<div class="key-takeaways"><ul><li>Google Research เปิดตัว Retrieve-for-Train (R4T) เฟรมเวิร์กเพิ่มประสิทธิภาพ Query Fan-Out</li><li>ใช้การเรียนรู้แบบเสริมแรง (RL) แบบออฟไลน์ร่วมกับโมเดิร์นดิฟฟิวชันขนาดเล็ก</li><li>ทำความเร็วในการประมวลผลเพิ่มขึ้นถึง 12 ถึง 20 เท่าเมื่อเทียบกับการสร้างแบบเดิม</li><li>ทดสอบประสิทธิภาพบนชุดข้อมูลแฟชั่น Polyvore และชุดข้อมูลเพลงเฉพาะทาง</li></ul></div><p>Google Research ได้พัฒนาเฟรมเวิร์กใหม่ในชื่อ Retrieve-for-Train หรือ R4T เพื่อแก้ไขปัญหาคอขวดของการทำ Query Fan-Out ซึ่งเป็นกระบวนการแยกชุดคำสั่งกว้างๆ ออกเป็นคำข่อย่อยหลายชุด โดยโมเดิร์นภาษาขนาดใหญ่มักประสบปัญหาเรื่องความหน่วงเวลาและต้นทุนการอนุมานที่สูงจากการสร้างข้อความแบบ autoregressive ควบคู่กับการเรียกค้นหาข้อมูลซ้ำๆ</p><p>เฟรมเวิร์ก R4T แก้ไขปัญหานี้ด้วยการใช้การเรียนรู้แบบเสริมแรงหรือ Reinforcement Learning เพียงครั้งเดียวในแบบออฟไลน์ เพื่อเรียนรู้ทิศทางการค้นหาที่เหมาะสม จากนั้นจึงนำพฤติกรรมดังกล่าวมากลั่นกรองเข้าสู่โมเดิร์นดิฟฟิวชันขนาดเล็กที่สามารถสร้างทิศทางการดึงข้อมูลทั้งหมดได้ภายในรอบการทำงานเดียว ส่งผลให้กระบวนการทั้งหมดมีความรวดเร็วขึ้นอย่างเห็นได้ชัด</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_research_r4t_query_fan_out_20_mu5foswz_inline_1_e9da8228a4.jpg" alt="chromebook notebook computer office desk workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="stat-row"><div class="stat-item"><span class="stat-number">12x - 20x</span><span class="stat-label">ความเร็วในการประมวลผลที่เพิ่มขึ้น</span></div><div class="stat-item"><span class="stat-number">0.07s</span><span class="stat-label">เวลาประมวลผลของโมเดิร์นดิฟฟิวชันที่ Batch Size 8</span></div></div><p>ในการประเมินผลสำหรับงานเปิดกว้างแบบ Open-Ended Abstract Retrieval ทางทีมวิจัยได้กำหนดรางวัลที่ผสมผสานองค์ประกอบ 3 ส่วนเข้าด้วยกัน ได้แก่ ความสอดคล้องกับบริบท การปรับแต่งให้ตรงเป้าหมาย และความหลากหลาย โดยผลการทดลองชี้ให้เห็นว่าการขาดองค์ประกอบใดองค์ประกอบหนึ่งอาจทำให้โมเดิร์นเกิดการสร้างคำซ้ำหรือลดประสิทธิภาพลงได้ ขณะเดียวกันกระบวนการฝึกอบรมยังใช้งาน GRPO ร่วมกับการปรับแต่ง soft PPO regularization</p><div class="ai-insight"><p>การทำ Query Fan-Out ถือเป็นหัวใจสำคัญในการเพิ่มความแม่นยำให้กับระบบ Retrieval-Augmented Generation (RAG) แต่ความท้าทายหลักคือต้นทุนการคำนวณที่สูงมาก แนวทางของ R4T ที่นำเอา Diffusion Model มาประยุกต์ใช้แทนการสร้างข้อความทีละโทเค็นแบบดั้งเดิม จึงเป็นก้าวสำคัญที่ช่วยลดภาระการประมวลผลและทำให้โมเดิร์น AI สามารถตอบสนองได้รวดเร็วขึ้นในระดับเรียลไทม์</p></div><p>ผลการทดลองบนชุดข้อมูลแฟชั่น Polyvore และชุดข้อมูลเพลงกรรมสิทธิ์แสดงให้เห็นว่าโมเดิร์น R4T-FOLM และ R4T-Diffusion สามารถทำคะแนนประเมินโดยผู้เชี่ยวชาญด้าน LLM ได้สูงกว่าวิธี Best-of-N และ zero-shot อย่างชัดเจน โดยเฉพาะในด้านความเร็วที่การทดสอบที่ batch size 1024 แสดงให้เห็นว่าโมเดิร์นดิฟฟิวชันใช้เวลาเพียง 4.21 วินาที เทียบกับเกือบ 50 วินาทีของวิธีแบบเดิม</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/16/google-research-introduces-retrieve-for-train-r4t-an-rl-compiled-diffusion-retriever-for-12x-to-20x-faster-query-fan-out/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Google Research introduces the Retrieve-for-Train (R4T) framework for query fan-out.</li><li>It uses offline reinforcement learning distilled into a compact diffusion model.</li><li>Achieves a consistent 12x to 20x speedup compared to standard autoregressive methods.</li><li>Evaluated on the Polyvore fashion dataset and proprietary music datasets.</li></ul></div><p>Google Research has introduced Retrieve-for-Train (R4T) to tackle the performance bottlenecks of query fan-out, a process where a broad prompt is split into several sub-queries. Traditional large language models often struggle with high latency and inference costs when handling autoregressive generation alongside repeated retrieval calls.</p><p>The R4T framework addresses this by employing reinforcement learning offline just once to learn optimal query fan-out behavior. It then distills that policy into a small diffusion model capable of producing all retrieval directions in a single pass, drastically improving overall operational efficiency.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_research_r4t_query_fan_out_20_mu5foswz_inline_1_e9da8228a4.jpg" alt="chromebook notebook computer office desk workspace" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="stat-row"><div class="stat-item"><span class="stat-number">12x - 20x</span><span class="stat-label">Consistent speedup achieved</span></div><div class="stat-item"><span class="stat-number">0.07s</span><span class="stat-label">Diffusion model latency at batch size 8</span></div></div><p>For open-ended abstract retrieval tasks, the research team structured the reward function using three weighted terms covering groundedness, alignment, and diversity. Ablation studies demonstrated that omitting any of these terms could cause the model to collapse into repetitive loops or shortcut generations. Training utilized GRPO combined with soft PPO regularization settings.</p><div class="ai-insight"><p>Query fan-out is a critical technique for enhancing Retrieval-Augmented Generation (RAG) pipelines, yet computational overhead has long been a limiting factor. By shifting from traditional token-by-token generation to a compiled diffusion approach, R4T opens up new possibilities for deploying high-throughput, low-latency AI retrieval systems at scale.</p></div><p>Evaluations on the Polyvore fashion outfit dataset and a proprietary expert-playlist music dataset revealed that R4T-FOLM and R4T-Diffusion outperformed traditional zero-shot and Best-of-N approaches in LLM judge scoring. Furthermore, benchmarking at a batch size of 1024 showed the diffusion model completed tasks in 4.21 seconds compared to nearly 50 seconds for autoregressive fan-out.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/16/google-research-introduces-retrieve-for-train-r4t-an-rl-compiled-diffusion-retriever-for-12x-to-20x-faster-query-fan-out/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_google-research-เปิดตัว-r4t-เร่งความเร็ว-query-fan-out-20-เท่า-mu5foswz.png

small_google-research-เปิดตัว-r4t-เร่งความเร็ว-query-fan-out-20-เท่า-mu5foswz.png

thumbnail_google-research-เปิดตัว-r4t-เร่งความเร็ว-query-fan-out-20-เท่า-mu5foswz.png

google-research-เปิดตัว-r4t-เร่งความเร็ว-query-fan-out-20-เท่า-mu5foswz.png

Google Research เสนอเฟรมเวิร์ก Retrieve-for-Train (R4T) ใช้การเรียนรู้แบบเสริมแรงและโมเดิร์นดิฟฟิวชัน เร่งความเร็วการค้นหาขึ้น 12 ถึง 20 เท่า

