วันอาทิตย์ที่ 31 กรกฎาคม พ.ศ. 2565

เฟรมเวอร์ก Lightning ที่เพิ่งถูกค้นพบมีความสามารถมากมายในการแฮกลินุกซ์

malware
ภาพจาก Ars Technica

นักวิจัยจากบริษัทรักษาความปลอดภัย Intezer ได้เผยให้รู้จักเฟรมเวอร์ก Lightning ซึ่งเป็นเฟรมเวิร์กมัลแวร์แบบโมดูลาร์ที่ไม่มีเคยมีบันทึกเป้นเอกสารก่อนหน้านี้ โดยเฟรมเวอร์กนี้มุ่งโจมตีลินุกซ์ (Linux) หลังจากผู้โจมตีเข้าถึงระบบเป้าหมายแล้วก็จะติดตั้ง Lightning ลงไป โดย Lightning นำเสนอประสิทธิภาพและความเร็วที่เหมือนกันกับที่เฟรมเวิร์ก Djang มีให้สำหรับการพัฒนาเว็บ 

"Lightning มีความสามารถมากมาย และความสามารถในการติดตั้ง root kit มากมายหลายตัว รวมถึงความสามารถในการรันส่วนเสริม" Ryan Robinson จาก Intezer เขียน 

อ่านข่าวเต็มได้ที่: Ars Technica

วันเสาร์ที่ 30 กรกฎาคม พ.ศ. 2565

นักวิจัยสร้างเซ็นเซอร์สำหรับดาวเทียมที่พิมพ์จากเครื่องพิมพ์สามมิติ

censor-for-satellite
ภาพจาก  MIT News

นักวิทยาศาสตร์จาก Massachusetts Institute of Technology (MIT) ได้สร้างเครื่อง วิเคราะห์ศักยภาพการหน่วงเวลา (retarding potential analyzers) หรือ RPA ที่พิมพ์ด้วยเครื่องพิมพ์ 3 มิติทั้งหมด ซึ่งเป็นเซ็นเซอร์พลาสม่าที่ใช้โดยดาวเทียมเพื่อกำหนดองค์ประกอบทางเคมีและการกระจายพลังงานไอออนของบรรยากาศ 

เซ็นเซอร์ทำงานเช่นเดียวกับเซ็นเซอร์พลาสม่าเซมิคอนดักเตอร์ล้ำสมัยที่ผลิตในห้องปลอดเชื้อ ซึ่งทำให้มีราคาแพงและต้องใช้เวลาในการผลิตที่ซับซ้อนหลายสัปดาห์ ในทางตรงกันข้าม เซ็นเซอร์ที่พิมพ์ 3 มิติของ MIT สามารถผลิตได้ในหลักสิบดอลลาร์ในเวลาไม่กี่วัน ทำให้เหมาะสำหรับดาวเทียมขนาดเล็ก CubeSat 

นักวิจัยได้พัฒนาเซ็นเซอร์โดยใช้วัสดุแก้วเซรามิกซึ่งมีความทนทานมากกว่าวัสดุเซ็นเซอร์แบบเดิม เช่น ซิลิกอนและสารเคลือบฟิล์มบาง Luis Fernando Velásquez-García จาก MIT กล่าวว่า "การผลิตแบบเติมเนื้อวัสดุสามารถสร้างความแตกต่างอย่างมากในอนาคตของฮาร์ดแวร์สำหรับอวกาศ บางคนคิดว่าเมื่อใช้เครื่องพิมพ์3 มิติ ก็ต้องได้ประสิทธิภาพน้อยลง แต่เราได้แสดงให้เห็นแล้วว่ามันไม่เป็นอย่างนั้นเสมอไป"

อ่านข่าวเต็มได้ที่: MIT News

วันศุกร์ที่ 29 กรกฎาคม พ.ศ. 2565

หุ่นยนต์เรียนงานบ้านด้วยการดูคนทำ

whirl-robot
ภาพจาก Carnegie Mellon University School of Computer Science

Shikhar Bahl, Deepak Pathak และ Abhinav Gupta แห่ง Carnegie Mellon University พัฒนาอัลกอริธึมการเรียนรู้หุ่นยนต์ด้วยการเลียนแบบมนุษย์ในธรรมชาติ (In-the-Wild Human Imitating Robot Learning) หรือ  WHIRL เพื่อสอนหุ่นยนต์ให้ทำงานโดยการสังเกตสิ่งที่คนทำ 

WHIRL ช่วยให้หุ่นยนต์ได้รับความรู้จากวิดีโอที่แสดงปฏิสัมพันธ์ของมนุษย์กับสิ่งต่าง ๆ และนำข้อมูลนั้นไปใช้กับงานใหม่ ทำให้เหมาะสมกับการเรียนรู้การทำงานบ้าน นักวิจัยได้ติดตั้งกล้องให้กับหุ่นยนต์ และใช้อัลกอริธึม เพื่อให้หุ่นยนต์ได้เรียนรู้การทำงานมากกว่า 20 งานในสภาพแวดล้อมทางธรรมชาติ

ในแต่ละกรณี หุ่นยนต์จะเฝ้าดูมนุษย์ทำงานหนึ่งครั้ง จากนั้นจึงฝึกฝนและเรียนรู้ที่จะทำงานให้เสร็จด้วยตัวเอง “แทนที่จะรอให้หุ่นยนต์ถูกตั้งโปรแกรมหรือฝึกให้ทำงานต่าง ๆ ให้สำเร็จก่อนที่จะนำไปใช้ในบ้านคน เทคโนโลยีนี้ช่วยให้เราส่งหุ่นยนต์ไปที่บ้าน และให้พวกมันเรียนรู้วิธีการทำงานให้ลุล่วง พร้อมทั้งปรับตัวให้เข้ากับสภาพแวดล้อมด้วยการมองเท่านั้น" Pathak อธิบาย

อ่านข่าวเต็มได้ที่: Carnegie Mellon University School of Computer Science

วันพฤหัสบดีที่ 28 กรกฎาคม พ.ศ. 2565

การเขียนโค้ดที่ผิดพลาดทำให้ผู้คนเป็นล้านเข้าถึงบริการไม่ได้

routers
Photo by Kenny Eliason on Unsplash

ชาวแคนาดาหลายล้านคนไม่สามารถใช้โทรศัพท์มือถือ อินเทอร์เน็ต หรือบริการโทรศัพท์บ้านอย่างน้อยหนึ่งวันเนื่องจากข้อผิดพลาดในการเขียนโปรแกรม เมื่อวันที่ 8 กรกฎาคม เมื่อ Rogers Communications กำลังอัปเกรดโครงสร้างพื้นฐานไร้สาย/บรอดแบนด์

