Google ha creato un minuscolo modello di intelligenza artificiale che legge le tracce di glucosio
GlucoFM ha 720.000 parametri, circa un milionesimo delle dimensioni di un modello di chat, e batte i rivali più grandi nell'individuare modelli metabolici nei dati del monitoraggio continuo del glucosio.
Google Research ha pubblicato GlucoFM, un modello di base addestrato a dare un senso ai dati provenienti dai monitor continui del glucosio, i piccoli sensori montati sulla pelle che leggono lo zucchero nel sangue ogni pochi minuti. La parte notevole è la dimensione. GlucoFM ha circa 720.000 parametri, i numeri interni che un modello apprende durante l’allenamento. Un modello di chat ha centinaia di miliardi. Questo starebbe comodamente su un telefono.
La scelta progettuale dietro è semplice da descrivere. Una traccia del glucosio ha due cose che accadono contemporaneamente: una linea di base lenta che si sposta nel corso della giornata e brevi deviazioni brusche dai pasti, dall’esercizio fisico o da un problema tecnico del sensore. I modelli precedenti in questa nicchia spingevano entrambi attraverso un unico flusso di elaborazione. GlucoFM li suddivide, gestendo separatamente il trend lento e gli eventi transitori prima di combinarli. Tiene anche traccia di quali letture mancano invece di colmare silenziosamente le lacune, il che è importante perché i dati reali dei sensori sono pieni di buchi.
È stato pre-addestrato su 109.066 ore di dati sul glucosio non etichettati in cinque set di dati. Su 14 combinazioni di coorte e compito clinico, la prestazione media è aumentata da 54,7 a 58,8 su una misura di accuratezza standard, un guadagno di 4,1 punti rispetto al miglior modello comparabile addestrato sugli stessi dati. Ha guidato ogni valutazione del rischio di diabete e di disfunzione delle cellule beta e nei test di coorte incrociati, in cui un classificatore addestrato su un gruppo di studio viene applicato a un gruppo completamente diverso, è risultato vincitore in 11 casi su 12.
Cosa sta succedendo qui: l’idea interessante qui non sono i risultati ma la ricetta. Il modello di fondazione di solito evoca qualcosa di enorme, ma il termine significa semplicemente un modello pre-addestrato su molti dati non etichettati in modo che possa essere successivamente adattato in modo economico a molti compiti specifici. I dati clinici etichettati sono costosi: qualcuno deve eseguire gli esami del sangue. I dati dei sensori non etichettati sono quasi gratuiti, perché le persone indossano comunque i sensori. GlucoFM apprende la forma del glucosio dai dati gratuiti, quindi i costosi esempi etichettati sono molto utili. Nei test è rimasto davanti ai rivali anche quando gli è stato assegnato un unico partecipante etichettato per categoria. Questo modello, un piccolo modello specializzato più abbondanti dati di sensori, sta tranquillamente diventando una delle cose più utili che fa l’intelligenza artificiale.
Cosa significa per te: ancora nulla e vale la pena chiarirlo. Questo è un documento di ricerca, non un prodotto, non una diagnosi e non qualcosa nella tua app per il glucosio di domani. Gli autori sono espliciti riguardo ai limiti: la popolazione pre-formazione è modesta, le risposte variano tra le persone e tra le marche di sensori e il modello attualmente legge una finestra di 24 ore alla volta anziché seguire le tendenze nel corso delle settimane. Ciò che ti dice è dove stanno andando i dispositivi indossabili di consumo. I sensori al polso e sotto la pelle raccolgono già molto più di quanto chiunque legge, e i modelli che li interpreteranno sono abbastanza piccoli da poter essere eseguiti sul dispositivo piuttosto che in un data center, che è la versione che mantiene i dati più vicino a casa. Se segui l’intelligenza artificiale principalmente attraverso i chatbot, questo è un buon promemoria del fatto che il campo è molto più ampio di così.
Fonti
Fonti: https://research.google/blog/glucofm-foundation-model-for-continuous-glucose-monitoring/
Nvidia accetta di acquistare Hugging Face per 12,9 miliardi di dollari
Secondo quanto riferito, il produttore di chip sta acquistando la principale libreria di modelli IA aperti di Internet. Il prezzo è pari a circa 86 volte il fatturato annuo della piattaforma e garantisce a un'azienda una quantità insolita di ecosistema aperto.