Google Research unveils Retrieve-for-Train (R4T), combining reinforcement learning and a diffusion model to accelerate query fan-out by 12x to 20x.

Google Research เปิดตัว R4T เร่งความเร็ว Query Fan-Out 20 เท่า

Google Research Introduces R4T for 20x Faster Query Fan-Out

<div class="key-takeaways"><ul><li>Google Research เปิดตัว ToolGrad เฟรมเวิร์กสร้างข้อมูลการใช้เครื่องมือสำหรับโมเดลภาษา</li><li>สลับกระบวนการจากเดิมเป็นแบบเริ่มจากคำตอบก่อน แล้วจึงสร้างคำสั่งผู้ใช้ตามหลัง</li><li>ทำคะแนนพาสเรตสูงถึง 99.8% บนฐานข้อมูล ToolBench ที่มี API มากกว่า 16,000 รายการ</li><li>ปล่อยโค้ดภายใต้สัญญาอนุญาต Apache-2.0 และโมเดลขนาด 1B, 4B, 12B บน Hugging Face</li></ul></div><p>Google Research ได้พัฒนาและเผยแพร่เฟรมเวิร์กใหม่ที่มีชื่อว่า ToolGrad ซึ่งถูกออกแบบมาเพื่อแก้ไขปัญหาความไม่มีประสิทธิภาพของกระบวนการสร้างข้อมูลสำหรับการใช้งานเครื่องมือ หรือ Tool-Use โดยก่อนหน้านี้ระบบอย่าง ToolBench และ ToolACE มักจะใช้แนวทางแบบเริ่มจากคำ query ก่อนเป็นอันดับแรก ซึ่งระบบจะสุ่มชุด API ขึ้นมา แล้วให้โมเดลภาษาขนาดใหญ่หรือ LLM สร้างคำสั่งจำลองของผู้ใช้งาน จากนั้นจึงใช้เอเจนต์ค้นหาแบบเชิงลึกเพื่อหาเส้นทางการใช้เครื่องมือที่สอดคล้องกัน วิธีการแบบเดิมนี้ไม่มีการรับประกันความสำเร็จ และหากเกิดทางตันขึ้นมา ทรัพยากรการประมวลผลที่ใช้ไปทั้งหมดก็จะสูญเปล่าทันทีพร้อมกับตัวอย่างข้อมูลที่ต้องถูกทิ้งไป</p><p>เพื่อแก้ปัญหานี้ ToolGrad จึงพลิกกลับลำดับขั้นตอนการทำงานใหม่ทั้งหมด โดยเริ่มต้นจากการสร้างห่วงโซ่การใช้เครื่องมือที่ถูกต้องตามความเป็นจริงเสียก่อน ด้วยการรัน API จริงๆ จากนั้นจึงนำห่วงโซ่นั้นมาใส่คำอธิบายประกอบด้วยคำสั่งของผู้ใช้งานที่สอดคล้องกัน เนื่องจากห่วงโซ่การทำงานที่มีอยู่จริงและใช้งานได้จริงมีความกำกวมน้อยกว่าคำสั่งสมมติ ขั้นตอนการแปลงจากห่วงโซ่ไปเป็นคำสั่งผู้ใช้งานจึงทำได้ด้วยการเรียกใช้งาน LLM เพียงแค่ครั้งเดียวเท่านั้น</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_research_toolgrad_ai_mtwuzx3f_inline_1_25117f57af.jpg" alt="software code development screen computer programming" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การพลิกวิธีคิดจากการสร้างคำสั่งก่อนมาเป็นการรัน API เพื่อหาคำตอบก่อน (Answer-First) ถือเป็นก้าวสำคัญในการแก้ปัญหาคอขวดของการสังเคราะห์ข้อมูลสำหรับ LLM เพราะการฝึกโมเดลให้เก่งเรื่องการเรียกใช้ฟังก์ชันภายนอกจำเป็นต้องมีชุดข้อมูลตัวอย่างคุณภาพสูงจำนวนมหาศาล การปล่อยให้ AI สุ่มหาเส้นทางเองมักพบปัญหาล้มเหลวบ่อยครั้ง การบังคับรันให้สำเร็จก่อนจึงค่อยย้อนมาสร้างโจทย์ ช่วยลดขยะข้อมูลและเพิ่มความแม่นยำในการฝึกได้อย่างก้าวกระโดด</p></div><p>ในแต่ละรอบการทำงานของระบบจะรัน 4 โมดูลเรียงตามลำดับ โดยการทำซ้ำลูปการทำงานนี้จะให้ผลลัพธ์เป็น 1 ตัวอย่างข้อมูลที่ประกอบด้วยคำสั่งของผู้ใช้งาน เวิร์กโฟลว์ API ที่ได้รับการตรวจสอบแล้ว และคำตอบสุดท้าย ซึ่งค่าคอนฟิกูเรชันเริ่มต้นของที่เก็บข้อมูลนี้จะรันการทำซ้ำ 10 รอบ ผ่าน API ที่สุ่มมา 50 รายการต่อหนึ่งเวิร์กโฟลว์</p><div class="stat-row"><div class="stat-item"><span class="stat-number">99.8%</span><span class="stat-label">อัตราความสำเร็จบน ToolBench</span></div><div class="stat-item"><span class="stat-number">16,000+</span><span class="stat-label">จำนวน API ในฐานข้อมูล</span></div></div><p>ทีมวิจัยได้ทำการประเมินผลการสร้างข้อมูลบนฐานข้อมูล API ของ ToolBench ซึ่งรวบรวม API โลกจริงเอาไว้มากกว่า 16,000 รายการ และได้ทำการเปรียบเทียบ ToolGrad เข้ากับแนวทางเดิมแบบ query-first ที่ใช้การค้นหาแบบ DFS ของ ToolBench ผลปรากฏว่าเฟรมเวิร์ก ToolGrad สามารถทำอัตราการผ่านหรือพาสเรตสูงถึง 99.8% สำหรับกรณีความล้มเหลว 0.2% ที่เกิดขึ้นนั้น เป็นสถานการณ์ที่เอเจนต์ไม่สามารถรับคำตอบที่สำเร็จจาก API ที่เลือกไว้ 3 ตัวตลอดทั้ง 10 รอบของการทำงาน ทำให้ต้องบันทึกตัวอย่างข้อมูลที่ว่างเปล่าเอาไว้</p><p>นอกจากนี้ ทีมวิจัยยังได้สร้างชุดข้อมูล ToolGrad-500 ซึ่งเป็นชุดข้อมูลขนาด 500 ตัวอย่างที่สร้างขึ้นด้วยโมเดล Gemini 2.5 Flash-Lite และนำมาใช้ในการฝึกอบรมภายหลังให้กับโมเดล Gemma-3 ในขนาดพารามิเตอร์ 1B, 4B และ 12B พร้อมทั้งประเมินผลบนกระดานผู้นำการเรียกใช้ฟังก์ชันแห่งเบิร์กเลย์ หรือ Berkeley Function Calling Leaderboard ซึ่งใช้ชุดเครื่องมือที่แตกต่างจาก ToolBench ทำให้กลายเป็นการทดสอบนอกกลุ่มตัวอย่างที่มีเครื่องมือที่ไม่เคยเห็นมาก่อน สำหรับสคริปต์การทำซ้ำของคลังข้อมูลนี้มุ่งเป้าไปที่ BFCL เวอร์ชัน 1 และ 2 ผ่านฟอร์กที่ปรับแต่งเป็นพิเศษ โดยรันการอนุมานในอิมเมจ Docker แบบ vLLM และได้รับการตรวจสอบความถูกต้องบนการ์ดจอ NVIDIA A100 40GB เพียงตัวเดียว</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/10/google-research-releases-toolgrad-answer-first-framework-hits-99-8-pass-rate-for-tool-use-data-generation/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Google Research releases ToolGrad, a novel tool-use data generation framework for language models</li><li>Reverses traditional pipelines by starting with ground-truth API execution before writing user queries</li><li>Achieves an impressive 99.8% pass rate on the ToolBench database containing over 16,000 APIs</li><li>Releases Apache-2.0 code and model weights in 1B, 4B, and 12B sizes on Hugging Face</li></ul></div><p>Google Research has developed and released a new framework called ToolGrad, designed to tackle the inefficiencies inherent in conventional tool-use data generation pipelines. Previous pipelines such as ToolBench and ToolACE relied on a query-first recipe where systems sampled a pool of APIs, tasked a large language model to invent plausible user instructions, and dispatched a depth-first search agent to locate a satisfying tool-use path. This traditional search method offered no guarantee of success, resulting in wasted compute and discarded samples whenever dead-ends occurred.</p><p>To overcome this limitation, ToolGrad reverses the operational order entirely. It begins by constructing a ground-truth tool-use chain through actual API executions, then annotates that verified chain with a matching user query. Because an explicit, working chain contains far less ambiguity than a hypothetical prompt, the chain-to-query translation step requires only a single LLM call.</p><p class="ai-insight">Shifting the paradigm from query-first to an answer-first framework is a pivotal advancement in overcoming synthetic data bottlenecks for large language models. Training models to reliably invoke external functions demands high-quality training trajectories, and letting autonomous agents wander blindly often leads to high failure rates. Forcing successful execution upfront before synthesizing instructions drastically reduces data waste and boosts training efficiency.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_research_toolgrad_ai_mtwuzx3f_inline_1_25117f57af.jpg" alt="software code development screen computer programming" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Each iteration of the system executes four distinct modules in sequence, and repeating this loop yields a complete sample containing a user query, a verified API workflow, and a final response. The repository's default configuration executes 10 iterations across 50 sampled APIs per workflow.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">99.8%</span><span class="stat-label">Pass Rate on ToolBench</span></div><div class="stat-item"><span class="stat-number">16,000+</span><span class="stat-label">APIs in Database</span></div></div><p>The research team evaluated data generation performance on the ToolBench API database, which encompasses over 16,000 real-world APIs, comparing ToolGrad directly against ToolBench's DFS-based query-first approach. According to the findings, ToolGrad achieved a remarkable 99.8% pass rate. The remaining 0.2% failure cases occurred when the agent failed to retrieve successful responses from three selected APIs across all 10 iterations, resulting in an empty sample being saved.</p><p>Furthermore, the researchers generated ToolGrad-500, a 500-sample dataset constructed using Gemini 2.5 Flash-Lite, and utilized it to post-train Gemma-3 models at 1B, 4B, and 12B parameter scales. Evaluation was conducted on the Berkeley Function Calling Leaderboard, which utilizes a distinct tool set compared to ToolBench, creating an out-of-distribution test environment featuring unseen tools. Reproduction scripts target BFCL V1 and V2 via a customized fork, executing inference inside a vLLM Docker image verified on a single NVIDIA A100 40GB GPU.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/09/10/google-research-releases-toolgrad-answer-first-framework-hits-99-8-pass-rate-for-tool-use-data-generation/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

