¿Qué es un agente de vitalidad personal?
Los modelos de idiomas grandes (LLM) han demostrado un musculoso rendimiento en varios dominios como el razonamiento clínico, el apoyo a las decisiones y las aplicaciones de vitalidad del consumidor. Sin requisa, la mayoría de las plataformas existentes están diseñadas como herramientas de un solo propósito, como verificadores de síntomas, entrenadores digitales o asistentes de información de vitalidad. Estos enfoques a menudo no abordan la complejidad de las micción de vitalidad del mundo auténtico, donde las personas requieren razonamiento integrado sobre corrientes portátiles, registros de vitalidad personales y resultados de pruebas de laboratorio.
Un equipo de investigadores de Google ha propuesto un Agente de vitalidad personal (PHA) estructura. El PHA está diseñado como un sistema de múltiples agentes Eso unifica los roles complementarios: investigación de datos, razonamiento de conocimiento médico y entrenamiento de vitalidad. En sitio de devolver las expectativas aisladas de un solo maniquí, la PHA emplea a un orquestador central para coordinar subgestados especializados, sintetizar iterativamente sus expectativas y ofrecer una orientador coherente y personalizada.
¿Cómo funciona el situación PHA?
El Agente de Lozanía Personal (PHA) está construido sobre la clan Maniquí Gemini 2.0. Sigue una obra modular que consta de tres subconentes y un orquestador:
- Agente de ciencias de datos (DS)
El agente DS interpreta y analiza datos de series de tiempo de wearables (por ejemplo, recuentos de pasos, variabilidad de la frecuencia cardíaca, métricas del sueño) y registros de vitalidad estructurados. Es capaz de descomponer las preguntas de favorecido abiertas en planes de investigación formales, ejecutar razonamiento estadístico y comparar los resultados con los datos de narración a nivel de población. Por ejemplo, puede cuantificar si la actividad física en el postrer mes está asociada con mejoras en la calidad del sueño. - Agente experimentado en dominio (DE)
El agente proporciona información médicamente contextualizada. Integra registros de vitalidad personales, información demográfica y señales portátiles para originar explicaciones basadas en el conocimiento médico. A diferencia de los LLM de propósito caudillo que pueden producir resultados plausibles pero poco confiables, el agente de DE sigue un caracolillo iterativo de intercambio de intercambio de razonamiento, que combina posibles médicos autorizados con datos personales. Esto le permite proporcionar interpretaciones basadas en evidencia, como si una medición específica de la presión arterial está interiormente de un rango seguro para un individuo con una condición particular. - Agente de preparador de vitalidad (HC)
El agente de HC aborda el cambio de comportamiento y el establecimiento de objetivos a espacioso plazo. A partir de estrategias de coaching establecidas, como entrevistas motivacionales, lleva a extremidad conversaciones múltiples, identifica los objetivos del favorecido, aclara las limitaciones y genera planes estructurados y personalizados. Por ejemplo, puede encauzar a un favorecido a través de un horario de gimnasia semanal, adaptarse a barreras individuales e incorporar comentarios del seguimiento del progreso. - Orquestador
El orquestador coordina estos tres agentes. Cuando se recibe una consulta, asigna un agente principal responsable de originar la salida principal y los agentes de apoyo para proporcionar datos contextuales o conocimientos de dominio. Posteriormente de resumir los resultados, el orquestador ejecuta un caracolillo de consejo iterativoDemostración de expectativas para la coherencia y la precisión antiguamente de sintetizarlas en una sola respuesta. Esto asegura que la salida final no sea simplemente una agregación de respuestas de agentes, sino una recomendación integrada.
¿Cómo se evaluó la PHA?
El equipo de investigación realizó una de las evaluaciones más completas de un sistema de IA de vitalidad hasta la término. Su situación de evaluación involucrado 10 tareas de narración, Más de 7,000 anotaciones humanasy 1.100 horas de evaluación de expertos en vitalidad y usuarios finales.
Evaluación del agente de ciencias de datos
El agente DS se evaluó sobre su capacidad para originar planes de investigación estructurados y producir un código ejecutable correcto. En comparación con los modelos de cojín de narración, demostró:
- Un aumento significativo en la calidad del plan de investigación, mejorando las puntuaciones medias calificadas por expertos del 53.7% al 75.6%.
- Una reducción en los errores críticos de manejo de datos de 25.4% a 11.0%.
- Una restablecimiento en las tasas de aprobación del código del 58.4% al 75.5% en los primeros intentos, con mayores ganancias bajo autocorrección iterativa.
Evaluación del agente experimentado en dominio
El agente de DE se comparó con cuatro capacidades: precisión objetiva, razonamiento diagnosis, personalización contextual y síntesis de datos multimodales. Los resultados incluyen:
- Conocimiento fáctico: En más de 2,000 preguntas de examen al estilo de la corporación en endocrinología, cardiología, medicina del sueño y estado físico, el agente de DE logró una precisión del 83.6%, superando a Gemini de narración (81.8%).
- Razonamiento diagnosis: En 2,000 casos de síntomas autoinformados, logró una precisión diagnóstica de 46.1% Top-1 en comparación con el 41.4% para una término de cojín Géminis de última coexistentes.
