แสดงบทความที่มีป้ายกำกับ Machine Learning แสดงบทความทั้งหมด
แสดงบทความที่มีป้ายกำกับ Machine Learning แสดงบทความทั้งหมด

วันอังคารที่ 11 กุมภาพันธ์ พ.ศ. 2563

สอนรถให้แยกเสียงได้

นักวิจัยที่ Germany’s Fraunhofer Institute for Digital Media Technology (IDMT) ได้พัฒนาระบบให้รถที่ขับเคลื่อนด้วยตัวเองสามารถแยกแยะเสียงจากภายนอกเช่นเสียงไซเรนได้ การฝึกสอนระบบใช้วิธีการเรียนรู้ของเครื่อง (machine learning) โดยใช้คลังเสียงแบบอะคูสติก (acoustic) และได้พัฒนาขั้นตอนวิธีที่ทำให้ระบบสามารถรู้จำเสียงที่เกิดจากวัตถุที่เคลื่อนไหวไปเรื่อย ๆ ได้ และยังได้พัฒนาขั้นตอนวิธีที่อยู่บนฐานของปัญญาประดิษฐ์ (Artificial Intelligence) ที่ทำให้แยกเสียงที่รถต้องรู้จักออกจากเสียงอื่น ๆ ได้ 

อ่านข่าวเต็มได้ที่: Farunhofer 

วันจันทร์ที่ 3 กุมภาพันธ์ พ.ศ. 2563

AI ที่ทำหน้าที่ผู้เชี่ยวชาญระบาดวิทยาเตือนการแพร่กระจายของไวรัสอูฮันได้เป็นที่แรก

BlueDot ซึ่งเป็นระบบสำหรับเฝ้าระวังด้านสาธารณสุขของแคนาดา เป็นที่แรกที่ได้ส่งสัญญาณเตือนเรื่องการระบาดของโคโรนาไวรัสอูฮันในวันที่ 31 ธันวาคมปีที่แล้ว BlueDot ใช้การวิเคราะห์รายงานข่าวในภาษาต่างประเทศ เครือข่ายโรคพืชโรคสัตว์ และข้อมูลจากรัฐบาลเพื่อเตือนผู้ใช้ระบบให้หลีกเลี่ยงบริเวณที่การระบาดของโรคน่าจะเกิดขึ้น ขั้นตอนวิธีที่ระบบใช้ยังวิเคราะห์ไปถึงข้อมูลสายการบินทั่วโลกเพื่อช่วยทำนายว่าผู้ที่อาศัยอยู่ในบริเวณที่ติดเชื้อเดินทางไปที่ไหนบ้าง ระบบ BlueDot ทำนายได้อย่างถูกต้องว่าไวรัสจะแพร่กระจายจากอูฮัน ไปกรุงเทพ โซล ไทเป และโตเกียวหลังจากวันที่มันเริ่มระบาด ผู้พัฒนาระบบ BlueDot บอกว่าแรงบันดาลใจจากการพัฒนาระบบก็คือการระบาดของไวรัส SARS ในปี 2003 ซึ่งการระบาดนี้ทำให้บุคคลากรทางการแพทย์ต้องทำงานหนักเพื่อรับสถานการณ์ดังกล่าว ซึ่งเขาไม่ต้องการให้มันเกิดขึ้นอีก ระบบ BlueDot นี้เริ่มเปิดตัวในปี 2014 ด้วยทุน 9.4 ล้านเหรียญสหรัฐ มันจะวิเคราะห์ข้อมูลจากแหล่งที่กล่าวมาแล้วข้างต้น โดยใช้การประมวลผลภาษาธรรมชาติ (Natural Language Proessing) และการเรียนรู้ของเครื่อง (Machine Learning) เพื่อกรองข้อมูลจากนั้นก็ส่งข้อมูลให้นักระบาดวิทยาที่เป็นคนวิเคราะห์เพื่อตรวจสอบความถูกต้องทางวิทยาศาสตร์ และส่งข้อมูลให้กับภาคส่วนที่เกี่ยวข้อง