large_google-research-เปิดตัว-toolgrad-เฟรมเวิร์กสร้างข้อมูล-ai-mtwuzx3f.jpg

medium_google-research-เปิดตัว-toolgrad-เฟรมเวิร์กสร้างข้อมูล-ai-mtwuzx3f.jpg

small_google-research-เปิดตัว-toolgrad-เฟรมเวิร์กสร้างข้อมูล-ai-mtwuzx3f.jpg

thumbnail_google-research-เปิดตัว-toolgrad-เฟรมเวิร์กสร้างข้อมูล-ai-mtwuzx3f.jpg

google-research-เปิดตัว-toolgrad-เฟรมเวิร์กสร้างข้อมูล-ai-mtwuzx3f.jpg

Google Research เผยแพร่ ToolGrad เฟรมเวิร์กตอบคำถามก่อนเพื่อสร้างข้อมูลการใช้เครื่องมือ ทำคะแนนพาสเรตสูงถึง 99.8% บนฐานข้อมูล ToolBench พร้อมปล่อยโค้ดโอเพนซอร์สและโมเดลบน Hugging Face

Google Research introduces ToolGrad, an answer-first framework for tool-use data generation achieving a 99.8% pass rate on ToolBench, alongside open-source models on Hugging Face.

Google Research เปิดตัว ToolGrad เฟรมเวิร์กสร้างข้อมูล AI

Google Research Releases ToolGrad Framework for AI Data

<div class="key-takeaways"><ul><li>Google Research เปิดตัว GlucoFM โมเดลรากฐานวิเคราะห์ระดับน้ำตาลในเลือดแบบคู่</li><li>ใช้พารามิเตอร์เพียง 0.72 ล้านตัว เทรนด้วยการ์ดจอ NVIDIA H100 จำนวน 1 ตัว</li><li>ทำคะแนนเฉลี่ย PR-AUC สูงถึง 58.8 ดีกว่าโมเดลพื้นฐานเดิมที่ทำได้ 54.7</li><li>ยังเป็นงานวิจัยต้นแบบ ไม่อนุญาตใช้ทางการแพทย์และรอเปิดเผยโค้ดเร็วๆ นี้</li></ul></div><p>Google Research ได้เผยแพร่ผลงานวิจัยโมเดลปัญญาประดิษฐ์ตัวใหม่ในชื่อ <strong>GlucoFM</strong> ซึ่งเป็นโมเดลรากฐาน (Foundation Model) แบบสตรีมคู่ (Dual-Stream) ขนาด 0.72 ล้านพารามิเตอร์ ออกแบบมาเพื่อใช้งานกับการตรวจวัดระดับน้ำตาลในเลือดอย่างต่อเนื่อง (Continuous Glucose Monitoring หรือ CGM) โดยทีมนักวิจัยมุ่งเน้นให้โมเดลนี้เป็นโครงสร้างพื้นฐานด้านการวิจัยเท่านั้น ยังไม่ได้รับการรับรองจากหน่วยงานกำกับดูแลเพื่อใช้เป็นผลิตภัณฑ์ทางการแพทย์หรือสำหรับผู้บริโภคทั่วไปแต่อย่างใด</p><p>ในปัจจุบัน สูตรการสร้างโมเดลนี้ถือเป็นสิ่งที่นำไปต่อยอดได้ทันที ด้วยขนาดพารามิเตอร์เพียง 0.72 ล้านตัวและการฝึกฝนผ่าน 120 รอบ (Epochs) บนจีพียู NVIDIA H100 เพียงตัวเดียว ทำให้ทีมวิจัยที่มีชุดข้อมูล CGM สามารถนำไปทำซ้ำได้ นอกจากนี้ การอนุมานในช่วงเวลา 24 ชั่วโมงยังสามารถทำงานบนคอนเทนเนอร์ซีพียูหรือบนอุปกรณ์พกพาได้โดยตรง โดยทางทีมงานระบุวันที่ 26 สิงหาคม 2026 ว่าจะมีการปล่อยโค้ดและสคริปต์สำหรับการทำซ้ำออกมาให้ใช้งานกัน</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_research_glucofm_ai_mtb2hb8b_inline_1_0bf9a2c8a5.jpg" alt="digital health data chart screen no logo" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>โมเดล CGM แบบเดิมมักแปลงข้อมูลระดับน้ำตาลเป็นลำดับต่อเนื่องแบบพัวพันชิ้นเดียว แต่ข้อมูลจาก CGM นั้นประกอบด้วยสองส่วนสำคัญพร้อมกัน ได้แก่ เส้นฐานการควบคุมระดับน้ำตาลระยะยาว และความเบี่ยงเบนชั่วคราวจากการรับประทานอาหาร กิจกรรมการออกกำลังกาย ความเครียด หรือสัญญาณรบกวนจากเซ็นเซอร์ ประกอบกับป้ายกำกับทางคลินิกมีราคาแพงและจำกัดเฉพาะกลุ่มประชากร ทำให้การฝึกอบรมแบบมีผู้สอนทำได้ยาก GlucoFM จึงเข้ามาแก้ปัญหานี้ด้วยสถาปัตยกรรมเฉพาะตัว</p><div class="stat-row"><div class="stat-item"><span class="stat-number">0.72M</span><span class="stat-label">พารามิเตอร์ที่ฝึกได้</span></div><div class="stat-item"><span class="stat-number">58.8</span><span class="stat-label">คะแนน PR-AUC เฉลี่ย</span></div><div class="stat-item"><span class="stat-number">21.88</span><span class="stat-label">mg/dL MAE การพยากรณ์หลังอาหาร</span></div></div><p>ระบบของ GlucoFM จะจัดระเบียบการบันทึกข้อมูลแต่ละรายการเข้ากับตารางเวลา 24 ชั่วโมงคงที่ โดยมีช่วงเวลาห่างกันทุกๆ 5 นาที ทำให้ได้ตำแหน่งข้อมูลรวม 288 ตำแหน่ง พร้อมทั้งรักษาดัชนีเริ่มต้นตามวงรอบเวลา 24 ชั่วโมงเอาไว้ และมีการรักษาหน้ากากข้อมูลสังเกตการณ์ไว้ตั้งแต่ต้นจนจบ เพื่อจัดการกับตำแหน่งข้อมูลที่ขาดหายไปได้อย่างแม่นยำยิ่งกว่าการเติมเต็มข้อมูลแบบหนาแน่น</p><blockquote class="pull-quote"><p>"GlucoFM is a research prototype, has not been cleared or approved by any regulatory authority, and is not intended to diagnose, treat, cure or prevent disease."</p><cite>Google Research Team</cite></blockquote><p>จากนั้นตัวกรองแบบเกาส์เซียนจะแยกสัญญาณออกเป็นสองส่วน ได้แก่ สตรีมสถานะที่ได้จากการกรองแนวโน้ม และสตรีมเหตุการณ์จากส่วนที่ถูกบดบังไว้ โดยใช้เคอร์เนลด้านเดียวเพื่อให้มั่นใจว่าข้อมูลระดับน้ำตาลในอนาคตจะไม่รั่วไหลเข้ามาปะปนกับการประเมินสถานะในปัจจุบัน ทั้งสองสตรีมจะถูกแปลงเป็นแพตช์ขนาด 1 ชั่วโมง และรวมเข้ากับฟีเจอร์เวลาในรอบวันก่อนเข้าสู่กระบวนการฝึกอบรมล่วงหน้าต่อไป</p><div class="ai-insight"><p>การพัฒนาโมเดลรากฐานเฉพาะทางด้านสุขภาพอย่าง GlucoFM สะท้อนให้เห็นถึงความพยายามของยักษ์ใหญ่อย่าง Google ในการนำปัญญาประดิษฐ์มาเจาะลึกข้อมูลชีวมาตร (Biometrics) ที่มีความซับซ้อนสูง เช่น ระดับน้ำตาลในเลือด การแยกสัญญาณออกเป็นสตรีมสถานะและสตรีมเหตุการณ์ถือเป็นแนวทางทางคณิตศาสตร์ที่ช่วยให้ AI เข้าใจรูปแบบชีวิตประจำวันของผู้ป่วยได้ดีขึ้น แม้ว่าในปัจจุบันเทคโนโลยีนี้จะยังอยู่ในขั้นตอนห้องปฏิบัติการและไม่สามารถนำมาวินิจฉัยโรคได้ทันที แต่ถือเป็นก้าวสำคัญที่อาจเปลี่ยนโฉมหน้าของการดูแลสุขภาพดิจิทัลในอนาคต</p></div><p>ในการประเมินประสิทธิภาพผ่านงานย่อยเจ็ดงานครอบคลุมสี่กลุ่มประชากร GlucoFM ทำคะแนนเฉลี่ย PR-AUC ได้สูงถึง 58.8 สูงกว่าโมเดลพื้นฐานเฉพาะทางรุ่นก่อนหน้าที่ทำได้ 54.7 นอกจากนี้ยังทำนายผลตอบสนองของระดับน้ำตาลหลังอาหารในเวลาสองชั่วโมงได้แม่นยำด้วยค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์ 21.88 มิลลิกรัมต่อเดซิลิตร จากผู้เข้าร่วมการทดลอง 34 คนผ่านเซ็นเซอร์จาก Dexcom และ Libre</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/26/google-research-introduces-glucofm-a-0-72m-parameter-dual-stream-foundation-model-for-continuous-glucose-monitoring/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Google Research introduces GlucoFM, a dual-stream glucose foundation model.