Tether on julkaisemassa lääketieteellistä tekoälymallia nimeltä QVAC MedPsy, joka toimii kokonaan älypuhelimen päällä ja suoriutuu paremmin kuin Googlen suurempi MedGemma-27B todellisissa käyttötapauksissa. Malli käyttää kolme kertaa vähemmän laskentaresursseja ja on 16 kertaa pienempi kuin Googlen versio, jota se voittaa, yhtiön mukaan.
Suorituskyky vs. Koko
Vertailutestit osoittavat, että QVAC MedPsy saavuttaa korkeamman tuloksen kuin MedGemma-27B tehtävissä, jotka imitoivat todellista kliinistä käyttöä. Vaikka Googlen malli vaatii merkittävää palvelinpohjaista laskentaa, Tetherin malli mahtuu älypuhelimeen. Tehokkuuden parannus johtuu mallin kompaktista arkkitehtuurista — parametrien määrältään 16 kertaa pienemmästä — mutta se tuottaa silti parempia tuloksia.
Tuon koko-eron vaikutus on suoraan laskentatarpeeseen. QVAC MedPsy käyttää noin kolmasosan MedGemma-27B:n laskentatehosta, mikä tekee siitä käytännöllisen päätelaskennan laitteessa ilman internetyhteyttä.
Miksi tehokkuus on tärkeää lääketieteellisessä tekoälyssä
Tekoälyn käyttö älypuhelimilla avaa mahdollisuuksia kaukana sijaitsevissa klinikoissa ja resurssirajoitteisissa ympäristöissä, joissa vakaa palvelinyhteys ei ole taattu. Mallin, joka mahtuu laitteeseen, avulla voidaan analysoida potilastietoja paikallisesti, vähentäen viiveitä ja tietoturvariskejä. Tether ei ole julkistanut tarkkoja käyttösuunnitelmia, mutta mallin suorituskyky viittaa siihen, että se voisi hoitaa psykiatrisia tai psykologisia seulontoja — QVAC MedPsy:n 'Psy' viittaa todennäköisesti psykologiaan tai psykiatriaan.
Lääketieteellinen ala on ollut varovainen pilvipohjaisen tekoälyn suhteen tietojen herkkyyden vuoksi. Laitteessa toimiva malli, joka edelleen suoriutuu paremmin kuin suuret kilpailijat, voisi kiihdyttää sen hyväksyntää sairaaloissa ja mobiiliterveyssovelluksissa.
Teknologia taustalla
Tether, joka tunnetaan parhaiten vakuarvonsa USDT:stä, on hiljaa kehittänyt tekoälyalaa. QVAC MedPsy on yksi sen ensimmäisistä lääketieteellisistä malleista. Yhtiö ei ole julkistanut yksityiskohtaista verkkoarkkitehtuuria, mutta mallin kyky toimia älypuhelimen kautta samalla kun se voittaa paljon suuremman mallin viittaa aggressiiviseen optimointiin koulutuksessa tai kvantisaatiossa.
Googlen MedGemma-27B on puolestaan suunniteltu pilvipalveluun tai korkealaatuiselle laitteistolle. Tetherin lähestymistapa kumoaa tämän oletuksen, osoittaen että pienempi malli voi olla vahvempi aluekohtaisissa tehtävissä.
Käynnistyspäivämäärää tai kumppanuutta ei ole ilmoitettu. Tällä hetkellä vertailutestien tulokset toimivat todisteena siitä, että lääketieteelliselle tekoälylle ei aina tarvita suurta laskentatehoa saavuttaakseen merkittäviä tuloksia.