- Personalización: En los estudios de usuarios, el 72% de los participantes prefirieron las respuestas de los agentes a los resultados de narración, citando una longevo confiabilidad y relevancia contextual.
- Síntesis multimodal: En las revisiones expertas de clínicos de los resúmenes de vitalidad generados a partir de datos portátiles, laboratorios y de encuestas, los resultados del agente de DE se calificaron más clínicamente significativos, integrales y confiables que los resultados de narración.
Evaluación del agente del preparador de vitalidad
El agente HC fue diseñado y evaluado a través de entrevistas de expertos y estudios de usuarios. Los expertos enfatizaron la requisito de seis capacidades de entrenamiento: identificación de objetivos, audición activa, esclarecimiento de contexto, empoderamiento, recomendaciones inteligentes (específicas, medibles, alcanzables, relevantes, vinculadas) e incorporación de feedback iterativa.
En evaluaciones, el agente HC demostró un mejor flujo de conversación y la billete del favorecido en comparación con los modelos de narración. Evitó recomendaciones prematuras y, en su sitio, equilibró la compilación de información con asesoramiento procesable, produciendo resultados más consistentes con las prácticas de entrenamiento de expertos.
Evaluación del sistema PHA integrado
A nivel del sistema, el orquestador y tres agentes fueron probados juntos en conversaciones multimodales abiertas que reflejan escenarios de vitalidad realistas. Tanto los expertos como los usuarios finales calificaron el Agente de Lozanía Personal Integrado (PHA) significativamente más suspensión que los sistemas de Géminis basales a través de medidas de precisión, coherencia, personalización y confiabilidad.
¿Cómo contribuye la PHA a la IA de vitalidad?
La presentación de una PHA de múltiples agentes aborda varias limitaciones de los sistemas de IA de vitalidad existentes:
- Integración de datos heterogéneos: Las señales portátiles, los registros médicos y los resultados de las pruebas de laboratorio se analizan conjuntamente en sitio de de forma aislada.
- División del Trabajo: Cada subagente se especializa en un dominio donde los modelos monolíticos individuales a menudo tienen un rendimiento inferior, razonamiento aritmético para DS, cojín clínica para DE y billete conductual para HC.
- Consejo iterativa: El ciclo de revisión del orquestador reduce las inconsistencias que a menudo surgen cuando múltiples expectativas simplemente se concatenan.
- Evaluación sistemática: A diferencia de la mayoría del trabajo inicial, que se basó en estudios de casos a pequeña escalera, el Agente de Lozanía Personal (PHA) fue validado con un gran conjunto de datos multimodal (el estudio de Wear-Me) y una amplia billete de expertos.
¿Cuál es el longevo significado del plan PHA de Google?
La presentación del Agente de Lozanía Personal (PHA) demuestra que la IA de vitalidad puede ir más allá de las aplicaciones de un solo propósito con destino a sistemas modulares y orquestados capaz de razonar a través de datos multimodales. Muestra que desglosar las tareas en subcágulos especializados conduce a mejoras medibles en robustez, precisión y confianza del favorecido.
Es importante tener en cuenta que este trabajo es una construcción de investigación, no un producto comercial. El equipo de investigación enfatizó que el diseño de PHA es exploratorio y que el despliegue requeriría encarar las consideraciones regulatorias, de privacidad y ética. No obstante, el situación y los resultados de la evaluación representan un avance significativo en los fundamentos técnicos de la IA de vitalidad personal.
Conclusión
El Situación de Agentes de Lozanía Personal proporciona un diseño integral para integrar datos portátiles, registros de vitalidad y entrenamiento de comportamiento a través de un sistema de múltiples agentes coordinado por un orquestador. Su evaluación en 10 puntos de narración, utilizando miles de anotaciones y evaluaciones de expertos, muestra mejoras consistentes sobre los LLM de narración en el investigación estadístico, el razonamiento médico, la personalización y las interacciones de entrenamiento.
Al instrumentar la IA de la vitalidad como un sistema coordinado de agentes especializados en sitio de un maniquí monolítico, la PHA demuestra cómo se pueden mejorar la precisión, la coherencia y la confianza en las aplicaciones de vitalidad personal. Este trabajo establece una cojín para futuras investigaciones sobre sistemas de vitalidad de agente y destaca una vía con destino a herramientas de razonamiento de vitalidad integradas y confiables.
Mira el Papel aquí. No dude en ver nuestro Página de Github para tutoriales, códigos y cuadernos. Por otra parte, siéntete librado de seguirnos Gorjeo Y no olvides unirte a nuestro Subreddit de 100k+ ml y suscribirse a Nuestro boletín.
Asif Razzaq es el CEO de MarktechPost Media Inc .. Como patrón e ingeniero soñador, ASIF se compromete a disfrutar el potencial de la inteligencia químico para el perfectamente social. Su esfuerzo más fresco es el emanación de una plataforma de medios de inteligencia químico, MarktechPost, que se destaca por su cobertura profunda de noticiero de enseñanza mecánico y de enseñanza profundo que es técnicamente sólido y fácilmente comprensible por una audiencia amplia. La plataforma cuenta con más de 2 millones de vistas mensuales, ilustrando su popularidad entre el sabido.