</li><li>Features 0.72 million parameters, trainable on a single NVIDIA H100 GPU.</li><li>Achieves a task-averaged PR-AUC of 58.8, outperforming prior baselines.</li><li>Positioned strictly as a research prototype awaiting open-source code release.</li></ul></div><p>Google Research has published details regarding <strong>GlucoFM</strong>, a 0.72-million-parameter dual-stream foundation model engineered for continuous glucose monitoring (CGM). The research team emphasizes that the model is strictly a research prototype, has not received clearance or approval from any regulatory authority, and is not intended for diagnosing, treating, curing, or preventing any medical conditions.</p><p>The training recipe is fully deployable today. Requiring only 120 epochs on a single NVIDIA H100 GPU with 0.72 million trainable parameters, any research team possessing a CGM corpus can replicate it. Inference over a 24-hour window operates efficiently inside a CPU container or directly on-device. The paper's authors confirmed on August 26, 2026, that code and reproducibility scripts are slated for public release.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_research_glucofm_ai_mtb2hb8b_inline_1_0bf9a2c8a5.jpg" alt="digital health data chart screen no logo" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>Traditional CGM foundation models encode glucose readings as a single entangled sequence. However, CGM data inherently carries two distinct signals at once: a slow regulatory baseline and short transient deviations caused by meals, physical activity, stress, or sensor artifacts. Because clinical labels remain costly and cohort-specific, supervised training has historically faced limitations. GlucoFM addresses this challenge with a novel architectural approach.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">0.72M</span><span class="stat-label">Trainable Parameters</span></div><div class="stat-item"><span class="stat-number">58.8</span><span class="stat-label">Average PR-AUC Score</span></div><div class="stat-item"><span class="stat-number">21.88</span><span class="stat-label">mg/dL MAE Postprandial Forecast</span></div></div><p>GlucoFM aligns each recorded trace onto a fixed 24-hour grid at intervals of five minutes, resulting in 288 positions while preserving the absolute circadian start index. A mask is retained end-to-end to handle missing positions, which are utilized strictly for tensor construction rather than counted as real measurements. Ablation studies demonstrate that dense interpolation underperforms compared to this mask-aware default strategy.</p><blockquote class="pull-quote"><p>"GlucoFM is a research prototype, has not been cleared or approved by any regulatory authority, and is not intended to diagnose, treat, cure or prevent disease."</p><cite>Google Research Team</cite></blockquote><p>A causal, mask-aware Gaussian filter subsequently splits the signal into a state stream representing the filtered trend and an event stream for the masked residuals. A one-sided kernel guarantees causality, preventing future glucose values from leaking into current state estimates. Both streams are tokenized into 24 one-hour patches, fused into 128-dimensional tokens, and augmented with circular time-of-day features.</p><div class="ai-insight"><p>The development of specialized health foundation models like GlucoFM highlights tech giants' growing focus on interpreting complex biomedical time-series data such as continuous glucose levels. By decoupling baseline trends from short-term glycemic events through mathematical filtering, the model offers a sophisticated framework for capturing daily metabolic fluctuations. Although restricted to laboratory environments for now, such advancements signal a promising direction for digital health analytics and personalized metabolic monitoring.</p></div><p>Evaluated across four distinct cohorts and seven tasks comprising 14 evaluations, GlucoFM achieved a task-averaged PR-AUC score of 58.8, compared to 54.7 for the strongest baseline retrained on identical data. Furthermore, it reached a 21.88 mg/dL MAE for two-hour postprandial glycemic response forecasting, outperforming baseline models across 874 meal events gathered from 34 participants using Dexcom and Libre sensors.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/26/google-research-introduces-glucofm-a-0-72m-parameter-dual-stream-foundation-model-for-continuous-glucose-monitoring/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_google-research-เปิดตัว-glucofm-โมเดล-ai-วิเคราะห์น้ำตาล-mtb2hb8b.jpg

