# Samsung навчила ШІ читати біосигнали з Galaxy Watch і Ring > Samsung Research представила ШІ-моделі, що аналізують біосигнали з носимих Galaxy Watch і Galaxy Ring для оцінки сну, стресу та фізичної форми користувача. - Опубліковано: 14 серпня 2026 р. (2026-08-14T14:13:35.934075+00:00) - Розділ: Медицина і AI - На основі публікації: [AI News](https://www.artificialintelligence-news.com/news/samsung-health-ai-models-analyse-wearable-biosignal-data/) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=samsung-%D0%BD%D0%B0%D0%B2%D1%87%D0%B8%D0%BB%D0%B0-%D1%88%D1%96-%D1%87%D0%B8%D1%82%D0%B0%D1%82%D0%B8-%D0%B1%D1%96%D0%BE%D1%81%D0%B8%D0%B3%D0%BD%D0%B0%D0%BB%D0%B8-%D0%B7-galaxy-watch-%D1%96-ring --- Samsung Research представила лінійку ШІ-моделей, натренованих на біосигналах, які збирають Galaxy Watch і Galaxy Ring, — пульсі, варіабельності серцевого ритму, фотоплетизмограмі (PPG) та даних руху. Ідея проста: перетворити потік сирих сенсорних даних, що роками накопичувався в Samsung Health, на модель, здатну розпізнавати патерни сну, стресу та фізичного стану користувача. Це не перший крок Samsung у бік ШІ для здоров'я, але акцент саме на фаундейшн-моделях для біосигналів ставить компанію в один ряд із дослідницькими підрозділами Google і Apple, які також експериментують із великими моделями для даних носимих пристроїв. [За даними AI News](https://www.artificialintelligence-news.com/news/samsung-health-ai-models-analyse-wearable-biosignal-data/), Samsung позиціонує ці моделі як основу для майбутніх функцій Samsung Health — від точнішого відстеження сну до раннього виявлення відхилень у серцевому ритмі. Для індустрії носимих пристроїв це важливий сигнал: перехід від окремих алгоритмів під кожну метрику до єдиної моделі, яка вчиться на сирих сигналах і потім адаптується під конкретні задачі. Той самий підхід, який зробив можливим мовні моделі на кшталт GPT, тепер намагаються перенести на дані людського тіла. ## Що саме анонсував Samsung? Samsung Research описує свої health AI моделі як системи, натреновані на масивах біосигнальних даних з носимих пристроїв компанії — передусім Galaxy Watch і Galaxy Ring. На відміну від традиційних алгоритмів, де під кожен показник — частоту серцевих скорочень, фази сну, рівень стресу — використовується окрема логіка, нові моделі навчаються одразу на сирому сигналі, а вже потім донавчаються під конкретні завдання. Це архітектурний зсув у бік так званих foundation models — великих моделей загального призначення, які згодом спеціалізують під вузькі задачі. У мовних моделях цей підхід дав GPT та подібні системи; Samsung намагається застосувати ту саму логіку до фотоплетизмограми, акселерометрії та інших сенсорних потоків з носимих пристроїв. ## Як це працює під капотом? Носимі пристрої Samsung безперервно записують необроблені сигнали — оптичний пульс через PPG-сенсор, рух через акселерометр, у деяких моделях годинників — і ЕКГ. Раніше такі дані оброблялися вузькоспеціалізованими алгоритмами: кожен навчався розпізнавати один конкретний патерн, наприклад аритмію чи фазу сну. Фаундейшн-модель натомість спершу вчиться на великому масиві сирих сигналів без прив'язки до конкретної мітки, а вже потім її донавчають (fine-tune) під окремі задачі — оцінку якості сну, рівня стресу чи фізичної форми. Перевага такого підходу — менше ручної розмітки даних і потенційно краще узагальнення на нових користувачах і сценаріях, яких не було в початковому наборі даних. ## Кому це вигідно і де тут межі точності? Уніфікована модель біосигналів дозволяє швидше додавати нові функції без розробки окремого алгоритму з нуля під кожну з них. Найбільший виграш отримують: - Samsung Health і партнери в екосистемі Galaxy — швидше додавання нових функцій, наприклад персоналізованих інсайтів про відновлення після тренування. - Розробники сторонніх застосунків, що інтегрують API Samsung Health, — потенційно точніші базові метрики сну, стресу та активності без побудови власної моделі. Для AI-білдерів поза екосистемою Samsung сигнал інший: конкуренція за дані носимих пристроїв перетворюється на конкуренцію фаундейшн-моделей, а не окремих алгоритмів. Компанія з найбільшим масивом розмічених біосигналів — а в Samsung це мільйони власників Galaxy Watch і Galaxy Ring — отримує структурну перевагу в якості моделі. Водночас лишається відкритим питання клінічної валідації. Модель, натренована на патернах з носимого сенсора, — це інструмент для персональних інсайтів, а не заміна медичної діагностики, і поки що немає публічних даних про регуляторне схвалення таких моделей для клінічного використання. ## Висновок AiiN За нашою оцінкою, головне тут не конкретна модель, а сам напрямок: великі техкомпанії переносять логіку фаундейшн-моделей із тексту та зображень на біологічні сигнали тіла. Це означає, що наступна хвиля конкуренції в носимих пристроях розгортатиметься не навколо кількості сенсорів у годиннику, а навколо того, хто зібрав найбільший і найякісніший датасет біосигналів для тренування моделі. Для розробників додатків у сфері здоров'я це привід придивитися до API Samsung Health та подібних платформ як до потенційної інфраструктури для власних продуктів, а не лише як до джерела сирих метрик. ## Чи означає це, що Galaxy Watch тепер ставить діагнози? Ні. Моделі, про які йдеться, аналізують патерни в біосигналах для персональних інсайтів — сну, стресу, фізичної форми, — а не для медичної діагностики. Клінічне застосування подібних моделей потребує окремої регуляторної валідації, про яку публічно анонсовані дані поки не повідомляють. ## Чим цей підхід відрізняється від того, що вже роблять Apple і Google? Загальний напрямок схожий: Apple Watch і носимі пристрої під брендом Google також аналізують біосигнали для оцінки сну та серцевого ритму. Відмінність саме цього анонсу — перехід Samsung до фаундейшн-моделі, натренованої одразу на масиві сирих сигналів, замість набору вузькоспеціалізованих алгоритмів під кожен окремий показник. --- Теги: Samsung, GalaxyWatch, HealthAI, wearables, МедицинаІШІ Джерело: AiiN — https://aiin.news/article?slug=samsung-%D0%BD%D0%B0%D0%B2%D1%87%D0%B8%D0%BB%D0%B0-%D1%88%D1%96-%D1%87%D0%B8%D1%82%D0%B0%D1%82%D0%B8-%D0%B1%D1%96%D0%BE%D1%81%D0%B8%D0%B3%D0%BD%D0%B0%D0%BB%D0%B8-%D0%B7-galaxy-watch-%D1%96-ring. Цитуючи, посилайтесь на канонічний URL.