บริษัทโทรคมนาคมมีเครือข่ายหลักเพียงเครือข่ายเดียวที่รองรับบริการทั้งหมดของตน และเอกสารของบริษัทระบุว่าโค้ดบางส่วนได้ลบตัวกรองการกำหนดเส้นทางระหว่างระยะที่หกของการอัพเกรดโครงสร้างพื้นฐานที่มีทั้งหมดเจ็ดระยะ

การลบโค้ดดังกล่าว ทำให้ช่องสัญญาณอินเทอร์เน็ตที่เป็นไปได้ทั้งหมดส่งผ่านเราเตอร์ ส่งผลให้อุปกรณ์หลายเครื่องใช้หน่วยความจำและการประมวลผลเกินกว่าขอบเขตของตัวเอง ทำใหเครือข่ายหยุดทำงาน Rogers ใช้อุปกรณ์จากผู้ผลิตหลายรายในเครือข่าย และซัพพลายเออร์ของเราเตอร์มีการจัดการทราฟฟิกและการป้องกันโอเวอร์โหลดที่แตกต่างกัน ซึ่งจากเอกสารระบุว่าเป็นสาเหตุของการหยุดทำงาน

อ่านข่าวเต็มได้ที่: The Globe and Mail (Canada)

วันพุธที่ 27 กรกฎาคม พ.ศ. 2565

การเขียนโค้ดที่ผิดพลาดทำให้ตัวประมวลผลกราฟิกของอินเทลทำงานช้าลงร้อยเท่าในการทำเรย์เทรซซิง

GPU
Photo by Nana Dua on Unsplash

ข้อผิดพลาดในการเขียนโค้ดของไดรเวอร์ของหน่วยประมวลผลกราฟิก (graphic processing unit) หรือ GPU ของอินเทล (Intel) บนระบบปฏิบัติการลินุกซ์ (Linux) ซึ่งตั้งใจจะทำให้การทำเรย์เทรซซิง (ray tracing) เร็วขึ้น 100 เท่า กลับทำงานช้าลง ท่ามกลางข่าวที่ว่าไดรเวอร์ของ Arc GPU ของอินเทลก็มีปัญหากับวินโดวส์ (Windows) 

ไดรเวอร์ Mesa Vulkan ซึ่งเป็นแบบเปิดเผยโค้ดต้นฉบับ (open source) ของอินเทล มักจะรับประกันว่าหน่วยความจำชั่วคราวที่ใช้สำหรับการทำเรย์เทรซซิงของ Vulkan จะอยู่ในหน่วยความจำภายใน แต่โค้ดที่ขาดหายไปข้ามการจัดสรรหน่วยความจำในลักษณะนี้

สิ่งนี้ทำให้โปรแกรมควบคุมเปลี่ยนเอาข้อมูลที่ใช้ในการทำเรย์เทรซซิงไปใช้หน่วยความจำระบบภายนอกที่ช้า แล้วจึงย้อนกลับมาใช้หน่วยความจำภายใน เว็บไซต์ข่าวลินุกซ์ชื่อ Phoronix กล่าวว่าวิศวกรที่พัฒนาไดรเวอร์กราฟิกของอินเทลบนลินุกซ์ Lionel Landwerlin ได้ปล่อยโปรแกรมแก้ไข Mesa 22.2 ที่รวมเข้าไปในไดรเวอร์ Vulkan ซึ่งจะให้ผู้ใช้ทั่วไปได้ใช้งานภายในสิ้นเดือนสิงหาคม

อ่านข่าวเต็มได้ที่: Tom's Hardware

วันอังคารที่ 26 กรกฎาคม พ.ศ. 2565

ซอฟต์แวร์เรียกค่าไถ่จู่โจมการศึกษาระดับมหาวิทยาลัยมากขึ้น

rensomware
ภาพจาก Inside Higher Ed

บริษัทความมั่นคงทางไซเบอร์ Sophos รายงานการโจมตีของซอฟต์แวร์เรียกค่าไถ่ทั่วโลกในปีที่แล้วว่า  เกือบ 75% ของการโจมตีของซอฟต์แวร์เรียกค่าไถ่ในสถาบันอุดมศึกษานั้นประสบความสำเร็จ และมีเพียง 2% ของเหยื่อเท่านั้นที่เอาข้อมูลทั้งหมดกลับคืนมาได้ แม้แต่หลังจากจ่ายค่าไถ่แล้ว

ภาคการศึกษาระดับสูงใช้เวลาฟื้นตัวหลังการโจมตีช้าที่สุด โดย 40% ของเหยื่อใช้เวลามากกว่าหนึ่งเดือนในการฟื้นฟู เทียบกับค่าเฉลี่ยทั่วโลกที่อยู่ที่ 20% 

Jeremy Epstein ประธานคณะกรรมการนโยบายเทคโนโลยีของสหรัฐอเมริกาของ ACM กล่าวว่า "เมื่อภาคส่วนใดปรับปรุงการป้องกัน คนเลวจะไปที่ไหนสักแห่งที่การป้องกันต่ำกว่า ที่ทำให้พวกเขาสามารถหาเงินได้ง่าย"

อ่านข่าวเต็มได้ที่: Inside Higher Ed

วันจันทร์ที่ 25 กรกฎาคม พ.ศ. 2565

แอปติดตามการสัมผัสผู้ป่วยของ Google และ Apple อาจถูกโจมตีทางดิจิทัล

contract-tracing-app
ภาพจาก  Ohio State News

แอปพลิเคชันติดตามการสัมผัสผู้ป่วยที่ขับเคลื่อนโดย Google/Apple Exposure Notification framework (GAEN) มีความเสี่ยงต่อการโจมตีซ้ำ (replay attach) ตามสภาพภูมิศาสตร์ ตามการกล่าวอ้างของนักวิจัยจาก Ohio State University (OSU)

การโจมตีจะเกิดจากการที่บุคคลที่สาม ดักจับและใช้ประโยชน์จากข้อมูลติดตามการสัมผัสที่ถูกส่งออกมาจากโทรศัพท์ของผู้ใช้จากพื้นที่หนึ่ง และนำไปส่งซ้ำในพื้นที่ที่ห่างไกลออกไป

Anish Arora แห่ง OSU กล่าวว่า "เนื่องจากเฟรมเวิร์กทำงานเป็นโปรโตคอลไร้สาย ใครๆ ก็เพิ่มข้อมูล โควิดปลอมเข้าไปได้ และการได้ข้อมูลเท็จเหล่านั้น อาจทำลายความเชื่อมั่นของสาธารณชนต่อระบบติดตามการสัมผัสผู้ป่วย"

