Google Gemini, pur avendo solo sei mesi di vita, ha già dimostrato notevoli capacità in sicurezza, codifica, debug e altre aree, sebbene presenti anche alcune limitazioni significative.
Recentemente, il modello linguistico di grandi dimensioni (LLM) sta superando gli esseri umani nelle consulenze riguardanti sonno e fitness. I ricercatori di Google hanno sviluppato il Personal Health Large Language Model (PH-LLM), una versione ottimizzata di Gemini per analizzare dati sanitari personali da dispositivi indossabili come smartwatch e cardiofrequenzimetri. Nei test condotti, il modello ha mostrato capacità di risposta e previsione notevolmente superiori rispetto agli esperti del settore.
I ricercatori sottolineano che questa tecnologia indossabile offre una fonte continua e dettagliata di dati per il monitoraggio della salute personale, inclusi esercizio fisico, dieta, umore e attività sui social media. Tuttavia, questi dati sono spesso raccolti senza un contesto chiaro e richiedono analisi complesse per essere interpretati.
Nonostante i successi degli LLM in ambito medico, come la diagnosi basata su cartelle cliniche e immagini mediche, hanno finora mostrato limitate capacità di ragionamento e formulazione di raccomandazioni basate sui dati da dispositivi indossabili. Google ha recentemente avanzato i PH-LLM per integrare queste capacità, ottenendo risultati notevoli nelle valutazioni del sonno e del fitness, superando esperti umani nel processo.
Per supportare questi risultati, i ricercatori hanno creato e curato ampi set di dati per testare e ottimizzare le capacità di PH-LLM nel fornire consigli personalizzati e predizioni accurate, basate su scenari reali relativi a sonno e fitness. Questo include l’uso di dati provenienti da sensori indossabili e analisi approfondite fornite da esperti del settore.
Nonostante i progressi, i ricercatori riconoscono che ci sono ancora sfide da superare, come la coerenza delle risposte generate dal modello e la sua capacità di gestire la diversità dei casi sanitari individuali. Comunque, il lavoro finora rappresenta un passo significativo verso l’uso efficace degli LLM per migliorare la salute personale attraverso consigli personalizzati e informazioni dettagliate.