瘦身拒捱餓-UFood
今天的她們|佘詩曼|新聞女王|佘詩曼主演的《新聞女王》早前反應極好,後更傳出會開拍《新聞女王2》的好消息,而除了新聞...
少吃點讓你更年輕!臨床研究顯示,熱量限制可減緩人類老化速度-Yes-Pick
熱量限制(CaloricRestriction,CR)是指在充分保證生物體營養成分(如必需氨基酸、維生素和各種微量元素)的情況下限制生...