small_google-research-เปิดตัว-glucofm-โมเดล-ai-วิเคราะห์น้ำตาล-mtb2hb8b.jpg

thumbnail_google-research-เปิดตัว-glucofm-โมเดล-ai-วิเคราะห์น้ำตาล-mtb2hb8b.jpg

google-research-เปิดตัว-glucofm-โมเดล-ai-วิเคราะห์น้ำตาล-mtb2hb8b.jpg

Google Research เปิดตัว GlucoFM โมเดลปัญญาประดิษฐ์ขนาด 0.72 ล้านพารามิเตอร์ สำหรับการตรวจวัดระดับน้ำตาลในเลือดอย่างต่อเนื่อง

Google Research unveils GlucoFM, a 0.72M-parameter dual-stream foundation model designed for continuous glucose monitoring data.

Google Research เปิดตัว GlucoFM โมเดล AI วิเคราะห์น้ำตาล

Google Research Introduces GlucoFM Glucose Model

<div class="key-takeaways"><ul><li>Google Research เปิดตัว ME-POIs เฟรมเวิร์กผสานข้อมูลการเคลื่อนไหวกับการฝังตัวพิกัด (POI Embeddings)</li><li>โมเดลมีขนาด 53.7 ล้านพารามิเตอร์ ฝึกสอนด้วยการใช้ GPU NVIDIA Tesla V100 16GB เพียงตัวเดียว</li><li>ใช้สถาปัตยกรรม Transformer 4 ชั้น 8 หัวประมวลผล เพื่อสร้างเวกเตอร์การเยี่ยมชมสถานที่</li><li>การทดสอบในลอสแอนเจลิสและฮิวสตันแสดงผลลัพธ์ที่ดีขึ้นในเกือบทุกงานประเมิน</li></ul></div><p>Google Research ได้พัฒนาและเปิดเผยงานวิจัยเกี่ยวกับโครงสร้างใหม่ที่มีชื่อว่า ME-POIs ซึ่งเข้ามาแก้ปัญหาข้อจำกัดของข้อมูลพิกัดสถานที่หรือ POI (Points of Interest) แบบเดิม ที่มักอิงอยู่เพียงแค่ข้อมูลข้อความ เช่น ชื่อ ที่อยู่ และหมวดหมู่ แต่ขาดมิติเรื่องพฤติกรรมการใช้งานจริงของผู้คน โดยทีมนักวิจัยเลือกใช้วิธีการสร้างสถาปัตยกรรมขึ้นใหม่ด้วยตนเอง แทนการดาวน์โหลดจุดตรวจสอบ (Checkpoint) สำเร็จรูป</p><p>ในด้านทรัพยากรการประมวลผล โมเดลนี้มีความต้องการในระดับต่ำมาก โดยมีพารามิเตอร์รวมประมาณ 53.7 ล้านพารามิเตอร์ และผ่านการฝึกสอนล่วงหน้าบนฮาร์ดแวร์ประมวลผล NVIDIA Tesla V100 ขนาด 16GB เพียงตัวเดียว อย่างไรก็ตาม ความท้าทายที่แท้จริงอยู่ที่การเข้าถึงข้อมูลดิบ ซึ่งจำเป็นต้องใช้บันทึกประวัติการเยี่ยมชมหรือข้อมูลการสัญจรที่ได้รับอนุญาต รวมถึงรูปทรงขอบเขตของสถานที่นั้นๆ</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_me_pois_mt7i5kub_inline_1_6d03ba2bac.jpg" alt="digital map satellite navigation technology screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><p>กระบวนการทำงานเริ่มต้นจากการแปลงการเยี่ยมชมแต่ละครั้งให้เป็นชุดข้อมูลสามส่วน ประกอบด้วย พิกัด เวลาที่เดินทางมาถึง และเวลาที่ออกจากสถานที่ โดยมีตัวเข้ารหัสแยกการทำงานอย่างชัดเจน ได้แก่ Space2Vec สำหรับจัดการพิกัดตำแหน่งหลายระดับ และ Time2Vec สองชุดสำหรับเวลามาถึงและเวลาออก เพื่อให้ระยะเวลาในการอยู่ในสถานที่ยังคงความแตกต่างกันได้ จากนั้นเวกเตอร์ทั้งหมดจะถูกนำมารวมกันและส่งผ่านโครงสร้าง Transformer ขนาด 4 เลเยอร์ 8 หัว (d_h = 512)</p><div class="stat-row"><div class="stat-item"><span class="stat-number">53.7M</span><span class="stat-label">พารามิเตอร์ของโมเดล</span></div><div class="stat-item"><span class="stat-number">16.2%</span><span class="stat-label">F1 Score ที่เพิ่มขึ้นในลอสแอนเจลิส</span></div><div class="stat-item"><span class="stat-number">75.1%</span><span class="stat-label">ราคาที่แม่นยำขึ้นในฮิวสตัน</span></div></div><p>เป้าหมายหลักของระบบคือการเรียนรู้แบบเปรียบเทียบ (Contrastive Objective) โดยสถานที่แต่ละแห่งจะมีต้นแบบที่สามารถเรียนรู้ได้ และฟังก์ชันสูญเสีย InfoNCE จะดึงเวกเตอร์การเยี่ยมชมเข้ามาหาต้นแบบของสถานที่นั้น พร้อมกับผลักเวกเตอร์ของสถานที่อื่นในกลุ่มย่อยออกไป ทำให้ต้นแบบกลายเป็นจุดศูนย์กลางการทำงานที่ช่วยเฉลี่ยตารางเวลาของผู้ใช้งานแต่ละคนออกจากกัน</p><div class="ai-insight"><p>การนำข้อมูลพฤติกรรมการใช้งานจริง (Mobility Data) มาผสานเข้ากับระบบพิกัดแผนที่ถือเป็นก้าวสำคัญของเทคโนโลยีภูมิศาสตร์สารสนเทศ เนื่องจากข้อมูลแผนที่แบบดั้งเดิมมักหยุดอยู่แค่ป้ายชื่อหรือประเภทธุรกิจ แต่พฤติกรรมการแวะเวียนของผู้คนช่วยสะท้อนฟังก์ชันการใช้งานจริงของสถานที่นั้นๆ ได้แม่นยำกว่า เช่น อาคารประเภทเดียวกันอาจมีพฤติกรรมการใช้งานต่างกันอย่างสิ้นเชิงระหว่างวันธรรมดาและวันหยุด</p></div><p>ความท้าทายสำคัญอีกประการคือความเบาบางของข้อมูล โดยมีสถานที่เพียง 9.07% ในลอสแอนเจลิส และ 7.04% ในฮิวสตัน ที่ผ่านเกณฑ์เกณฑ์ขั้นต่ำ ( Anchor Threshold ที่ 100 และ 50 ครั้งตามลำดับ) สำหรับสถานที่หางยาว (Long Tail) ระบบจะใช้เคอร์เนลเกาส์เซียนที่ถูกปรับค่าความกว้างสามระดับ เพื่อถ่ายโอนฮิสโตแกรมการเยี่ยมชมไปยังสถานที่ที่ข้อมูลน้อย รวมถึงใช้ฟังก์ชันความสูญเสียเพิ่มเติมเพื่อจับคู่ความคล้ายคลึงกับเวกเตอร์ข้อความที่สร้างตามสูตร GeoLLM</p><p>ผลการประเมินจากชุดข้อมูลการเคลื่อนไหวที่ไม่ระบุตัวตนสองชุด ได้แก่ ลอสแอนเจลิส (39,557 สถานี, 6.9 ล้านครั้ง, ปี 2019) และฮิวสตัน (28,419 สถานี, 715,604 ครั้ง, มีนาคม 2020) พบว่า ME-POIs ช่วยยกระดับประสิทธิภาพในงานประเมินแผนที่ 34 จาก 35 รายการในลอสแอนเจลิส เช่น ความแม่นยำเรื่องเวลาทำการรายสัปดาห์เพิ่มขึ้น 16.2% และความตั้งใจในการเยือนสถานที่พุ่งสูงถึง 81.9% เมื่อใช้ร่วมกับโมเดล Gemini</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/24/google-research-introduces-me-pois-a-mobility-informed-framework-that-adds-how-a-place-is-used-to-text-based-poi-embeddings/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

