Letzten Montag schlug eine Krankenschwester vor, dass wir einen drahtlosen Monitor ausprobieren sollten, um meine Vitalwerte und die meines ungeborenen Babys zu überwachen.    sagte mir die Krankenschwester. „Wir nennen dieses Gerät „Monica, der Monitor!“ Es ist entweder ein Traum, damit zu arbeiten, oder ein totaler Albtraum“,  An diesem Tag schnitt „Monica“ (eigentlich das Novii Wireless Patch System) außergewöhnlich gut ab. Während der Geburt meiner Tochter konnte ich mich frei und ohne störende Kabel bewegen. Diese Technologie nutzt die passive Signalerfassung, um zwischen fötalen und mütterlichen Herzsignalen zu unterscheiden und Uteruskontraktionen zu erkennen. Die Daten werden zur Echtzeitbeobachtung drahtlos an eine Überwachungseinheit übertragen. Dieses System erhöht die Genauigkeit und reduziert Fehlalarme und bietet so die dringend benötigte Mobilität während der Wehen.  Ich dachte: Das Schreiben und Theoretisieren über Technologien ist eine Sache, aber ihre bemerkenswerten Fähigkeiten aus erster Hand zu erleben, ist eine ganz andere, insbesondere wenn ein Gerät einwandfrei funktioniert. Es stellte sich die Frage: Was können Foundation-Modelle zu Wearables hinzufügen? Gleich nach meiner Erfahrung mit „Monica“ erregte ein aktueller Artikel von Google Research und MIT-Forschern meine Aufmerksamkeit. Mit dem Titel „   “ und verfasst von Kim et al. befasst sich dieser Artikel mit der Anwendung von LLMs im Gesundheitssektor und konzentriert sich auf die Interpretation von Daten von tragbaren Sensoren zur Gesundheitsvorhersage. Interessanterweise werden diese Modelle nicht mit Daten aus Krankenakten oder Arztbriefen versorgt, sondern mit tragbaren Geräten wie Fitbits, die tägliche Schritte, Herzfrequenz, Schlafmuster und mehr aufzeichnen – ähnlich wie „Monica“. Health-LLM: Large Language Models for Health Prediction via Wearable Sensor Data  Die Studie bewertete acht hochmoderne LLMs: Med-Alpaca, PMC-Llama, Asclepius, ClinicalCamel, Flan-T5, Palmyra-Med, GPT-3.5 und GPT-4, anhand von sechs Datensätzen zur öffentlichen Gesundheit. Sie führten Experimente zu dreizehn Gesundheitsvorhersageaufgaben im Zusammenhang mit psychischer Gesundheit, Aktivität, Stoffwechsel, Schlaf und Herzuntersuchungen durch.  Das Team experimentierte mit verschiedenen Methoden, einschließlich Zero-Shot- und Few-Shot-Prompting (Lernen des Modells mit minimalen oder keinen Beispielen), instruktiver Feinabstimmung (Anpassen des Modells an bestimmte Aufgaben) und sogar einiger Parameter-effizienter Feinabstimmung für Recheneffizienz.  Besonders faszinierend ist die Wirksamkeit der Kontextverbesserung in Eingabeaufforderungen, bei der Benutzerkontext, Gesundheitswissen und zeitliche Informationen hinzugefügt werden. Dieser Ansatz führte zu einer Leistungsverbesserung von bis zu 23,8 %.  Das Gesundheitswesen ist ein äußerst sensibler Bereich, aber die potenziellen Vorteile der generativen KI für den Menschen sind immens, insbesondere angesichts der Leistungsfähigkeit von Basismodellen. Health-LLM erforscht die Zukunft, in der Wearables nicht nur passive Tracker, sondern proaktive Gesundheitswächter sind.  Ein weiterer aktueller bahnbrechender Artikel im Gesundheitswesen stammt von Stanford- und Stability-AI-Forschern mit dem Titel   . Der faszinierendste Aspekt dieser Arbeit ist die Entwicklung von CheXagent, einem fortschrittlichen Basismodell, das speziell für die Interpretation von Röntgenaufnahmen des Brustkorbs entwickelt wurde. Dieses Modell kombiniert auf einzigartige Weise ein klinisches LLM, einen spezialisierten Vision-Encoder und ein Vision-Sprach-Überbrückungsnetzwerk und demonstriert so eine außergewöhnliche Leistung bei der Interpretation komplexer medizinischer Bilder. Seine Fähigkeit, bestehende Modelle bei Genauigkeits- und Fairnessbewertungen zu übertreffen, stellt einen bedeutenden Fortschritt in der KI-Technologie für medizinische Bildgebung dar. Es kann so viel Zeit sparen! Und möglicherweise lebt. CheXagent: Towards a Foundation Model for Chest X-Ray Interpretation   (Das neugeborene Mädchen – Reason Leeloo Joy – sendet ihr Grüße. Wir haben letzte Woche eine Woche frei genommen, sind aber jetzt wieder auf dem richtigen Weg und erkunden die KI-Welt, um zu verstehen, wie sie und ihre vier Brüder darin leben und sich darin zurechtfinden werden.)  