Google Research ने SensorFM पेश किया है, एक फाउंडेशन मॉडल जो उस डेटा के ज़रिए शरीर को पढ़ने के लिए डिज़ाइन किया गया है जिसे wearables पहले से एकत्र करते हैं। इसे लगभग 50 लाख लोगों से जुटाए गए एक ट्रिलियन मिनट से अधिक के सेंसर संकेतों पर प्रीट्रेन किया गया, जिसमें सितंबर 2024 और सितंबर 2025 के बीच एकत्र किए गए पहचान हटाए गए डेटा का उपयोग हुआ, और इसके पीछे की महत्वाकांक्षा को बताना सीधा है। शारीरिक सेंसर स्ट्रीम के लिए वही करना जो फाउंडेशन मॉडलों ने भाषा और इमेज के लिए किया है, यानी बिना लेबल वाले डेटा के विशाल ढेर पर एक अकेले बड़े मॉडल को प्रीट्रेन करना, फिर उस एक मॉडल को कई विशिष्ट कार्यों के लिए ढालना, बिना हर एक के लिए एक नए लेबल किए गए डेटासेट की ज़रूरत के।
मॉडल असल में जो ग्रहण करता है वह एक दिन भर के शरीर की एक संक्षिप्त लेकिन समृद्ध तस्वीर है। SensorFM पाँच सेंसर प्रणालियों से प्राप्त 34 एक मिनट के समुच्चय फीचर ग्रहण करता है, photoplethysmography, accelerometry, electrodermal activity, skin temperature, और altimetry। ये संकेत आपस में मिलकर पूरे 24 घंटे की अवधि में हृदय गति और हृदय गति परिवर्तनशीलता, रक्त ऑक्सीजन संतृप्ति, नींद के चरण, गति और कदम, त्वचा चालकता, और तापमान को दर्ज करते हैं। उस निरंतर स्ट्रीम से मॉडल मानव शरीरक्रिया विज्ञान का एक सामान्य उद्देश्य वाला प्रतिनिधित्व सीखता है, इस बात का एक संख्यात्मक सारांश कि शरीर क्या कर रहा है, जिसे फिर विशिष्ट सवालों की ओर मोड़ा जा सकता है।
मुद्दा पैमाने का है, डेटा और परिणाम दोनों में। प्रीट्रेनिंग कॉर्पस 100 से अधिक देशों, सभी 50 अमेरिकी राज्यों, और 20 से अधिक Fitbit और Pixel Watch डिवाइस मॉडलों तक फैला है, जो मिलकर मिनट रिज़ॉल्यूशन संकेत के दो अरब घंटे से अधिक बनता है। Google बताता है कि यह प्रतिनिधित्व 35 स्वास्थ्य भविष्यवाणी कार्यों में स्थानांतरित होता है और लेबल कुशल अनुकूलन के साथ ही डेटा इनफिलिंग का समर्थन करता है, यानी उन खाली जगहों को भरना जहाँ कोई सेंसर छूट गया हो। इसके सबसे बड़े संस्करण ने, जो पूरे 50 लाख व्यक्तियों के कॉर्पस पर प्रशिक्षित हुआ, सबसे छोटे संस्करण की तुलना में पुनर्निर्माण हानि को 31 प्रतिशत घटाया और डाउनस्ट्रीम परिणामों को वर्गीकरण कार्यों पर औसतन 9 प्रतिशत तथा प्रतिगमन कार्यों पर 21 प्रतिशत बेहतर किया, ठीक वही पैटर्न जिसे आप तब देखते हैं जब मॉडल आकार और डेटा को साथ-साथ बढ़ाना काम कर रहा होता है।
Google जिस अनुप्रयोग की ओर इशारा करता है वह उस चीज़ के लिए एक ग्राउंडिंग उपकरण है जिसे वह Personal Health Agent कहता है, एक ऐसा सहायक जो कच्चे आँकड़ों से अनुमान लगाने के बजाय अपने नीचे शरीरक्रिया विज्ञान के एक वास्तविक मॉडल के साथ आपके शरीर के संकेतों पर तर्क कर सके। इस दृष्टिकोण को गंभीरता से लेना भी ज़रूरी है और इसके बारे में सावधान रहना भी। यह एक शोध रिलीज़ है, ऐसा उत्पाद नहीं जिसे आप इस्तेमाल कर सकें, और यह नैदानिक निदान नहीं, बल्कि स्वास्थ्य भविष्यवाणियाँ और प्रतिनिधित्व तैयार करता है, इसलिए यह आपकी घड़ी में बैठा कोई डॉक्टर नहीं, बल्कि आगे निर्माण करने की एक नींव है। बताए गए लाभ Google के अपने हैं, और यह पूरी चीज़ पहचान हटाए गए निजी स्वास्थ्य डेटा की एक विशाल मात्रा पर टिकी है, जो इस पैमाने की किसी भी परियोजना जितना ही गोपनीयता का भार वहन करती है।
जो चीज़ इसे मायने देती है वह किसी एक आँकड़े से अधिक इसकी दिशा है। फाउंडेशन मॉडल का तरीका, यानी व्यापक रूप से प्रीट्रेन करना फिर संकीर्ण रूप से ढालना, उन टेक्स्ट और इमेज के क्षेत्रों से बाहर निकल रहा है जहाँ यह पला-बढ़ा, और उस निरंतर शारीरिक डेटा में प्रवेश कर रहा है जिसे करोड़ों लोग पहले से हर दिन उत्पन्न करते हैं। अगर यह तरीका टिकता है, तो एक अकेला प्रीट्रेन किया गया मॉडल एक साझा आधार परत बन जाता है जिसके ऊपर कई स्वास्थ्य अनुप्रयोग बैठ सकते हैं, और Personal Health Agent का दृष्टिकोण दिखाता है कि Google इसे कहाँ ले जाना चाहता है, एक ऐसा सहायक जो आपके अपने शरीर की भाषा में आधारित हो। यह आज कोई निदान इंजन नहीं है, लेकिन यह एक स्पष्ट संकेत है कि wearables बड़े मॉडलों के लिए एक गंभीर प्रणाली बनते जा रहे हैं, न कि केवल कदमों की गिनती का स्रोत।