อ่านข่าวเต็มได้ที่: Wired

วันศุกร์ที่ 24 มกราคม พ.ศ. 2563

ท่าเต้นของเราบอกความเป็นเราได้

นักวิจัยจาก Finland’s University of Jyvaskyla ได้สอนคอมพิวเตอร์ให้ระบุตัวตนของคนแต่ละคนได้จากท่าทางในการเต้นรำ จริง ๆ ตอนแรกงานวิจัยนี้มีจุดประสงค์เพื่อใช้การเรียนรู้ของเครื่อง (machine learning) ร่วมกับการตรวจจับความเคลื่อนไหว เพื่อใช้ท่าเต้นเป็นตัวบอกว่าคนคนนั้นกำลังฟังเพลงประเภทไหนอยู่ แต่ปรากฎว่าคอมพิวเตอร์สามารถบอกว่าคนนี้เป็นใครได้ถูกต้องถึง 94% โดยดูจากท่าเต้น โดยนักวิจัยบอกว่าเขาอยากให้การศึกษานี้ไปใช้ประโยชน์ด้านอื่นมากกว่าการเอาไปสอดแนมประชาชน งานวิจัยที่น่าจะศึกษาต่อไปก็เช่น ท่าเต้นของคนเราจะเปลี่ยนไปตามอายุไหม เราสามารถระบุถึงวัฒนธรรมที่ต่างกันได้จากท่าเต้นไหม หรือคนเราจะสามารถแยกแยะตัวบุคคลได้ดีกว่าคอมพิวเตอร์โดยดูจากท่าเต้นไหม เป็นต้น

อ่านข่าวเต็มได้ที่: University of Jyväskylä research news

เพิ่มเติมเสริมข่าว: 

จริง ๆ ก็อยากให้ทดลองเรื่องที่ตั้งใจไว้เดิมต่อด้วยนะ น่าสนใจเหมือนกันว่าเต้นแบบนี้กำลังฟังเพลงประเภทไหนอยู่ 

วันพฤหัสบดีที่ 23 มกราคม พ.ศ. 2563

อิสราเอลพัฒนาขั้นตอนวิธีทำนายภาวะการเกิดเบาหวานขณะตั้งครรภ์


นักวิจัยจาก Israel’s Weizmann Institute of Science ได้พัฒนาขั้นตอนวิธีในการทำนายว่าหญิงตั้งครรภ์คนใดมีความเสี่ยงสูงที่จะเป็นเบาหวานขณะตั้งครรภ์ ซึ่งจะทำนายได้ในช่วงแรกของการตั้งครรภ์หรือก่อนหน้าการตั้งครรภ์ก็ได้ ซึ่งผลลัพธ์จะทำให้มีการเตรียมการป้องกันโดยแนะนำด้านโภชนาการและการใช้ชีวิตให้กับผู้เข้ารับการทดสอบ วิธีการที่ใช้ในการทำนายนี้ใช้การเรียนรู้ของเครื่อง โดยใช้ข้อมูลของผู้หญิงที่ตั้งครรภ์ 450,000 ราย ที่คลอดลูกระหว่างปี 2010 ถึง 2017

อ่านข่าวเต็มได้ที่: The Jerusalem Post

เพิ่มเติมเสริมข่าว:

การป้องกันดีกว่าการรักษา ยิ่งคนที่จะเป็นคุณแม่นี่ยิ่งน่าสงสาร จะรักษาอะไรก็ต้องระวังกลัวจะไปกระทบลูก

วันเสาร์ที่ 18 มกราคม พ.ศ. 2563

ตรวจจับวัตถุด้วยคลื่นไมโครเวฟและการเรียนรู้ของเครื่อง

นักวิจัยจาก  Duke University  และ Institut de Physique de Nice จากประเทศฝรั่งเศส ได้พัฒนาวิธีการที่ใช้การเรียนรู้ของเครื่องเพื่อนำคลื่่นไมโครเวฟมาใช้ในการระบุวัตถุ ซึ่งวิธีนี้จะเพิ่มความแม่นยำในขณะที่จะลดเวลาและใช้พลังงานน้อยกว่าวิธีการที่ใช้อยู่เดิม ซึ่งผลของการวิจัยนี้จะสามารถนำไปใช้กับงานที่ต้องการการตรวจจับวัตถุให้ได้อย่างรวดเร็วเช่น รถที่ขับเคลื่อนได้ด้วยตัวเอง และเซ็นเซอร์ตรวจจับความปลอดภัยเป็นต้น 

