麻省理工学院和其他机构正在使用 Apple Watch 数据?

IT之家 12 月 10 日报道，麻省理工学院和实证健康研究人员进行的一项新研究使用 300 万“人日”Apple Watch 数据开发了一个基本模型，可以高精度预测各种健康状况。介绍了Yann Lecun还在担任Meta首席人工智能科学家期间提出“联合嵌入式预测架构”（JEPA）的背景。这种架构的主要思想是让人工智能系统对缺失数据的意义减弱，而不是直接重建缺失数据本身。换句话说，当面对数据中的空白时，模型学习如何从上下文中推断出缺失部分的语义表示，而不是试图预测其精确值。例如，chap在处理图像时，如果某些区域被遮挡而其他区域可见，JEPA会将可见区域和被遮挡区域联合映射到共享嵌入空间（即“联合嵌入”），并根据可见部分减去被遮挡区域的表示，而不是返回原始像素内容。 Meta 在 2023 年发布了一个名为 I-JEPA 的模型时是这样描述这个想法的：去年，Meta 首席 AI 科学家 Yann Lecun 提出了一种新的架构，旨在克服当前最先进的 AI 系统的主要局限性。他的愿景是建造能够学习“世界内部模型”的机器，使它们能够更快地学习、规划复杂的任务并快速适应不熟悉的情况。据其内部介绍，自从 Lecun 最初提出 JEPA 以来，该架构成为“世界模型”研究领域的基础。这标志着AI研究范式从大型语言模型（LLM）和类GPT系统所依赖的“词素预测”，转向更加关注环境动态建模的方向。事实上，Lecun 最近离开 Meta，成立了一家致力于“世界模型”的公司。他b相信这是通往通用人工智能（AGI）的真正道路。回到当前的研究：300 万人天的 Apple Watch 数据回到当前的研究。几个月前发表的论文《Jets：健康行为数据的自监督联合嵌入时间序列基础》最近被 Neurips 会议的研讨会接收。本研究采用了将 JEPA 嵌入非规则多元时间序列数据的联合方法，例如来自可穿戴设备的长期健康数据。健康数据中，心率、睡眠、活动等指标时间不受限制或存在大量缺失。研究团队使用了一个纵向数据集，其中包含 16,522 名参与者的可用设备记录，总计约 300 万“人日”。每个参与者每天（或更频繁地）记录 63 个不同的时间序列指标，涵盖五个生理和行为领域：心血管健康、呼吸健康、睡眠、体格健康活动和一般统计数据。有趣的是，只有 15% 的参与者注释了可用于分析的医学史，这意味着在传统研究管理下高达 85% 的数据将被视为无效。另一方面，Jets 模型首先通过对整个数据集进行自监督预训练来学习，然后仅对标记的子集进行微调。为了实现这一目标，研究人员将每条观测数据构建为“三元组”（日期、值、指标类型），从而将每个观测值转换为“令牌”。然后，这些标记被屏蔽、编码并馈送到预测器，该预测器预测屏蔽片段的嵌入表示。完成训练后，研究人员将喷气机与几个基准模型（包括基于变压器架构的喷气机的早期版本）进行了比较，并评估了模型的性能。使用两个常用指标区分正面和负面情况：AUROC（面积e 受试者工作特征曲线）和 AUPRC（精确回忆曲线下面积）。结果显示，喷气机在预测多种疾病方面表现良好：高血压的AUROC达到86.8%，心房扑动70.5%，慢性疲劳综合征81%，窦房结综合征也达到86.8%。虽然它不能赢得所有任务，但它的优势是显而易见的。需要强调的是，AUROC和AUPRC并不是严格意义上的“正确性”指标，而是衡量模型修复或优先处理潜在案例的能力的指标。总结 总的来说，这项研究提出了一种非常有前途的方法，可以从通常被认为“不完整”或“不规则”的健康数据中提取最大价值，即使在极端不平衡的情况下，某些指标仅在 0.4% 的时间被记录，而其他指标则出现在 99% 的日常读数中。此外，这项研究进一步证明了一个重要的观点：即使像Apple Watch这样的日常使用设备不是全天候佩戴，巨大的d他们收集的ata仍然蕴藏着巨大的潜力。通过新的建筑和培训方法，它希望释放早期预警疾病和健康管理的救生价值。 特别声明：以上内容（如有则包括照片或视频）由自媒体平台“网易号”用户上传发布。本平台仅提供信息存储服务。 注意：昂昂以上内容（包括照片和视频）由网易号用户上传发布，网易号为社交媒体平台，仅提供信息存储服务。