อ่านข่าวเต็มได้ที่: Ohio State News

วันอาทิตย์ที่ 24 กรกฎาคม พ.ศ. 2565

ไมโครซอฟท์เปิดตัวจำลองการบินเพื่อฝึกโดรน

microsof-drone-traning
ภาพจาก BBC News

โปรแกรมจำลองการบินใหม่ของไมโครซอฟท์ ได้รับการออกแบบมาเพื่อฝึกระบบปัญญาประดิษฐ์ (artificial intelligence) ของโดรนทางอากาศที่ทำงานอัตโนมัติ Project AirSim ช่วยให้บริษัทต่าง ๆ ดำเนินการทดสอบการจำลองการบินได้ในสถานที่ที่อาจเป็นอันตรายเกินไปในที่จะทดลองบินได้จริง ๆ ได้หลายล้านเที่ยวในไม่เวลากี่วินาที

 Project AirSim ทำงานบนแพลตฟอร์ม Azure cloud computing ของไมโครซอฟท์ Josh Riedy จากบริษัทตรวจสอบโครงสร้างพื้นฐานที่ใช้โดรนอย่าง Airtonomy กล่าวว่าเครื่องจำลอง "ยอมให้เราเราทำผิดพลาดได้" ในการฝึกโดรน รวมทั้งอนุญาตให้ผู้ใช้กำหนดสถานการณ์ "จะเกิดอะไรขึ้นหาก" ซึ่งอาจอันตรายเกินไปสำหรับการทดสอบจริง ๆ ไมโครซอฟท์กล่าวว่าแพลตฟอร์มที่เป็นกรรมสิทธิ์ใหม่นี้ต้องการความรู้ด้านเทคนิคน้อยกว่าเครื่องจำลองที่มีอยู่ก่อนหน้านี้

อ่านข่าวเต็มได้ที่: BBC News

วันเสาร์ที่ 23 กรกฎาคม พ.ศ. 2565

เมื่อทักษะทางภาษาของ AI เก่งขึ้น นักวิทยาศาสตร์ก็เริ่มกังวล

researcher-AI
นักวิจัยผู้สร้าง BLOOM ภาพจาก  Associated Press

นักวิทยาศาสตร์กังวลเกี่ยวกับการใช้ตัวแบบภาษาขนาดใหญ่ในแชทบ็อตและเทคโนโลยีอื่น ๆ ซึ่งไม่ใช่เรื่องเล็กน้อย เพราะผู้สร้างพวกมันปกปิดการทำงานภายในและข้อบกพร่องที่อาจทำให้ระบบดังกล่าวแพร่กระจายข้อมูลที่ผิด 

Percy Liang แห่ง Stanford University กล่าวว่าบริษัทต่างๆ เผชิญกับแรงกดดันจากการแข่งขันที่จะไม่เปิดเผยเทคโนโลยีที่เป็นรากฐานของตัวแบบภาษาขนาดใหญ่ หรือเป็นพันธมิตรกับมาตรฐานของชุมชน

นักวิทยาศาสตร์กลุ่มหนึ่งทำงานร่วมกับรัฐบาลของฝรั่งเศสเพื่อเปิดตัวแบบภาษาขนาดใหญ่ BigScience Large Open-science Open-access Multilingual Language Mode (BLOOM) ซึ่งพัฒนาขึ้นเพื่อเป็นคู่แข่งกับตัวแบบแบบปิดเช่น GPT-3 ของ Microsoft BLOOM ทำงานได้กับ 46 ภาษา ในขณะที่ระบบส่วนใหญ่เน้นที่ภาษาอังกฤษหรือจีน

อ่านข่าวเต็มได้ที่: Associated Press


วันศุกร์ที่ 22 กรกฎาคม พ.ศ. 2565

อุปกรณ์ติดตามสุขภาพแบบสวมใส่ทำงานได้โดยไม่ต้องใช้แบตเตอรี

wearable-health-monitoring
ภาพจาก University of California, Irvine

นักวิจัยจาก University of California, Irvine (UCI) ได้พัฒนาอุปกรณ์สวมใส่แบบไร้สายที่ให้พลังงานตนเอง ซึ่งสามารถตรวจสอบชีพจรของผู้ใช้ได้ นักวิจัยระบุว่าการเปลี่ยนแปลงในวงจรเซ็นเซอร์จะช่วยให้สามารถตรวจสอบอัตราการเต้นของหัวใจ อุณหภูมิร่างกาย ความดันโลหิต และสัญญาณชีพอื่นๆ ได้เช่นกัน

สายรัดข้อมือมีเครื่อง triboelectric nanogenerators (TENGs) ที่แปลงการกระแทกทางกลหรือแรงดันเป็นไฟฟ้า เพื่อให้พลังงานแก่อุปกรณ์ เพื่อให้สามารถแสดงอัตราชีพจรของผู้ใช้บนจอแสดงผล LED นอกจากนี้ยังมีเทคโนโลยีการสื่อสารระยะใกล้เพื่อให้พลังงานแบบไร้สาย และการแลกเปลี่ยนข้อมูลระหว่างสายรัดข้อมือกับอุปกรณ์เคลื่อนที่ที่อยู่ใกล้เคียง

Rahim Esfandyar-Pour ของ UCI กล่าวว่าสายรัดข้อมือ "ช่วยให้สามารถตรวจสอบสุขภาพได้อย่างต่อเนื่องโดยไม่ต้องใช้แบตเตอรี่ ทำงานแบบไร้สาย และตามความต้องการได้ในทุกที่ทุกเวลา สร้างจากวัสดุที่มีต้นทุนต่ำและมีความยืดหยุ่น และยังสามารถปรับแต่งให้ตรงกับข้อกำหนดของเซ็นเซอร์อิเล็กทรอนิกส์ชีวภาพที่สวมใส่ได้หลากหลาย

อ่านข่าวเต็มได้ที่: University of California, Irvine


วันพฤหัสบดีที่ 21 กรกฎาคม พ.ศ. 2565

การเรียนรู้ของเครื่องสามารถระบุว่าคนที่ซื้อปืนมีความเสี่ยงฆ่าตัวตายหรือไม่

gun-store
ภาพจาก The Hill

การวิจัยโดยนักวิทยาศาสตร์จาก University of California, Davis (UC Davis) ชี้ว่าการเรียนรู้ของเครื่อง (machine learning) สามารถใช้ข้อมูลการจัดซื้อปืนพกเพื่อระบุผู้ซื้อปืนที่เสี่ยงต่อการฆ่าตัวตายได้ 

นักวิจัยวิเคราะห์ข้อมูลจากฐานข้อมูล Dealer's Record of Sale ของแคลิฟอร์เนีย โดยใช้ การจำแนกแบบ random forest เพื่อประเมินความสามารถของข้อมูลในการทำนายผู้ที่มีความเสี่ยงในการฆ่าตัวตายสูงภายในหนึ่งปีของการซื้อปืน 

พวกเขาประเมินอัตราการฆ่าตัวตายของผู้ซื้อปืน 0.07% ภายในปีนั้น และระบุปัจจัยเสี่ยง 41 ประการสำหรับการฆ่าตัวตายด้วยอาวุธปืน รวมถึงอายุที่มากขึ้น การซื้อครั้งแรก เป็นคนผิวขาว การอาศัยอยู่ใกล้กับผู้ขาย และการซื้อปืนรีโวลเวอร์ (revolver) 

Hannah S. Laqueur ของ UC Davis กล่าวว่า "การศึกษาครั้งนี้มีส่วนสนับสนุนให้มีหลักฐานเพิ่มขึ้นว่าวิธีการคำนวณจากคอมพิวเตอร์ สามารถช่วยระบุกลุ่มที่มีความเสี่ยงสูง และสามารถพัฒนาให้เกิดการแทรกแซงบุคคลเหล่านั้นได้"

อ่านข่าวเต็มได้ที่: The Hill

วันพุธที่ 20 กรกฎาคม พ.ศ. 2565

สอน AI ให้ถามข้อมูลทางคลีนิค

doctor-patient
ภาพจาก MIT Computer Science and Artificial Intelligence Laboratory

นักวิทยาศาสตร์ของ Massachusetts Institute of Technology (MIT) และผู้เชี่ยวชาญทางการแพทย์ได้รวบรวมชุดข้อมูลของคำถามที่แพทย์ถามมากกว่า 2,000 ข้อเมื่อตรวจสอบบันทึกสุขภาพอิเล็กทรอนิกส์ (electronic health record) หรือ EHRs 

ตัวแบบการเรียนรู้ของเครื่อง (machine learning) หรือ ML ที่ได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลนี้ถามคำถามที่ถือดีมาก เมื่อเทียบกับคำถามจริงจากผู้เชี่ยวชาญทางการแพทย์ มากกว่า 60% ของเวลาทั้งหมด ในทางตรงกันข้าม ตัวแบบที่ได้รับการฝึกฝนเจากคำถามทางคลินิกที่ใช้ชุดข้อมูลที่เปิดเผยต่อสาธารณะสามารถถามคำถาม 25% ของคำถามที่แพทย์ถาม

Peter Szolovits แห่ง MIT กล่าวว่า "คุณค่าของงานนี้อยู่ที่การรวบรวมคำถามที่ถามโดยแพทย์เกี่ยวกับผู้ป่วยแต่ละรายอย่างรอบคอบ ซึ่งเราสามารถพัฒนาวิธีการที่ใช้ข้อมูลเหล่านี้ และตัวแบบภาษาทั่วไปเพื่อถามคำถามที่ดีขึ้น"

อ่านข่าวเต็มได้ที่: MIT Computer Science and Artificial Intelligence Laboratory

วันอังคารที่ 19 กรกฎาคม พ.ศ. 2565

อัลกอริทึมความยุติธรรมทางอาญาทำนายความเสี่ยงของการพิจารณาคดีแบบมีอคติ

justice
Photo by Tingey Injury Law Firm on Unsplash

American Civil Liberties Union, Carnegie Mellon University,  Idaho Justice Project, และ University of Pennsylvania ได้พัฒนาอัลกอริธึมความยุติธรรมทางอาญาเพื่อทำนายความน่าจะเป็นที่จำเลยจะได้รับการพิจารณาโทษแบบมีอคติในศาล

อัลกอริทึมมจะพิจารณาตัวแปรที่ดูเหมือนไม่มีสาระสำคัญ เช่น เพศและเชื้อชาติของผู้พิพากษาและจำเลย ตลอดจนรายละเอียดของคดีเช่น บทลงโทษขั้นต่ำ และลักษณะของการกระทำความผิด เพื่อคาดการณ์แนวโน้มที่ผู้พิพากษาจะลงโทษจำคุกนานแบบผิดปกติ  (นานกว่าที่เคยสั่งลงโทษเมื่อเปรียบเทียบกับร้อละ 90 ของคดีที่มีปัจจัยคล้าย ๆ กัน) 

ทีมนักพัฒนาบอกว่าอัลกอริธึมอาจช่วยจำเลยที่ทำผิดให้สามารถโต้แย้งเพื่อลดโทษที่รุนแรงอย่างไม่เป็นสัดส่วนได้

อ่านข่าวเต็มได้ที่: Government Technology

วันจันทร์ที่ 18 กรกฎาคม พ.ศ. 2565

เมื่อนักเล่นเกมเริ่มทำตัวน่ารังเกียจ

gamer
Photo by Florian Olivo on Unsplash

นักวิจัยจาก Utrecht University ของเนเธอร์แลนด์ได้พัฒนาตัวแบบปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่สามารถระบุพฤติกรรมที่เป็นพิษในหมู่นักเล่นเกมแบบได้แบบเรียลไทม์ ตัวแบบนี้ออกแบบมาเพื่อคัดกรองภาษาที่เป็นปัญหา หรือเพื่อช่วยผู้ดำเนินรายการในการตัดสินใจคว่ำบาตรผู้เล่นที่ใช้ภาษาดังกล่าว

ผู้เข้าร่วมดูวิดีโอของเกมเมอร์ที่เล่น Overwatch และให้คะแนนระดับความเป็นพิษผ่านช่องทางแชทด้วยเสียงของเกม ซึ่งเน้นสิ่งที่ Julian Frommel ของ Utrecht เรียกว่า "ความท้าทายของความรู้สึกนึกคิด" ในการตรวจจับความเป็นพิษโดยอัตโนมัติ

นักวิจัยใช้ข้อมูลนี้เพื่อสร้างและตรวจสอบตัวแบบ AI ซึ่งสามารถคาดการณ์ความเป็นพิษได้อย่างแม่นยำถึง 86.3% Frommel กล่าวว่าตัวแบบดังกล่าวมีค่าใช้จ่ายในการคำนวณเพียงเล็กน้อย และ "สามารถดำเนินการอัตโนมัติ และนำไปใช้เป็นแนวทางที่ไม่รุกล้ำมากเกินไปในหลายเกมที่ใช้ช่องทางแชทด้วยเสียง"

อ่านข่าสเต็มได้ที่: IEEE Spectrum 

วันอาทิตย์ที่ 17 กรกฎาคม พ.ศ. 2565

เส้นใยอัจฉริยะสัมผัสได้ว่าผู้ใช้เคลื่อนไหวอย่างไร

smart-shoes
ภาพจาก MIT News

นักวิจัยจาก Massachusetts Institute of Technology (MIT), Wellesley College,  และ Nanyang Technological University ของสิงคโปร์ ได้ประดิษฐ์สิ่งทออัจฉริยะที่สามารถสัมผัสท่าทางและการเคลื่อนไหวของผู้สวมใส่ได้

นักวิจัยใช้เทอร์โมฟอร์มเพื่อละลายเส้นด้ายพลาสติกเล็กน้อย เพิ่มความแม่นยำของเซ็นเซอร์ความดันที่ใช้ทอเป็นสิ่งถักทอหลายชั้นที่เรียกว่า 3DKnITS พวกเขาใช้กระบวนการนี้เพื่อผลิตรองเท้าอัจฉริยะ และเสื่อที่ทอขึ้นมา จากนั้นจึงประกอบระบบฮาร์ดแวร์และซอฟต์แวร์เพื่อวัดและตีความข้อมูลจากเซ็นเซอร์ความดันที่อยู่ในนั้น

ระบบบอกการเคลื่อนไหวและท่าโยคะของคนที่ยืนอยู่บนเสื่ออัจฉริยะได้โดยมีความแม่นยำประมาณ 99% Irmandy Wicaksono แห่ง MIT กล่าวว่ากระบวนการผลิตช่วยให้สร้างต้นแบบได้อย่างรวดเร็ว และสามารถขยายไปสู่การผลิตในระดับโรงงานได้

อ่านข่าวเต็มได้ที่: MIT News

วันศุกร์ที่ 15 กรกฎาคม พ.ศ. 2565

ซอฟต์แวร์เรียกค่าไถ่เปลี่ยนภาษาเขียนโปรแกรมจาก Go เป็น Rust

ransomware
ภาพจาก ZDNet

นักวิจัยด้านความปลอดภัยของ Microsoft พบว่า ซอฟต์แวร์เรียกค่าไถ่ (ransomware) Hive สายพันธุ์ใหม่ที่เคยเขียนด้วยภาษา Go ได้ถูกเขียนใหม่โดยใช้ Rust การเปลี่ยนแปลงนี้ดำเนินการมาเป็นเวลาสองสามเดือนแล้ว เนื่องจากผู้เขียน Hive ดูเหมือนจะคัดลอกกลยุทธ์จากซอฟต์แวร์เรียกค่าไถ่ BlackCat ซึ่งเขียนด้วยภาษา Rust ด้วย

นักวิจัยจากบริษัทด้านอัจฉริยะทางไซเบอร์  Group-IB ระบุว่ากลุ่ม Hive ได้แปลงตัวเข้ารหัสลินุกซ์ (Linux) สำหรับที่มุ่งเป้าไปที่ เซิร์ฟเวอร์ของ VMware ESXi เป็นภาษา Rust ดังนั้นนักวิจัยด้านความปลอดภัยจึงไม่สามารถสอดส่องการสนทนาเรียกค่าไถ่กับเหยื่อได้

Microsoft Threat Intelligence Center เขียนบล็อกว่าการเปลี่ยนแปลงนั้นเกี่ยวข้องกับการเข้ารหัสไฟล์ที่ซับซ้อนมากขึ้นด้วย

อ่านข่าวเต็มได้ที่: ZDNet

วันพฤหัสบดีที่ 14 กรกฎาคม พ.ศ. 2565

หุ่นยนต์เอาชนะความไม่แน่นอนในการค้นหาวัตถุที่ถูกฝังอยู่

MIT-FuseBot-Team
ภาพจาก MIT News

นักวิจัยของ Massachusetts Institute of Technology (MIT) ได้พัฒนาระบบหุ่นยนต์ที่สามารถค้นหาวัตถุที่มองไม่เห็นที่ฝังอยู่ใต้กองของวัตถุได้อย่างมีประสิทธิภาพ โดยวัตถุที่เป็นเป้าหมายนั้นไม่ต้องติดแท็ก RFID ตราบใดที่วัตถุบางตัวในกองมีแท็กดังกล่าวติดอยู่ 

ระบบ FuseBot สร้างตัวแบบสามมิติของสภาพแวดล้อมโดยการสแกนกองด้วยกล้อง และใช้เสาอากาศ RF เพื่อค้นหาแท็ก RFID ของวัตถุแต่ละตัวในกอง ในการทดลองทดลองมากกว่า 180 รายการ FuseBot สามารถค้นหาเป้าหมายได้สำเร็จ 95% ของเวลา เทียบกับ 84% ที่ได้จากระบบหุ่นยนต์ที่เน้นเฉพาะการมองเห็น (vision-only) ที่ล้ำสมัยที่สุด โดย FuseBot ใช้การความเคลื่อนไหวน้อยลง 40%

Fadel Adib แห่ง MIT กล่าวว่า "เราสามารถทำเช่นนี้ได้เพราะเราได้เพิ่มการใช้เหตุผลต่อเนื่องหลายรูปแบบให้กับระบบ"

อ่านข่าวเต็มได้ที่: MIT News

วันพุธที่ 13 กรกฎาคม พ.ศ. 2565

Apple จะเพิ่มการป้องกัน "ล็อกดาวน์" ให้กับ iPhone, iPad และ Mac

iphone
ภาพจาก Associated Press

Apple ได้ประกาศเปิดตัวตัวเลือก "ล็อกดาวน์" สำหรับคอมพิวเตอร์ iPhone, iPad และ Mac ที่กำลังจะเปิดตัว เพื่อป้องกันผลิตภัณฑ์เหล่านั้นจากสปายแวร์ (spyware) โดยแฮกเกอร์ที่ได้รับการสนับสนุนจากรัฐ ในขั้นต้น บริษัทจะให้โหมดล็อกดาวน์เป็นเวอร์ชันทดสอบ เพื่อให้นักวิจัยด้านความปลอดภัยสามารถระบุจุดบกพร่องหรือจุดอ่อนต่างๆ ได้

ฟีเจอร์นี้ได้รับการออกแบบให้เป็นปุ่มฉุกเฉินที่ Apple คิดว่าผู้ใช้จำนวนน้อยจะต้องการใช้ การเปิดใช้งานการล็อกดาวน์จะจำกัดการท่องเว็บ และปิดใช้งานคุณสมบัติต่างๆ เช่น ความสามารถในการส่งไฟล์แนบและลิงก์ในข้อความ และรับสาย FaceTime จากหมายเลขใหม่

Apple เชื่อว่าการป้องกันเพิ่มเติมนี้จะมีความสำคัญสำหรับนักเคลื่อนไหว นักข่าว และเป้าหมายอื่นๆ ของการแฮ็กโดยโดยองค์กรที่ได้รับทุนสนับสนุน

อ่านข่าวเต็มได้ที่: Associated Press

วันอังคารที่ 12 กรกฎาคม พ.ศ. 2565

นักวิจัยสร้าง "คอมพิวเตอร์โควิด" เพื่อเพิ่มความเร็วในการวินิจฉัย

chest-xray
Photo by CDC on Unsplash

เครื่องมือปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่พัฒนาขึ้นโดยนักวิจัยจาก University of Leicester สหราชอาณาจักร ตรวจพบเชื้อโควิด-19 ด้วยความแม่นยำสูงด้วยการวิเคราะห์การสแกนทรวงอกด้วยเครื่องเอกซเรย์คอมพิวเตอร์ (CT) ซอฟต์แวร์ซึ่งใช้อัลกอริทึมการเรียนรู้เชิงลึกสามารถนำไปใช้กับอุปกรณ์พกพาได้

Yudong Zhang แห่งมหาวิทยาลัยเลสเตอร์กล่าวว่าเครื่องมือนี้ “สามารถค้นหาบริเวณที่น่าสงสัยในภาพสแกนทรวงอกได้โดยอัตโนมัติ และทำนายได้อย่างแม่นยำ” Zhang กล่าวเสริมว่าความแม่นยำของเครื่องมือหมายความว่า “สามารถใช้ในการวินิจฉัยทางคลินิกของ โควิด-19 ซึ่งอาจช่วยควบคุมการแพร่กระจายของไวรัสได้”

อ่านข่าวเต็มได้ที่: University of Leicester (U.K.)

วันอาทิตย์ที่ 10 กรกฎาคม พ.ศ. 2565

บล็อกเชนทำให้การจัดเก็บจีโนมมีความปลอดภัย

gnome-blockchain
ภาพจาก YaleNews

เทคโนโลยี SAMchain ที่พัฒนาโดยนักวิทยาศาสตร์ของ Yale University ใช้ประโยชน์จากบล็อกเชนเพื่อให้ผู้ใช้ควบคุมข้อมูลจีโนมของตนเองได้ SAMchain รับประกันความปลอดภัยของข้อมูลจีโนมส่วนบุคคล โดยป้องกันการเปลี่ยนแปลงจากผู้อื่น และความเสียหายที่อาจเกิดขึ้นได้เป็นครั้งคราวของข้อมูล DNA ที่จัดเก็บบนคลาวด์ 

นักวิจัยได้หลีกเลี่ยงปัญหาในการจัดเก็บชุดข้อมูลจำนวนมากที่ได้มาจากการจัดลำดับจีโนมโดยการเปรียบเทียบ DNA ของแต่ละบุคคลกับจีโนมอ้างอิงมาตรฐาน จากนั้นจึงเก็บเฉพาะความแตกต่างในบล็อกที่เชื่อมโยงกันของบล็อกเชน 

บล็อกเหล่านี้ถูกทำดัชนีตามลำดับเพื่อให้สามารถสืบค้นได้อย่างรวดเร็ว และความแตกต่างเหล่านั้นสามารถเชื่อมโยงกับสภาวะที่มีปัจจัยเสี่ยงทางพันธุกรรมที่ทราบกันอยู่แล้ว "เราคิดว่าสิ่งนี้จะทำให้การวิจัยจีโนมง่ายขึ้น" อดีตนักวิจัยของ Yale Gamze Gürsoy กล่าว

อ่านข่าวเต็มได้ที่: YaleNews

วันเสาร์ที่ 9 กรกฎาคม พ.ศ. 2565

หุ่นยนต์หิ่งห้อยเริ่มบินแล้ว

lightning-robot-bugs
ภาพจาก MIT News

หิ่งห้อยเป็นแรงบันดาลใจให้นักวิจัยที่ Massachusetts Institute of Technology (MIT) และ Ningxia University ของจีน สร้างหุ่นยนต์ที่บินและเปล่งแสงได้ซึ่งช่วยในการติดตามการเคลื่อนไหวและการสื่อสารให้สะดวกขึ้น 

นักวิจัยได้ออกแบบตัวกระตุ้นแบบอ่อนเพื่อควบคุมปีกของหุ่นยนต์ และฝังอนุภาคไฟฟ้าที่เรืองแสงไว้ภายในตัวกระตุ้น ซึ่งจะปล่อยแสงสีเมื่อสัมผัสกับสนามไฟฟ้าของหุ่นยนต์ 

ทีมงานใช้แสงนี้และกล้องสมาร์ทโฟนสามตัวกับโปรแกรมคอมพิวเตอร์เพื่อติดตามตำแหน่งและท่าทางของหุ่นยนต์ในระยะ 2 มิลลิเมตร ด้วยระบบจับภาพการเคลื่อนไหวอินฟราเรดที่ล้ำสมัย 

"นี่เป็นก้าวสำคัญในการส่งหุ่นยนต์เหล่านี้ขึ้นบินในสภาพแวดล้อมกลางแจ้ง เมื่อเราไม่มีระบบติดตามการเคลื่อนไหวที่ล้ำสมัยที่ได้รับการปรับแต่งมาอย่างดี" Kevin Chen จาก MIT กล่าว

อ่านข่าวเต็มได้ที่: MIT News

วันศุกร์ที่ 8 กรกฎาคม พ.ศ. 2565

อัลกอริทึมเรียนรู้เชิงลึกติดตั้งบนอุปกรณ์เคลื่อนที่เพื่อคัดกรองโรคตา

deep-learning-eye-disese-app
ภาพจาก The Engineer

อัลกอริทึม (deep learning) หรือ DL ที่พัฒนาโดยนักวิทยาศาสตร์ที่ Tohoku University ของญี่ปุ่นจะสแกนภาพดวงตาเพื่อระบุลักษณะที่เกี่ยวข้องกับโรค ตัวแบบ DLที่มีน้ำหนักเบาสามารถฝึกได้โดยใช้รูปภาพจำนวนน้อย และใช้กับอุปกรณ์เคลื่อนที่ได้

"ตัวแบบที่พัฒนาขึ้นของเรามีความแม่นยำในการแบ่งส่วนที่ดีขึ้น และเพิ่มความสามารถในการทำซ้ำของการฝึกตัวแบบแม้จะมีพารามิเตอร์น้อยลง ทำให้มีประสิทธิภาพและ ใช้ทรัพยากรน้อยกว่าเมื่อเทียบกับซอฟต์แวร์เชิงพาณิชย์อื่นๆ" Toru Nakazawa จาก Tohoku อธิบาย

นักวิจัยใช้อุปกรณ์ที่มีทรัพยากรไม่มากเพื่อตรวจคัดกรองโรคต้อหิน "ตัวแบบของเรายังสามารถตรวจจับ/แบ่งส่วนจุดบอดในดวงตา และการตกเลือดในภาพของก้นตาได้อย่างแม่นยำ" Nakazawa กล่าว

อ่านข่าวเต็มได้ที่: The Engineer

วันพฤหัสบดีที่ 7 กรกฎาคม พ.ศ. 2565

นักวิทยาศาสตร์พัฒนาอัลกอริทึมเพื่อศึกษาข้อมูลจีโนม

SCOPE-result
ภาพจาก UCLA Samueli School of Engineering

ทีมนักวิจัยจากหลายสถาบันที่นำโดย Sriram Sankararaman แห่ง University of California, Los Angeles มหาวิทยาลัยแคลิฟอร์เนีย ได้พัฒนาอัลกอริธึมที่สามารถวิเคราะห์ข้อมูลจีโนม (genome) ได้เร็วกว่าวิธีก่อนหน้านี้ถึง 1,800 เท่า ทำให้สามารถวิเคราะห์ข้อมูลจากผู้คน 1 ล้านคนในวันเดียวได้

นักวิจัยได้ออกแบบเทคนิค Scalable pOPulation structure inference (SCOPE) เพื่อเร่งและปรับขนาดการอนุมานความแปรปรวนทางพันธุกรรมภายในประชากร เพื่อเปิดเผยแบบรูป (pattern) นำไปสู่ข้อสรุปโดยตรงหรือหลีกเลี่ยงการค้นพบความสัมพันธ์ลวงในการวิจัย

SCOPE ช่วยลดปริมาณทรัพยากรที่ต้องใช้ในการประมวลผลชุดข้อมูลขนาดใหญ่ และลดต้นทุนในการคำนวณ ในการทดลองหนึ่ง นักวิจัยใช้หน่วยความจำเพียง 250 กิกะไบต์ (GB) ในการคำนวณ แทนที่จะใช้พื้นที่ประมาณ 2,000 GB ที่เครื่องมือวิจัยก่อนหน้านี้ใช้

อ่านข่าวเต็มได้ที่: UCLA Samueli School of Engineering


วันพุธที่ 6 กรกฎาคม พ.ศ. 2565

วัดการปล่อยคาร์บอนของ AI

AI-robot
Photo by Andrea De Santis on Unsplash

นักวิจัยจาก Allen Institute for AI ได้พัฒนาวิธีการคำนวณการปล่อยคาร์บอนของระบบปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่มีความแม่นยำมากขึ้น วิธีการใหม่นี้จะบันทึกการใช้พลังงานของชิปเซิร์ฟเวอร์ในลักษณะที่เป็นลำดับชุดของการวัด และจัดข้อมูลนั้นในรูปแบบลำดับของจุดชุดของจุดข้อมูลที่มีรายละเอียดการปล่อยพลังงานภายในต่อกิโลวัตต์ชั่วโมง (kWh) ของพลังงานที่ใช้ไป

นักวิจัยพบว่าหน่วยประมวลผลกราฟิกที่ฝึกโมเดลที่ใหญ่ที่สุดโดยให้ทำการฝึกแค่ 13% ของการทำงานที่สมบูรณ์ ปล่อยคาร์บอนเกือบเท่ากับการจ่ายไฟให้กับบ้านหนึ่งหลังในสหรัฐเป็นเวลาหนึ่งปี ในทางตรงกันข้าม การฝึกโมเดลที่เล็กที่สุดจะสร้างคาร์บอนได้มากพอ ๆ กับการชาร์จโทรศัพท์

อ่านข่าวเต็มไดที่: IEEE Spectrum

วันอังคารที่ 5 กรกฎาคม พ.ศ. 2565

เทคโนโลยีเบื้องหลังคริปโทอาจช่วยประหยัดเงินให้แบรนด์หรูเป็นพันล้าน

luxury-brand
ภาพจาก CNN

แบรนด์หรูกำลังใช้เทคโนโลยีบล็อกเชนเพื่อป้องกันผลิตภัณฑ์ของตนจากการปลอมแปลง กลุ่มบริษัทแบรนด์หรู LVMH ร่วมมือกับบริษัทแฟชั่น Prada และกลุ่มบริษัทเครื่องประดับ Cartier ใน Aura Blockchain Consortium ซึ่งเป็นแพลตฟอร์มไม่แสวงหาผลกำไรที่สร้างฝาแฝดดิจิทัลสำหรับผลิตภัณฑ์ที่ออกแบบโดยนักออกแบบ 

กลุ่มบริษัทนี้ใช้บล็อคเชนในการผลิตตัวระบุผลิตภัณฑ์ดิจิทัลสำหรับแบรนด์มากกว่า 20 แบรนด์ รวมถึงผลิตภัณฑ์ที่จดทะเบียนมากกว่า 17 ล้านรายการ ตามข้อมูลของเลขาธิการสมาคม Daniela Ott ซอฟต์แวร์ซึ่งรวบรวมสมุดบัญชีของข้อมูล เช่น ประเภทวัสดุและแหล่งที่มา ผลิตภัณฑ์ผลิตขึ้นที่ไหนและเมื่อใด และผลิตขึ้นจำนวนเท่าใด ช่วยให้ลูกค้าได้รับใบรับรองดิจิทัลสำหรับการรับรองว่าสินค้าเป็นของแท้ โดยไม่สามารถปลอมแปลงได้ Ott กล่าว

อ่านข่าวเต็มได้ที่: CNN

วันจันทร์ที่ 4 กรกฎาคม พ.ศ. 2565

โครงการภาษา AI แบบเปิดเผยโค้ดท้าทายตัวแบบของบริษัทยักษ์ใหญ่

text-displayed-on-screen
ภาพจาก Nature

ตัวแบบการประมวลผลภาษาธรรมชาติ (natural language processing) ที่พัฒนาโดยทีมงานนานาชาติซึ่งมีนักวิจัยประมาณ 1,000 คน จะกลายเป็นคู่แข่งได้ในระดับที่ใหญ่เท่าตัวแบบที่พัฒนาโดย Google และ OpenAI แต่จะเป็นแบบเปิดเผยโค้ด และใช้งานได้หลายภาษา

เป้าหมายของโครงการนี้คือการลดอคติของมนุษย์และข้อบกพร่องอื่นๆ ของระบบปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่ยากต่อการแก้ไข เนื่องจากบริษัทเทคโนโลยีขนาดใหญ่ได้ปิดตัวแบบของตนไม่ให้นักวิจัยรู้

แม้ว่าตัวแบบจะไม่ถึงกับปราศจากอคติ แต่ Yacine Jernite ของ HuggingFace กล่าวว่าทีมงานมีเป้าหมายที่จะปรับปรุงตัวแบบที่มีอยู่ผ่านการใช้แหล่งข้อมูลที่มีความหลากหลายทางวัฒนธรรม และมีคุณภาพสูง

อ่านข่าวเต็มได้ที่: Nature

วันอาทิตย์ที่ 3 กรกฎาคม พ.ศ. 2565

นักวิจัยพัฒนาอัลกอริทึมเพื่อช่วยศึกษาการเชื่อมต่อของสมอง

brain-connectivity
ภาพจาก The Hindu (India)

นักวิจัยจาก India's Indian Institute of Science (IISc.) ได้พัฒนาอัลกอริธึม Regularized, Accelerated, Linear Fascicle Evaluation (ReAl–LiFE) เพื่อให้ได้ข้อมูลเชิงลึกมากขึ้นเกี่ยวกับการเชื่อมต่อระหว่างส่วนต่างๆ ของสมองมนุษย์

อัลกอริทึมที่มุ่งใช้หน่วยประมวลผลกราฟิก (GPU) สามารถช่วยวิเคราะห์ข้อมูลการเชื่อมต่อที่เกิดจากการถ่ายภาพด้วยเครื่อง MRI แบบกระจาย (diffusion MRI) หรือ dMRI ที่สแกนได้เร็วกว่าเครื่องทั่วไปทั่วไป หรืออัลกอริธึมล้ำสมัย 100 ถึง 150 เท่า

ISSc. ให้ข่าวประชาสัมพันธ์ว่านักวิจัยได้ปรับเปลี่ยนอัลกอริธึมการหาค่าเหมาะสม (optimization)  LiFE เพื่อลดภาระในการคำนวณโดยกำจัดการเชื่อมต่อที่ซ้ำซ้อนและ ให้ทำงานใหม่เพื่อทำงานบน GPU Devarajan Sridharan จาก IISc. กล่าวว่า "งานที่ก่อนหน้านี้ใช้เวลาหลายชั่วโมงต่อวันสามารถทำได้ภายในไม่กี่วินาทีถึงไม่กี่นาที"

อ่านข่าวเต็มได้ที่: The Hindu (India)

วันเสาร์ที่ 2 กรกฎาคม พ.ศ. 2565

ช่องโหว่ใน AI ทำให้หุ่นยนต์เหยียดเชื้อชาติและเพศ

robot-pick-human
ภาพจาก Johns Hopkins University Hub

นักวิจัยจากมหาวิทยาลัย Johns Hopkins University,  Georgia Institute of Technology (Georgia Tech) และ University of Washington พบว่า หุ่นยนต์ที่ติดตั้งโมเดลปัญญาประดิษฐ์ที่สามารถดาวน์โหลดได้แบบสาธารณะ ซึ่งสร้างด้วยโครงข่ายประสาท CLIP แสดงอคติทางเพศและเชื้อชาติอย่างมีนัยสำคัญ

หุ่นยนต์ได้รับคำสั่ง 62 คำสั่งที่เกี่ยวข้องกับการเลือกบล็อกที่มีใบหน้ามนุษย์ที่หลากหลายและวางลงในกล่อง นักวิจัยพบว่าหุ่นยนต์เลือกผู้ชายบ่อยกว่าผู้หญิง 8 % และเลือกผู้ชายผิวขาวและเอเชียมากที่สุด และผู้หญิงผิวดำน้อยที่สุด

หุ่นยนต์ยังระบุด้วยว่าผู้หญิงเป็น "แม่บ้าน" มากกว่าผู้ชายผิวขาว ผู้ชายผิวดำเป็น "อาชญากร" มากกว่าผู้ชายผิวขาว 10% ผู้ชายลาตินเป็น "ภารโรง" มากกว่าผู้ชายผิวขาว 10% และผู้ชายเป็น "แพทย์" มากกว่าผู้หญิงทั้งหมดไม่ว่าเชื้อชาติอะไร

Andrew Hundt แห่ง Georgia Tech กล่าวว่า "หุ่นยนต์ได้เรียนรู้การเหมารวมที่เป็นพิษผ่านโมเดลโครงข่ายประสาทเทียมที่มีข้อบกพร่องเหล่านี้"

อ่านข่าวเต็มได้ที่: Johns Hopkins University Hub

วันศุกร์ที่ 1 กรกฎาคม พ.ศ. 2565

นักวิจัยเปิดเผยโค้ดการตัวจำลองภาพแบบเหมือนจริงของการขับเคลื่อนอัตโนมัติ

photo-realistic-data-for-autonomous-driving
ภาพจาก MIT News

ทีมวิจัยที่นำโดยนักวิจัยของ Massachusetts Institute of Technology (MIT) ได้พัฒนาเครื่องมือจำลองที่ขับเคลื่อนด้วยข้อมูล ซึ่งช่วยให้ยานยนต์ที่ขับเคลื่อนอัตโนมัติเรียนรู้ที่จะขับรถในโลกแห่งความเป็นจริง และแก้ไขจากสถานการณ์ที่เกือบชนกันได้

โค้ดเบื้องหลังระบบจำลองภาพแบบเหมือนจริง VISTA 2.0 กำลังถูกเปิดเผยสู่สาธารณะ Daniela Rus แห่ง MIT กล่าวว่า "ด้วยการเปิดตัวครั้งนี้ ชุมชนการวิจัยจะสามารถเข้าถึงเครื่องมือใหม่อันทรงพลังสำหรับทำให้การวิจัยและพัฒนาการควบคุมที่มีประสิทธิภาพแบบปรับได้สำหรับการขับขี่แบบอัตโนมัติทำได้เร็วขึ้น"

Alexander Amini จาก MIT กล่าวว่า "VISTA 2.0 แสดงให้เห็นถึงความสามารถในการจำลองข้อมูลเซ็นเซอร์ได้ดีกว่ากล้องสองมิติแบบ RGB มากเท่านั้น แต่ยังดีกว่า LiDAR สามมิติ ซึ่งมีจำนวนมิติสูงมากด้วยจุดนับล้าน กล้องติดตามตามเหตุการณ์ไม่ปกติ และแม้แต่การโต้ตอบแบบไดนามิกกับยานพาหนะอื่น ๆ "

อ่านข่าวเต็มได้ที่: MIT News