อ่านข่าวเต็มได้ที่: Duke PRATT SCHOOL of ENGINEERING News 

วันพุธที่ 15 มกราคม พ.ศ. 2563

ใช้คลาวด์เพื่อเป็นเทวดาผู้พิทักษ์สำหรับรถยนต์

เพื่อเพิ่มความปลอดภัยให้กับการขับขี่รถยนต์ วิศวกรจากพานาโซนิกได้เริ่มพัฒนาระบบที่เขาตั้งชื่อว่า เข็มขัดนิรภัยดิจิทัล (digital seatbelt) ซึ่งจะส่งข้อมูลของรถยนต์เช่นความเร็ว และทิศทาง ไปยังระบบโครงสร้างพื้นฐานของการคมนาคม (transportation infrastructure) (ไม่รู้จะเรียกอะไรดี เพราะไทยยังไม่น่าจะมีนะครับระบบนี้) จากนั้นระบบจะส่งข้อมูลกลับมาเตือนให้คนขับรู้สภาพถนนที่อาจเป็นปัญหาเช่นมีการก่อสร้าง หรือแม้แต่รถติด โดยเขาได้ทดลองร่วมกับกรมการขนส่ง (department of transporation) ในรัฐโคโรลาโด และยูทาห์ ซึ่งตามข่าวบอกว่าจริง ๆ ระบบที่พูดคุยกันแบบโต้ตอบไปมาแบบนี้ ใช้กับถนนสายหลัก ๆ แล้วหลายแห่งทั่วโลก โดยเฉพาะในยุโรป ดังนั้นวิศวกรของพานาโซนิกมีแผนที่จะทำให้ก้าวหน้าขึ้นไปอีกขั้นในช่วงครึ่งหลังของปีนี้ โดยการพัฒนาระบบที่เรียกว่า Cirrus ซึ่งจะใช้ข้อมูลการขับขี่ที่มากกว่าความเร็วและทิศทาง ข้อมูลที่เพิ่มเข้ามาก็เช่น ข้อมูลของระบบเบรค สถานะของที่ปัดน้ำฝน ข้อมูลของไฟตัดหมอกเป็นต้น ไปยังระบบคลาวด์ และใช้การเรียนรู้ของเครื่อง (machine learning) เพื่อวิเคราะห์และสร้างการเตือนให้เหมาะสมกับคนขับแต่ละคนได้ ซึ่งทางพานาโซนิคบอกว่าจะเปิดระบบให้นักพัฒนาแอปเข้ามาใช้ได้ด้วย ซึ่งทางพานาโซนิคบอกว่าเขากำลังสร้างระบบประสาทที่เป็นศูนย์กลางเพื่อเชื่อมต่อรถยนต์เข้าด้วยกัน

อ่านข่าวเต็มได้ที่: IEEE Spectrum

เพิ่มเติมเสริมข่าว:

ในขณะที่รถขับเคลื่อนด้วยตัวเองยังคงต้องใช้เวลาอีกสักพักหนึ่ง แต่เทคโนโลยีที่เกี่ยวข้องก็เริ่มปล่อยออกมาให้เราได้ใช้กันแล้ว ย้อนมามองในประเทศไทย ประเทศซึ่งมีสถิติอุบัติเหตุบนถนนติดอันดับต้น ๆ ของโลก เรายังใช้วิธีรณรงค์เมาไม่ขับ เปลี่ยนชื่อ 7 วัน อันตราย เป็น 7 วัน แห่งความสุข เพื่อแก้ปัญหาอุบัติเหตุกันอยู่เลย

วันเสาร์ที่ 11 มกราคม พ.ศ. 2563

เครื่องมือที่ช่วยบอกว่าโปรแกรมจะรันได้เร็วแค่ไหน

ตัวแปลภาษาโปรแกรม (compiler)  ที่ใช้แปลภาษาโปรแกรมระดับสูงเป็นภาษาเครื่อง จะใช้ตัวแบบประสิทธิภาพ (perfromance model) ซึ่งรันโค้ดบนแบบจำลองของสถาปัตยกรรมของชิป ตัวแปลภาษาโปรแกรมจะใช้ข้อมูลที่ได้จากตัวแบบประสิทธิภาพมาสร้างโค้ดที่มีประสิทธิภาพในการทำงานมากที่สุด แต่ปัญหาคือในปัจจุบันตัวแบบประสิทธิภาพนั้นจะถูกสร้างจากผู้เชี่ยวชาญกลุ่มเล็ก ๆ เท่านั้น และก็มักจะไม่ค่อยได้ตรวจสอบอย่างเหมาะสม

เพื่อแก้ปัญหานี้นักวิจัยจาก MIT ได้พัฒนาเครื่องมือที่ใช้เทคนิคการเรียนรู้ของเครื่อง (machine learning) โดยตัวแบบที่สร้างขึ้นนี้สามารถทำนายผลการรันโค้ดบนชิปของอินเทล (Intel) ว่าจะรันได้เร็วแค่ไหนได้ดีกว่าตัวแบบประสิทธิภาพที่สร้างโดย (ผู้เชี่ยวชาญของ) อินเทลเอง นอกจากนี้เครื่องมือนี้ยังสามารถนำไปใช้เพื่อทำนายประสิทธิภาพของสถาปัตยกรรมชิปแบบอื่นได้โดยง่ายอีกด้วย โดยป้อนข้อมูลฝึกสอนที่ได้จากการรันโค้ดบนสถาปัตยกรรมนั้น ๆ ให้กับเครื่องมือที่พัฒนาขึ้น