<div class="key-takeaways"><ul><li>Google Research releases ME-POIs, combining mobility behavior with spatial POI embeddings.</li><li>The model contains 53.7 million parameters and trains on a single NVIDIA Tesla V100 16GB GPU.</li><li>Utilizes a 4-layer, 8-head Transformer architecture to generate contextualized visit vectors.</li><li>Evaluations across Los Angeles and Houston show performance improvements on map-enrichment tasks.</li></ul></div><p>Google Research has introduced a novel framework called ME-POIs, designed to overcome the limitations of traditional Points of Interest (POIs) that rely strictly on text data such as names, addresses, and categories while ignoring actual human usage patterns. Rather than providing a downloadable checkpoint, the researchers built the system as a framework to be retrained from scratch.</p><p>In terms of compute requirements, the model operates on a modest scale with approximately 53.7 million parameters, pre-trained on a single NVIDIA Tesla V100 16GB hardware unit. However, the primary barrier lies in data acquisition, which requires licensed foot-traffic logs, first-party visit records, and precise POI polygons.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_me_pois_mt7i5kub_inline_1_6d03ba2bac.jpg" alt="digital map satellite navigation technology screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><p>The system processes each visit as a triple consisting of coordinates, arrival time, and departure time. Three dedicated factorized encoders handle these inputs: Space2Vec for multi-scale spatial coordinates, and two Time2Vec encoders for arrival and departure times respectively, preserving the distinction of dwell duration. These vectors are then concatenated and processed through a 4-layer, 8-head Transformer architecture (d_h = 512).</p><div class="stat-row"><div class="stat-item"><span class="stat-number">53.7M</span><span class="stat-label">Model parameters</span></div><div class="stat-item"><span class="stat-number">16.2%</span><span class="stat-label">F1 gain in Los Angeles weekly hours</span></div><div class="stat-item"><span class="stat-number">75.1%</span><span class="stat-label">Price-level F1 increase in Houston</span></div></div><p>The core objective relies on contrastive learning. Every POI features a learnable prototype, and an InfoNCE loss pulls each visit embedding toward its corresponding POI prototype while repelling other POIs in the minibatch. This turns the prototype into a functional centroid that averages out individual user schedules.</p><div class="ai-insight"><p>Integrating mobility data into geographic embeddings marks an essential evolution in spatial computing. While static map attributes describe what a place is called, human visit patterns reveal how a space functions in practice, distinguishing locations that share identical category labels but serve entirely different roles in daily urban life.</p></div><p>Data sparsity presents a significant hurdle, as only 9.07% of Los Angeles POIs and 7.04% of Houston POIs cleared the anchor threshold of 100 and 50 total visits respectively. For the long-tail locations, ME-POIs computes normalized Gaussian kernels across three bandwidths to transfer anchor visit histograms, supplemented by KL divergence losses and text embeddings aligned with the GeoLLM recipe.</p><p>Evaluations across anonymized mobility datasets for Los Angeles (39,557 POIs, 6.9M visits, 2019) and Houston (28,419 POIs, 715,604 visits, March 2020) demonstrated that ME-POIs improved 34 out of 35 task pairings in Los Angeles, including a notable 81.9% F1 boost on visit intent when paired with Gemini.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.marktechpost.com&sz=64" alt="MarkTechPost" class="source-logo" width="16" height="16" /> <a href="https://www.marktechpost.com/2026/08/24/google-research-introduces-me-pois-a-mobility-informed-framework-that-adds-how-a-place-is-used-to-text-based-poi-embeddings/" target="_blank" rel="noopener noreferrer">MarkTechPost</a></p>

