วันพุธที่ 28 มกราคม พ.ศ. 2569

GPT-5.2 พัฒนาช่องโหว่ Zero-Day ในระดับขนาดใหญ่

GPT-Logo
ภาพจาก Cyber Security News โดย Tushar Subhra Dutta

Sean Heelan นักวิจัยอิสระด้านความปลอดภัยทางไซเบอร์ ได้ทำการศึกษาและพบว่า GPT-5.2 มีความสามารถในการพัฒนา Zero-day exploits (รหัสโจมตีช่องโหว่ที่ยังไม่มีการแก้ไข) ได้ด้วยตัวเองในระดับสเกลใหญ่ โดย Heelan ได้ทดสอบ GPT-5.2 และ Opus 4.5 กับช่องโหว่ใน QuickJS JavaScript interpreter ซึ่งผลลัพธ์ที่ได้คือโค้ดโจมตีที่แตกต่างกันกว่า 40 รายการจากการกำหนดค่า (configurations) 6 รูปแบบ

GPT-5.2 สามารถผ่านโจทย์การทดสอบได้ทั้งหมด รวมถึงงานที่มีความซับซ้อนอย่างการเจาะผ่านระบบป้องกันความปลอดภัยหลายชั้น (bypassing multiple security protections) งานทั้งหมดสำเร็จภายในเวลา ไม่ถึง 3 ชั่วโมง โดยใช้ทรัพยากรการประมวลผลเพียงเล็กน้อยเท่านั้น

แม้ว่าการทดสอบนี้จะมุ่งเป้าไปที่ interpreter ในรูปแบบที่ลดทอนความซับซ้อนลง แต่ผลลัพธ์ชี้ให้เห็นว่าเทคโนโลยีนี้มีศักยภาพที่จะขยายขีดความสามารถ (scalability) ไปสู่เป้าหมายที่ใหญ่และซับซ้อนกว่านี้ได้

อ่านข่าวเต็มได้ที่: Cyber Security News โดย Tushar Subhra Dutta

วันอังคารที่ 27 มกราคม พ.ศ. 2569

บทความที่ได้รับการยอมรับจาก NeurIPS มีจำนวนการอ้างอิงแบบหลอน ๆ จาก AI มากกว่า 100 ครั้ง

GPT-Chip
Photo by D koi on Unsplash

GPTZero สตาร์ทอัพจากแคนาดา ได้ใช้เครื่องมือตรวจจับที่สามารถตรวจสอบความถูกต้องของการอ้างอิงเทียบกับฐานข้อมูลวิชาการและเว็บไซต์ต่าง ๆ เพื่อวิเคราะห์บทความวิจัยกว่า 4,000 ฉบับที่ได้รับการตอบรับและนำเสนอในงานประชุมด้าน AI ระดับโลกอย่าง NeurIPS (Neural Information Processing Systems) 2025

 ทางบริษัทระบุว่า ตรวจพบการอ้างอิงที่เกิดจากอาการ "AI หลอน" (AI-hallucinated citations) หลายร้อยรายการในบทความวิจัยอย่างน้อย 53 ฉบับ ซึ่งการอ้างอิงปลอมเหล่านี้สามารถเล็ดลอดสายตาของผู้ตรวจสอบ (Reviewers) อย่างน้อย 3 คนที่ได้รับมอบหมายให้ตรวจทานในแต่ละบทความไปได้

โดยลักษณะของข้อมูลที่พบมีตั้งแต่ การอ้างอิงที่ ถูกสร้างปลอมขึ้นมาทั้งหมด (Entirely fabricated) การ ดัดแปลงข้อมูลบางส่วน จากงานวิจัยที่มีอยู่จริง เช่น การปลอมชื่อผู้แต่ง ชื่อเรื่อง หรือชื่อวารสารให้ผิดไปจากความเป็นจริง

อ่านข่าวเต็มได้ที่: Fortune โดย Sharon Goldman

วันจันทร์ที่ 26 มกราคม พ.ศ. 2569

็Hinton เป็นนักวิทยาศาสตร์คนที่สองที่มีการอ้างอิงผลงานมากกว่า 1 ล้านครั้ง

Scholar-Citation
ภาพจาก 36Kr (China)

Geoffrey Hinton  ผู้ชนะรางวัล ACM A.M. Turing Award กลายเป็นนักวิทยาศาสตร์คอมพิวเตอร์รายที่สอง ต่อจาก Yoshua Bengio เพื่อนร่วมรางวัล Turing Award ที่มียอดการถูกนำไปอ้างอิง (citations) บน Google Scholar มากกว่า 1 ล้านครั้ง

ผลงานที่ถูกอ้างอิงสูงสุดของ Hinton:

อันดับ 1: งานวิจัยปี 2012 เรื่อง "ImageNet classification with deep convolutional neural networks" ซึ่งมียอดการอ้างอิงมากกว่า 180,000 ครั้ง

อันดับ 2: งานวิจัยปี 2015 เรื่อง "Deep learning" ซึ่งเขียนร่วมกับ Bengio และ Yann LeCun ผู้ชนะรางวัล Turing Award อีกท่านหนึ่ง โดยมียอดการอ้างอิงมากกว่า 100,000 ครั้ง

อ่านข่าวเต็มได้ที่: 36Kr (China)

วันอาทิตย์ที่ 25 มกราคม พ.ศ. 2569

อุปกรณ์สวมใส่ช่วยคืนเสียงให้แก่ผู้ป่วยโรคหลอดเลือดสมอง

handshake
Photo by National Cancer Institute on Unsplash

ทีมนักวิจัยจาก University of Cambridge ในสหราชอาณาจักร ได้พัฒนาอุปกรณ์สวมใส่ที่ช่วยให้ผู้ป่วยที่เคยประสบภาวะโรคหลอดเลือดสมอง (strokes) หรือมีอาการทางประสาทอื่น ๆ สามารถฟื้นฟูเสียงพูดของตนเองได้ โดยไม่จำเป็นต้องใช้วิธีการผ่าตัดฝังอุปกรณ์ในสมองในแบบที่รุกล้ำร่างกาย (invasive brain implants)

อุปกรณ์ดังกล่าวมีชื่อว่า Revoice ซึ่งสามารถถอดรหัสสัญญาณเสียงพูด สัญญาณบ่งชี้ทางอารมณ์ และข้อมูลสภาพแวดล้อมโดยใช้เซ็นเซอร์และ AI ตัวเครื่องถูกออกแบบมาให้สวมใส่ไว้รอบคอ โดย Revoice จะแปลสัญญาณต่าง ๆ เช่น อัตราการเต้นของหัวใจและการสั่นสะเทือนของกล้ามเนื้อลำคอให้กลายเป็นคำพูด อีกทั้งยังสามารถพยากรณ์และส่งคำพูดออกมาเป็นประโยคที่สมบูรณ์ได้อีกด้วย

อ่านข่าวเต็มได้ที่: The Independent (U.K.) โดย Jane Kirby

วันเสาร์ที่ 24 มกราคม พ.ศ. 2569

AI ช่วยส่งเสริมอาชีพนักวิจัย แต่ทำให้การค้นพบทางวิทยาศาสตร์ราบเรียบเกินไป

ิbroken-pencils
ภาพจาก IEEE Spectrum โดย Elie Dolgin 

นักวิจัยจาก University of Chicago และ Beijing National Research Center for Information Science and Technology ของประเทศจีน พบว่านักวิทยาศาสตร์ที่ใช้เครื่องมือ AI ในการทำงาน มีผลงานตีพิมพ์มากกว่ากลุ่มที่ไม่ใช้ถึง 3 เท่า และได้รับการอ้างอิง (citations) สูงกว่าเกือบ 5 เท่า นอกจากนี้ยังสามารถก้าวขึ้นสู่บทบาทผู้นำได้เร็วกว่าปกติถึง 1-2 ปี

อย่างไรก็ตาม ผลการศึกษายังระบุว่า AI ส่วนใหญ่ถูกนำมาใช้เพื่อปรับปรุงขั้นตอนการทำงานวิจัยในส่วนที่ง่ายให้เป็นระบบอัตโนมัติ (automates easier parts) มากกว่าที่จะเป็นการช่วยขยายขอบเขตการค้นพบทางวิทยาศาสตร์ใหม่ ๆ (expanding scientific discovery)

อ่านข่าวเต็มได้ที่: IEEE Spectrum โดย Elie Dolgin