- Google Research e Fitbit stanno collaborando per sviluppare un Personal Health Large Language Model (LLM) che mira a semplificare l’interpretazione dei dati biometrici acquisiti dai dispositivi indossabili, promettendo di fornire approfondimenti e consigli personalizzati sulla salute attraverso l’app Fitbit.
- Il LLM utilizzerà i modelli Gemini di Google, perfezionati con dati sanitari diversi e anonimi provenienti da studi di ricerca di qualità, per fornire consigli utili agli utenti, convalidati da professionisti della salute e del benessere per accuratezza e pertinenza.
- L’introduzione di questo modello agli utenti Android Premium tramite Fitbit Labs è prevista entro la fine dell’anno, evidenziando la continua integrazione da parte di Google dell’intelligenza artificiale avanzata nelle offerte Fitbit, anche se le specifiche della sua più ampia disponibilità e se funzionerà sul cloud o sui dispositivi rimangono indeterminate.
I dispositivi indossabili acquisiscono informazioni biometriche cruciali che forniscono informazioni sulla salute, sullo stile di vita e altro ancora di un individuo. Tuttavia, la complessità dell’interpretazione dei dati richiede tempo. Per semplificare questo processo, Google Research e Fitbit stanno collaborando per implementare l’intelligenza artificiale (AI), migliorando la facilità di analisi dei dati.
Di quali caratteristiche stiamo parlando?
Durante The Check Up, la conferenza annuale di Google Health tenutasi martedì, è stata annunciata una partnership tra Google Research e Fitbit. Insieme, mirano a sviluppare un Personal Health Large Language Model (LLM), progettato per arricchire l’applicazione mobile Fitbit con approfondimenti più approfonditi e consigli personalizzati derivati dai dati degli utenti.
Questa innovazione mira a offrire agli utenti Fitbit consigli personalizzati e suggerimenti attuabili per supportare le loro aspirazioni di salute e fitness. Ad esempio, valutando le fluttuazioni del ritmo del sonno, il LLM potrebbe proporre aggiustamenti all’intensità dell’esercizio che potrebbero migliorare la qualità del sonno, come evidenziato in un comunicato stampa di Google.
Le risposte sulla salute potenziano il cervello dell’intelligenza artificiale su Google
Lo sviluppo del LLM sfrutta i modelli Gemini di Google, con miglioramenti basati su “un insieme diversificato e non identificato di segnali sanitari provenienti da casi di studio di ricerca di alta qualità”. L’obiettivo è conferire ai modelli la capacità di trarre conclusioni approfondite dai dati, un processo sottolineato dalla convalida da parte di coach certificati e professionisti del benessere, come menzionato nell’annuncio.
Google sta finalizzando il modello e prevede di rivelare ulteriori ricerche nel prossimo futuro. Questo sforzo è una continuazione dell’impegno di Google nell’integrazione di funzionalità AI avanzate in Fitbit, come dimostrato dal significativo aggiornamento dello scorso anno da parte di Fitbit Labs.

Fitbit Labs offre ai membri Premium la possibilità di sperimentare funzionalità IA innovative prima di un rilascio più ampio. TQueste funzionalità consentono agli utenti di informarsi in modo interattivo sulle proprie statistiche sanitarie e di utilizzare l’intelligenza artificiale per generare rappresentazioni visive per una comprensione più chiara dei propri dati.
Google ha annunciato l’intenzione di introdurre questo modello a un gruppo selezionato di utenti Android Premium tramite Fitbit Labs nel corso dell’anno, anche se la tempistica per un lancio più ampio rimane non specificata.
L’acquisizione di Fitbit da parte di Google è stata completata nel 2021, segnando un passo significativo nella loro collaborazione.
Non sono stati chiariti i dettagli riguardanti se il modello funzionerà su server cloud o direttamente sui dispositivi. L’utilizzo del dispositivo è spesso considerato un metodo più sicuro per gestire informazioni sensibili. Google ha affermato che questo modello faciliterà lo sviluppo di future funzionalità AI in tutta la sua gamma di prodotti.
Credito immagine in primo piano: Kerem Gülen/DALL-E 3