medium_google-เปิดตัว-me-pois-เฟรมเวิร์กผสานพฤติกรรมการใช้งาน-mt7i5kub.png

small_google-เปิดตัว-me-pois-เฟรมเวิร์กผสานพฤติกรรมการใช้งาน-mt7i5kub.png

thumbnail_google-เปิดตัว-me-pois-เฟรมเวิร์กผสานพฤติกรรมการใช้งาน-mt7i5kub.png

google-เปิดตัว-me-pois-เฟรมเวิร์กผสานพฤติกรรมการใช้งาน-mt7i5kub.png

Google Research เปิดตัว ME-POIs เฟรมเวิร์กใหม่ขนาด 53.7 ล้านพารามิเตอร์ ที่ช่วยเพิ่มข้อมูลการใช้งานจริงลงในพิกัดแผนที่แบบเดิม

Google Research unveils ME-POIs, a 53.7M parameter framework incorporating real-world mobility patterns into text-based POI embeddings.

Google เปิดตัว ME-POIs เฟรมเวิร์กผสานพฤติกรรมการใช้งาน

Google Research Introduces ME-POIs Framework

<div class="key-takeaways"><ul><li>Google Research เผยแพร่งานวิจัย PhotoScan เมื่อ 17 ส.ค.</li><li>ใช้กล้องมือถือถ่ายภาพ 2 มิติเพื่อประเมินไขมันในร่างกาย</li><li>มีความแม่นยำใกล้เคียงกับการสแกนด้วยเครื่อง DXA</li><li>เตรียมต่อยอดสู่ผลิตภัณฑ์สวมใส่ออกในเดือนกันยายน 2026</li></ul></div><p>Google Research ได้เผยแพร่งานวิจัยชิ้นใหม่ที่มีชื่อว่า PhotoScan เมื่อวันที่ 17 สิงหาคม ที่ผ่านมา โดยเป็นงานวิจัยในระยะทดลองที่มุ่งเน้นการใช้เทคโนโลยี Deep Learning เพื่อประเมินองค์ประกอบภายในร่างกายจากภาพถ่ายสองมิติผ่านกล้องของสมาร์ทโฟนโดยตรง ซึ่งถือเป็นอีกหนึ่งความพยายามในการนำปัญญาประดิษฐ์มาประยุกต์ใช้กับเทวดาสุขภาพของผู้ใช้งานทั่วไป</p><p>จากการทดลองเบื้องต้นของทางกูเกิลพบว่าระบบ PhotoScan สามารถทำนายภาวะดื้ออินซูลินได้อย่างแม่นยำใกล้เคียงกับการสแกนด้วยเครื่อง DXA และยังให้ค่าไขมันในร่างกายที่แม่นยำกว่าเซนเซอร์ BIA ที่มักพบในสมาร์ทวอทช์ทั่วไป โดยระบบจะทำการประเมินค่าออกมา 3 ส่วนหลัก ได้แก่ เปอร์เซ็นต์ไขมันในร่างกาย อัตราส่วนไขมันช่วงลำตัวต่อสะโพก และอัตราส่วนไขมันในช่องท้องต่อไขมันใต้ผิวหนัง ผ่านการถ่ายภาพคู่ทั้งด้านหน้าและด้านข้าง</p><p>ในด้านกระบวนการทำงาน ทีมวิจัยได้ฝึกฝนโมเดลโครงข่ายประสาทเทียมสถาปัตยกรรม ResNet-50 เริ่มต้นด้วยข้อมูลจาก UK Biobank จำนวน 35,323 ราย และปรับจูนด้วยชุดข้อมูล PhotoBIA จากอาสาสมัคร 677 ราย ก่อนนำไปทดสอบกับกลุ่มตัวอย่างอิสระ MetabolicMosaic จำนวน 132 ราย จากการศึกษาในซานฟรานซิสโก</p><div class="stat-row"><div class="stat-item"><span class="stat-number">2.15</span><span class="stat-label">ความคลาดเคลื่อนเปอร์เซ็นต์ไขมัน</span></div><div class="stat-item"><span class="stat-number">0.760</span><span class="stat-label">ค่า AUROC ทำนายภาวะดื้ออินซูลิน</span></div></div><p>ผลการทดสอบกับกลุ่ม PhotoBIA แสดงให้เห็นว่า PhotoScan มีค่าความคลาดเคลื่อนสัมบูรณ์เฉลี่ยของเปอร์เซ็นต์ไขมันในร่างกายอยู่ที่ 2.15 ขณะที่โมเดลเซนเซอร์ BIA อยู่ที่ 2.91 นอกจากนี้ เมื่อประเมินความสามารถในการจำแนกภาวะดื้ออินซูลิน การเพิ่มข้อมูลจาก PhotoScan ช่วยดันค่า AUROC ให้ขยับขึ้นจากโมเดลพื้นฐานที่ 0.692 ไปอยู่ที่ 0.760 ซึ่งใกล้เคียงกับการใช้ข้อมูลสแกน DXA ที่ทำได้ 0.773</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_photoscan_mt1fdepq_inline_1_5f4feeb55f.png" alt="artificial intelligence deep learning data analysis screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง</p></div><div class="ai-insight"><p>การที่ Google พยายามพัฒนาเครื่องมือประเมินไขมันผ่านกล้องสมาร์ทโฟน สะท้อนให้เห็นถึงความพยายามในการลดข้อจำกัดของอุปกรณ์การแพทย์เฉพาะทางอย่างเครื่อง DXA ที่มีราคาแพงและเข้าถึงยาก รวมถึงการแก้ปัญหาความคลาดเคลื่อนของเซนเซอร์ BIA บนนาฬิกาอัจฉริยะที่มักวัดได้เพียงค่าไขมันรวมแบบหยาบๆ การใช้ Deep Learning เข้ามาวิเคราะห์ภาพถ่าย 2 มิติจึงเป็นสะพานเชื่อมสำคัญที่ทำให้เทคโนโลยีการประเมินสุขภาพเชิงลึกเข้าใกล้ผู้บริโภคทั่วไปได้ง่ายขึ้นผ่านอุปกรณ์ที่ทุกคนพกติดตัวอยู่แล้ว</p></div><p>งานวิจัยชิ้นนี้ถูกต่อยอดไปสู่ฟีเจอร์ด้านสุขภาพอย่าง Insulin Resistance Trends ซึ่งประเมินแนวโน้มภาวะดื้ออินซูลินจากข้อมูลอัตราการเต้นของหัวใจ การนอน และการเคลื่อนไหว โดยมีกำหนดทยอยปล่อยในเดือนกันยายน 2026 ครอบคลุมอุปกรณ์อย่าง Pixel Watch 3, Pixel Watch 4 และ Fitbit Air ในขณะที่ฝั่งคู่แข่งอย่างซัมซุงยังมีแนวทางใช้เซนเซอร์ BioActive ที่มี BIA เป็นองค์ประกอบหลักใน Galaxy Watch Ultra2 ที่เปิดตัวไปเมื่อวันที่ 22 กรกฎาคม ที่ผ่านมา</p><p>ทางทีมวิจัยของกูเกิลระบุทิ้งท้ายว่า แม้การสแกน DXA จะยังคงเป็นมาตรฐานทางการแพทย์ที่แม่นยำที่สุดแต่ขยายผลได้ยาก ส่วน BIA สะดวกแต่ให้ข้อมูลจำกัด PhotoScan จึงเป็นทางเลือกตรงกลางที่น่าสนใจ อย่างไรก็ตาม ผลลัพธ์ทั้งหมดในปัจจุบันยังคงเป็นเพียงความเป็นไปได้ในเชิงเทคนิคและเป็นงานต้นแบบของการวิจัยเท่านั้น</p><p class="source-attribution">ที่มา: <img src="https://www.google.com/s2/favicons?domain=www.thairath.co.th&sz=64" alt="Thairath Lifestyle" class="source-logo" width="16" height="16" /> <a href="https://www.thairath.co.th/lifestyle/tech/2954148" target="_blank" rel="noopener noreferrer">Thairath Lifestyle</a></p>