Neuigkeiten von den üblichen Verdächtigen ©  Sam Altman und OpenAI  OpenAI hat zwei neue Einbettungsmodelle (text-embedding-3-small und text-embedding-3-large) sowie aktualisierte Versionen von GPT-4 Turbo, GPT-3.5 Turbo und ein Textmoderationsmodell   . Die neuen Einbettungsmodelle stellen Inhalte als numerische Sequenzen dar und verbessern so maschinelle Lernaufgaben wie Clustering oder Retrieval. Sie sind außerdem effizienter und kostengünstiger. veröffentlicht  Unterdessen führt Sam Altman   mit Geldgebern aus dem Nahen Osten, darunter wohlhabende Investoren und Chiphersteller wie TSMC, um ein neues Chipunternehmen zu gründen. Dieser Schritt zielt darauf ab, den wachsenden Halbleiterbedarf von OpenAI zu decken und die Abhängigkeit von Nvidia zu verringern. Die Struktur des Unternehmens ist unklar und es könnte sich um eine separate Einheit oder eine Tochtergesellschaft von OpenAI handeln. Gespräche  Blackstone greift ein  Ein weiterer großer Player investiert stark in die KI-Revolution. Blackstone baut ein 25-Milliarden-Dollar-Netzwerk aus energieintensiven Rechenzentren in ganz Amerika auf. Nach der 10-Milliarden-Dollar-Übernahme von QTS, einem großen Rechenzentrumsbetreiber, entwickelt Blackstone riesige Anlagen, um den wachsenden digitalen und KI-Anforderungen der Technologiegiganten gerecht zu werden. Diese Projekte verbrauchen so viel Strom wie Millionen Haushalte, verändern Gemeinden und lösen Debatten über Ressourcenverbrauch und lokale Vorteile aus. Trotz Herausforderungen, darunter angespannte Stromversorgungen und öffentliche Gegenreaktionen, betrachtet Blackstone dieses Vorhaben als eine seiner potenziell besten Investitionen und verdeutlicht die zunehmende Bedeutung und Komplexität der Dateninfrastruktur im KI-Zeitalter.  Elon Musk, xAI und Tesla  Elon Musk sorgte kürzlich für Schlagzeilen, als er von globalen Investoren im Nahen Osten, Hongkong, Japan und Korea eine   anstrebte. Im Erfolgsfall könnte die Bewertung von xAI 20 Milliarden US-Dollar erreichen und damit die 18,4 Milliarden US-Dollar von Anthropic übertreffen, aber hinter den 100 Milliarden US-Dollar von OpenAI zurückbleiben. Allerdings hat Musks jüngste   , sofern er sich nicht 25 % der Kontrolle sichert, Unzufriedenheit bei den aktuellen Investoren hervorgerufen und könnte die Gespräche mit potenziellen neuen Geldgebern beeinträchtigen. Unterdessen   in einen „Dojo“-Supercomputer in seinem Werk in Buffalo, New York, was das Engagement des Unternehmens für die Weiterentwicklung der KI-Technologie unterstreicht. Investition in Höhe von 6 Milliarden US-Dollar für xAI Drohung, Tesla-KI-Projekte zu entfernen plant Tesla eine Investition von 500 Millionen US-Dollar  Google und Hugging Face  Die kürzlich angekündigte   zielt darauf ab, KI zugänglicher zu machen. Der Schwerpunkt liegt auf gemeinsamen Initiativen im Bereich Open Science und Source, wobei sowohl die offenen Modelle von Hugging Face als auch die Technologie von Google Cloud genutzt werden. Ziel ist es, die Entwicklung von KI-Technologien für ein breiteres Spektrum von Benutzern und Anwendungen zu erleichtern. Partnerschaft zwischen Hugging Face und Google Cloud  Mittlerweile ist Google Bard auf dem Chatbot Arena Leaderboard von HuggingFace   , hat GPT-4 überholt und liegt nun nur noch hinter GPT-4 Turbo in der Community-gesteuerten LLM-Rangliste. auf den zweiten Platz vorgerückt  Die aktuellsten Forschungsarbeiten, für Sie kategorisiert  Modellkomprimierung und Effizienz    : Eine Technik zur effizienten Komprimierung großer Sprachmodelle durch Entfernen von Parametern bei gleichzeitiger Beibehaltung der Leistung  SLICEGPT →Lesen Sie den Artikel    : Konzentriert sich auf die Entwicklung leistungsstarker, mehrsprachiger Codegenerierungsmodelle mit einem umfangreichen Parameterbereich  DeepSeek-Coder →Lesen Sie den Artikel    : Führt eine effiziente Vortrainingsmethode für T5-Modelle ein, die den Rechenaufwand reduziert  SPACTOR-T5 →Lesen Sie den Artikel    : Ein Framework zur Beschleunigung der Inferenz großer Sprachmodelle mithilfe mehrerer