อ่านข่าวเต็มได้ที่: MIT News

เพิ่มเติมเสริมข่าว

ผู้เชี่ยวชาญระดับไหนก็มีสิทธิถูกแทนที่ได้นะนี่
 

วันศุกร์ที่ 19 เมษายน พ.ศ. 2556

โปรแกรมช่วยตรวจข้อสอบแบบเขียนตอบ

สำหรับข่าวนี้คงเป็นข่าวดีสำหรับอาจารย์และอาจจะนักศึกษาด้วยนะครับ สำหรับงานนี้เป็นผลงานของ Edx ซึ่งเป็นองค์กรไม่หวังผลกำไร ก่อตั้งขึ้นมาโดยมหาวิทยาลัย Harvard และ สถาบันเทคโนโลยี Massachusetts จุดประสงค์ขององค์กรนี้ก็คือให้การเรียนการสอนวิชาต่าง ๆ ผ่านอินเทอร์เน็ต ตามข่าวนี้องค์กรนี้ได้พัฒนาเครื่องมือที่ช่วยตรวจข้อสอบแบบเขียนตอบโดยอัตโนมัติ ซึ่งประโยชน์ที่ได้ก็คืออาจารย์ไม่ต้องมาตรวจข้อสอบนักศึกษาแต่ละคนด้วยตนเอง และนักศึกษาก็สามารถรู้คะแนนของตัวเองได้ทันทีหลังจากสอบเสร็จไม่ต้องรอลุ้นเป็นอาทิตย์หรืออาจเป็นเดือน แต่ก็ยังมีคนค้านเหมือนกันนะครับว่ายังไม่มีข้อมูลทางสถิติที่เชื่อถือได้ว่าเครื่องจะตรวจได้ดีเท่ากับคน แต่ Ex เขื่อว่าระบบจะได้รับการยอมรับจากโรงเรียนและมหาวิทยาลัย ทาง Edx บอกว่าระบบนี้จะทำงานโดยใช้เทคนิคของ Machine Learning โดยเรียนรู้จากการตรวจข้อสอบของอาจารย์ที่เป็นคนจากการตรวจข้อสอบแบบเขียนตอบจำนวนร้อยชุด 

ที่มา: The New York Times

วันศุกร์ที่ 8 ตุลาคม พ.ศ. 2553

สอนให้คอมพิวเตอร์เรียนด้วยตัวเอง

นักวิจัยจาก Carnegie Mellon University (CMU)ได้พัฒนาระบบคอมพิวเตอร์ที่เรียกว่า Never-Ending Language Learning (NELL) โดยนักวิจัยได้ป้อนความรู้พื้นฐานให้กับ NELL จากนั้นก็ให้มันอ่านข้อมูลจากเว็บและเรียนด้วยตัวเอง ปัจจุบันนี้ NELL อ่านหน้าเว็บไปแล้วเป็นล้าน ๆ หน้า เพื่อหาแบบรูปของข้อความ (text pattern) เพื่อนำมาเก็บเป็นข้อมูล โดยข้อมูลเหล่านี้จะถูกนำมาจัดกลุ่มเช่น ชื่อเมือง ชื่อบริษัท ทีมกีฬา เป็นต้น ตัวอย่างของการเก็บข้อมูลก็เช่นกรุงเทพเป็นชื่อเมือง ดอกทานตะวันเป็นดอกไม้ และ NELL ก็ยังสามารถเรียนรู้ความสัมพันธ์ของข้อมูลระหว่างกลุ่มได้ จากข่าวเขายกตัวอย่างว่า NELL สามารถสร้างความสัมพันธ์ระหว่าง Peyton Manning กับทีมเอมริกันฟุตบอล Indianapolis Colt ได้ว่า Peyton Manning เป็นผู้เล่นของ Indianapolis Colt โดยมันไม่เคยอ่านข้อมูลนี้มาก่อน

เอาละ่ครับ ตอนนี้คอมพิวเตอร์ก็สามารถเรียนรู้ด้วยตัวเองแล้ว เราเป็นคนก็อย่าให้อายคอมพิวเตอร์นะครับ

ที่มา: The New York Times