<div class="key-takeaways"><ul><li>Google Research published the PhotoScan study on August 17.</li><li>It utilizes 2D smartphone photos to evaluate body fat composition.</li><li>Results show accuracy comparable to clinical DXA scans.</li><li>Integration into wearable products is planned for September 2026.</li></ul></div><p>Google Research published a new research paper detailing PhotoScan on August 17, showcasing an experimental Deep Learning approach designed to evaluate human body composition using standard two-dimensional smartphone camera images. This initiative highlights the tech giant's ongoing push to bring advanced health diagnostic capabilities directly to consumer mobile devices.</p><p>According to Google, the PhotoScan system achieved prediction accuracy closely rivaling DXA scans when estimating insulin resistance, while outperforming the BIA sensors typically embedded in modern smartwatches. The evaluation system produces three key metrics upon processing user photographs taken from both front and side angles: body fat percentage, trunk-to-hip fat ratio, and visceral-to-subcutaneous fat ratio.</p><p>To develop the system, the research team initially trained a ResNet-50 neural network architecture using data from 35,323 participants in the UK Biobank database. They subsequently fine-tuned the model with the PhotoBIA dataset containing smartphone images from 677 volunteers, before testing it on an independent cohort of 132 individuals from the MetabolicMosaic study based in San Francisco.</p><div class="stat-row"><div class="stat-item"><span class="stat-number">2.15</span><span class="stat-label">Mean Absolute Error in Body Fat %</span></div><div class="stat-item"><span class="stat-number">0.760</span><span class="stat-label">AUROC Score for Insulin Resistance</span></div></div><p>Testing against the PhotoBIA group revealed that PhotoScan achieved a mean absolute error of 2.15 for body fat percentage, compared to 2.91 for the BIA sensor model. Furthermore, when evaluating insulin resistance classification, integrating PhotoScan data raised the AUROC score from a baseline demographic model of 0.692 up to 0.760, approaching the 0.773 score achieved by incorporating clinical DXA data.</p><div class="mb-20"><img class="img-bdrd-16" src="https://api.inewgen.co/uploads/google_photoscan_mt1fdepq_inline_1_5f4feeb55f.png" alt="artificial intelligence deep learning data analysis screen" loading="lazy" /><p class="color-gray-500 text-sm mt-10">Stock photo for illustration only, not from the actual event</p></div><div class="ai-insight"><p>Google's development of a smartphone-based body composition scanner represents a significant effort to bypass the logistical barriers of clinical DXA equipment, which is costly and inaccessible for daily tracking, while overcoming the precision limits of standard wrist-based BIA sensors that only yield rough total body fat estimates. By applying deep learning models to standard 2D photographs, this technology bridges the gap between sophisticated medical diagnostics and everyday consumer accessibility.</p><p>This research directly feeds into upcoming software features such as Insulin Resistance Trends, designed to assess insulin resistance tendencies utilizing heart rate, sleep, and movement metrics without requiring blood draws. This feature is scheduled for rollout starting in September 2026 across devices including Pixel Watch 3, Pixel Watch 4, and Fitbit Air. Meanwhile, competitors like Samsung continue relying on BioActive sensors featuring BIA technology in wearables such as the Galaxy Watch Ultra2 launched on July 22.</p><p>Google concluded that while DXA scans remain the clinical gold standard despite being difficult to scale, and wearable BIA sensors offer convenience with limited basic metrics, PhotoScan emerges as a compelling middle-ground alternative. Nonetheless, the research team emphasized that these findings currently represent technical proof-of-concept possibilities and remain strictly in the research prototype phase.</p><p class="source-attribution">Source: <img src="https://www.google.com/s2/favicons?domain=www.thairath.co.th&sz=64" alt="Thairath Lifestyle" class="source-logo" width="16" height="16" /> <a href="https://www.thairath.co.th/lifestyle/tech/2954148" target="_blank" rel="noopener noreferrer">Thairath Lifestyle</a></p>

medium_google-เปิดวิจัย-photoscan-ใช้มือถือวัดไขมันแม่นยำสูง-mt1fdepq.jpg

small_google-เปิดวิจัย-photoscan-ใช้มือถือวัดไขมันแม่นยำสูง-mt1fdepq.jpg

thumbnail_google-เปิดวิจัย-photoscan-ใช้มือถือวัดไขมันแม่นยำสูง-mt1fdepq.jpg

google-เปิดวิจัย-photoscan-ใช้มือถือวัดไขมันแม่นยำสูง-mt1fdepq.jpg

Google Research เปิดตัวงานวิจัย PhotoScan เมื่อ 17 สิงหาคม 2026 ใช้กล้องสมาร์ทโฟนประเมินไขมันในร่างกายแม่นยำใกล้เคียงเครื่อง DXA

Google Research published PhotoScan on August 17, 2026, using smartphone cameras to assess body fat with accuracy close to DXA scans.

Google เปิดวิจัย PhotoScan ใช้มือถือวัดไขมันแม่นยำสูง

Google Research unveils PhotoScan for body fat assessment

Inewgen

Inewgen

#Google Research

Google Research เปิดตัว R4T เร่งความเร็ว Query Fan-Out 20 เท่า

Inewgen

Google Research เปิดตัว ToolGrad เฟรมเวิร์กสร้างข้อมูล AI

Inewgen

Google Research เปิดตัว GlucoFM โมเดล AI วิเคราะห์น้ำตาล

Inewgen

Google เปิดตัว ME-POIs เฟรมเวิร์กผสานพฤติกรรมการใช้งาน

Inewgen

Google เปิดวิจัย PhotoScan ใช้มือถือวัดไขมันแม่นยำสูง

Inewgen