Dekodierungsköpfe  MEDUSA →Lesen Sie den Artikel  LLM-Fähigkeiten und -Bewertung    : Bewertet MLLMs auf Generalisierbarkeit, Vertrauenswürdigkeit und Kausalität über mehrere Modalitäten hinweg  Von GPT-4 bis Gemini und darüber hinaus →Lesen Sie den Artikel    : Entwickelt ein mehrsprachiges LLM, das über 500 Sprachen unterstützt und die Zugänglichkeit von Sprachmodellen verbessert  MaLA-500 →Lesen Sie den Artikel    : Stellt eine Methode zur Zero-Shot-Erkennung von Text vor, der von großen Sprachmodellen generiert wird  LLMs mit Ferngläsern erkennen →Lesen Sie den Artikel  Multimodale und spezialisierte Modelle    : Untersucht den Dekodierungsmechanismus in maskierten Autoencodern für eine verbesserte Bildverarbeitung  Überdenken der Patch-Abhängigkeit für maskierte Autoencoder →Lesen Sie den Artikel    : Eine umfassende Übersicht über die Fortschritte und Fähigkeiten multimodaler großer Sprachmodelle  MM-LLMs →Lesen Sie den Artikel    : Legt einen Maßstab für die Bewertung großer multimodaler Modelle im chinesischen Kontext fest  CMMMU →Lesen Sie den Artikel    : Verbessert Vision-Sprachmodelle mit erweiterten Fähigkeiten zum räumlichen Denken  SpatialVLM →Lesen Sie den Artikel  KI-Training und Datengenerierungstechniken    : Erforscht das Training neuronaler Netze für universelle Vorhersagestrategien und nähert sich der Solomonoff-Induktion  Lernen universeller Prädiktoren →Lesen Sie den Artikel    : Eine Python-Bibliothek für die flexible und reproduzierbare Datenaufbereitung im generativen NLP  Unitxt →Lesen Sie den Artikel    : Eine Methode zur Generierung hochwertiger, inhaltsbasierter synthetischer Daten mithilfe großer Sprachmodelle  GENIE →Lesen Sie den Artikel    : Untersucht ein tokenfreies Sprachmodell, das direkt aus Rohbytes lernt  MambaByte →Lesen Sie den Artikel    : Verbessert Sprachmodelle mit einer aufgabenunabhängigen Gerüsttechnik für eine bessere Leistung  Meta-Prompting →Lesen Sie den Artikel    : Ein Ansatz zur Anpassung großer Sprachmodelle an menschliche Vorlieben beim verstärkenden Lernen  WARM →Lesen Sie den Artikel  Sprachmodelle und Rollenspiele    : Präsentiert ein kompaktes Modell, das erweitertes Sehvokabular für eine effiziente visuelle Informationskodierung integriert  Kleines Sprachmodell trifft auf verstärktes Sehvokabular →Lesen Sie den Artikel    : Entwickelt eine Methode für Rollenspieldialoge unter Verwendung großer Sprachmodelle  Große Sprachmodelle sind Überlagerungen aller Charaktere →Lesen Sie den Artikel    : Stellt eine Sammlung mehrsprachiger großer Sprachmodelle für Konversationsanwendungen vor  Orion-14B →Lesen Sie den Artikel  In anderen Newslettern  Toller Einblick in Apples „Update zu in der Europäischen Union vertriebenen Apps“ von  Hardcore Software  Unterhaltsame Lektüre von   über Model Merging „Wenn etwas, das wie reine schwarze LLM-Magie erscheint, von der Literatur unterstützt wird“ Interconnects  Ist dies das Jahr, in dem Apple in Sachen KI erwacht?  Meinung der Madrona-Investoren.    beschreibt seine Erfahrungen in Davos und beim Weltwirtschaftsforum. Es geht um KI, aber in Ngs charakteristischem humanistischen Stil. Andrew Ng

This story contains new, firsthand information uncovered by the writer.

The writer was physically present in relevant location(s) to this story. The location is also a prevalent aspect of this story be it news or otherwise.

Subscribe to Turing Post newsletter for free

Subscribe to My Newsletter

Dieses Audio ist in der Originalsprache der Geschichte produziert!

Zu lang; Lesen

Get Free Unlimited IP Geo Data With IPinfo Lite

FOD#38: KI könnte uns in eine neue Ära der Gesundheitsüberwachung einleiten

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Celebrating Our Startups Community!

HackerNoon's DeFi Writing Contest with SORA Network: XSTUSD Use Cases

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

HackerNoon Decoded 2024: Celebrating Our Startups Community!

HackerNoon's DeFi Writing Contest with SORA Network: XSTUSD Use Cases

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

HackerNoon Decoded 2024: Celebrating Our Data Science Community!

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps