AI อาจเจาะภาษาของมะเร็งและอัลไซเมอร์ได้

Image credit: Weitz lab, Harvard University

การศึกษาของนักวิจัยจาก St. John's College, University of Cambridge ในสหราชอาณาจักรพบว่า "ภาษาทางชีววิทยา" ของโรคมะเร็งอัลไซเมอร์และโรคทางระบบประสาทอื่น ๆ สามารถทำนายได้โดยการเรียนรู้ของเครื่อง (machine learning) นักวิจัยใช้อัลกอริทึมที่คล้ายกับที่ใช้โดย Netflix, Facebook และผู้ช่วยด้านเสียงเช่น Alexa และ Siri เพื่อฝึกตัวแบบเครือข่ายประสาทเทียมเชิงภาษา เพื่อศึกษาการควบแน่น (condensate) ทางชีวโมเลกุล  (biomolecular) Tuomas Knowles ของ St. John's College กล่าวว่า "ข้อบกพร่องใด ๆ ที่เชื่อมต่อกับหยดโปรตีนเหล่านี้อาจนำไปสู่โรคต่าง ๆ เช่นมะเร็ง นี่คือเหตุผลที่การนำเทคโนโลยีการประมวลผลภาษาธรรมชาติมาใช้ในการวิจัยเกี่ยวกับโมเลกุลที่เป็นต้นกำเนิดของความผิดปกติของโปรตีนจึงมีความสำคัญหากเราต้องการให้สามารถแก้ไขความผิดพลาดทางไวยากรณ์ในเซลล์ซึ่งทำให้เกิดโรค"

อ่านข่าวเต็มได้ที่: University of Cambridge (U.K.)

หุ่นยนต์จากสวิสใช้แสงยูวีเพื่อฆ่าเชื้อไวรัสให้กับเครื่องบินโดยสาร

ภาพจาก Reuters

หุ่นยนต์ที่พัฒนาโดย UVeya สตาร์ทอัพสัญชาติสวิสใช้แสงอัลตราไวโอเลต หรือ UV เพื่อฆ่าไวรัสบนเครื่องบินโดยสารของสวิส ในการทดสอบที่ดำเนินการกับบริษัทผู้ให้บริการสนามบิน Dnata ในสหรัฐอาหรับเอมิเรตส์ ทีม UVeya ได้สร้างหุ่นยนต์ต้นแบบ 3 ตัวซึ่งหนึ่งในนั้น Jodoc Elmiger ผู้ร่วมก่อตั้งได้สาธิตมาแล้วในเครื่องบินเจ็ทของ Helvetic Airways ที่สนามบิน Zurich ของสวิตเซอร์แลนด์ หุ่นยนต์ 1 ตัวสามารถฆ่าเชื้อเครื่องในหนึ่งช่องทางเดินของเครื่องบินได้ภายใน 13 นาที Lukas Gyger แห่ง Dnata กล่าวว่า "เรากำลังมองหาทางออกที่ยั่งยืนและเป็นมิตรกับสิ่งแวดล้อม เพื่อให้แน่ใจว่าผู้เดินทางโดยเครื่องบินจะไม่ป่วย"

อ่านข่าวเต็มได้ที่: Reuters

เครือข่ายเรียนรู้เชิงลึกชอบเสียงคนมากกว่า

 

ภาพจาก Columbia Engineering

Hod Lipson และ Boyuan Chen จาก Columbia University สาธิตให้เห็นว่าระบบปัญญาประดิษฐ์ที่ตั้งโปรแกรมด้วยไฟล์เสียงภาษามนุษย์สามารถทำงานได้ดีกว่าระบบที่เข้ารหัสด้วยป้ายกำกับข้อมูลที่เป็นตัวเลข  วิศวกรได้สร้างเครือข่ายประสาทเทียมสองเครือข่าย และฝึกให้พวกมันจดจำวัตถุ 10 ประเภทในชุดภาพถ่าย 50,000 ภาพ ระบบหนึ่งได้รับการฝึกฝนด้วยอินพุตไบนารี ในขณะที่อีกระบบหนึ่งได้รับการป้อนตารางข้อมูลที่มีรูปถ่ายของสัตว์หรือสิ่งของพร้อมไฟล์เสียงที่สอดคล้องกันของเสียงของมนุษย์ที่พูดชื่อสัตว์หรือสิ่งของ นักวิจัยจากโคลัมเบียพบว่าเมื่อนำเสนอด้วยภาพเครือข่ายโปรแกรมไบนารีจะตอบด้วย 1 และ 0 ในขณะที่อีกเครือข่ายหนึ่งจะพูดชื่อของวัตถุจากภาพ เมื่อทดสอบด้วยภาพที่ไม่ชัดเจนพบว่าเครือข่ายที่ฝึกด้วยเสียงมีความแม่นยำ 50% ในขณะที่เครือข่ายที่ฝึกด้วยตัวเลขมีความแม่นยำเพียง 20%

อ่านข่าวเต็มได้ที่: Columbia Engineering

เครื่องมือ AI สามารถช่วยตรวจหาเนื้องอกได้

ภาพจาก MIT News

นักวิจัยจาก Massachusetts Institute of Technology (MIT) ได้ออกแบบระบบปัญญาประดิษฐ์ที่วิเคราะห์ภาพแบบ wide-field ของผิวของผู้ป่วยเพื่อตรวจหามะเร็งผิวหนังได้อย่างมีประสิทธิภาพมากขึ้น กระบวนการนี้ใช้โครงข่ายประสาทเทียมแบบ deep convolutional (DCNNs) เพื่อเพิ่มประสิทธิภาพในการระบุ และการจำแนกประเภทของสีของรอยโรคที่น่าสงสัย ( suspicious pigmented lesions) หรือ SPL ในภาพแบบ wide-field นักวิจัยของ MIT ได้ฝึกฝนระบบโดยใช้ภาพแบบ wide-field 20,388 ภาพจากผู้ป่วย 133 คนที่ Hospital Gregorio Marañón ในสเปน รวมถึงภาพที่เผยแพร่ต่อสาธารณะด้วย แพทย์ผิวหนังจำแนกรอยโรคด้วยสายตาจากภาพเพื่อเปรียบเทียบ โดยระบบมีความไวมากกว่า 90.3% ในการแยกความแตกต่างของ SPL จากแผลที่ไม่น่าสงสัย ผิวหนัง และพื้นหลัง (ของภาพ) ทีมีความซับซ้อน

อ่านข่าวเต็มได้ที่: MIT News

Rice กับ Intel ฝึกฝน AI แบบเหมาะสมที่สุดสำหรับฮาร์ดแวร์ของสินค้าโภคภัณฑ์

ภาพจาก Rice University

นักวิทยาศาสตร์คอมพิวเตอร์ของ Rice University และผู้ร่วมงานจาก Intel ได้สาธิตซอฟต์แวร์ปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่ทำงานบนโปรเซสเซอร์ของสินค้าโภคภัณฑ์ และฝึกเครือข่ายประสาทเทียมเชิงลึก (deep neural network)  หรือ DNN ได้เร็วกว่าแพลตฟอร์มที่ใช้หน่วยประมวลผลกราฟิก  หรือ GPU อย่างมีนัยสำคัญ Anshumali Shrivastava ของ Rice กล่าวว่าค่าใช้จ่ายในการฝึกอบรม DNN ถือเป็นปัญหาคอขวดที่ใหญ่ที่สุดใน AI และ sub-linear deep learning engine (SLIDE) ซึ่งทีมได้พัฒนาขึ้นเอาชนะมันได้ด้วยการทำงานบนซีพียูของสินค้าโภคภัณฑ์ และด้วยมองว่าการฝึก DNN เป็นปัญหาการสืบค้นโดยใช้ตารางแฮช   (hash table) งานวิจัยล่าสุดได้พิจารณาถึงผลกระทบของ vectorization และตัวเร่งการเพิ่มประสิทธิภาพหน่วยความจำที่มีต่อ CPU Shrivastava กล่าวว่า "เราใช้ประโยชน์จากนวัตกรรมเหล่านั้นเพื่อใช้ SLIDE ให้ดียิ่งขึ้นไปอีกโดยแสดงให้เห็นว่าถ้าเราแก้ไขการคูณเมทริกซ์ไม่ได้ เรายังสามารถใช้ประโยชน์จากพลังในซีพียูสมัยใหม่ และฝึกโมเดล AI ได้เร็วกว่าฮาร์ดแวร์เฉพาะทางที่ดีที่สุดถึง 4 ถึง 15 เท่า"

อ่านข่าวเต็มได้ที่: Rice University News

ภาษาโปรแกรมรุ่นเก๋าจู่ ๆ กลับมาได้รับความนิยมอีกครั้ง

TIOBE Index April 2021

ดัชนี Tiobe Programming Community ล่าสุด แสดงให้เห็นว่า Objective-C หลุดจากรายการภาษาโปรแกรมยอดนิยม 20 อันดับแรก ในขณะที่ Fortran ขึ้นจากอันดับที่ 34 เป็นอันดับที่ 20 ในปีที่ผ่านมา Tiobe ตั้งสมมติฐานว่าที่ Objective-C ยังคงได้รับความนิยมส่วนหนึ่งเป็นเพราะการใช้ Swift ลดลง เนื่องจากนักพัฒนาแอปพลิเคชันมือถือมุ่งเน้นไปที่ภาษาที่สามารถใช้ในการสร้างแอปที่ทำงานได้บนหลายแพลตฟอร์ม ตัว Swift เองก็ตกลงไปที่อันดับ 15 จากที่เคยอยู่อันดับ 11 เมื่อเมษายนปี 2020 Fortran ซึ่งถูกเผยแพร่โดย IBM ในปี 1950 ยังคงเป็นภาษายอดนิยมในแวดวงการคำนวณทางวิทยาศาสตร์ Tiobe บอกว่า "Fortran เป็นภาษาการเขียนโปรแกรมเชิงพาณิชย์จริง ๆ ตัวแรก  และกำลังได้รับความนิยมเนื่องจากความต้องการคำนวณที่ต้องใช้ตัวเลขมาก ๆ   [ทางวิทยาศาสตร์]"

อ่านข่าวเต็มได้ที่: ZDNet

ทำไมคำตัดสินของศาลสูงที่ให้ Google ชนะ Oracle จึงเป็นชัยชนะของนวัตกรรม

Tom Carnegie on Unsplash

เมื่อวันจันทร์ที่ผ่านมา (5 เมษายน) ศาลสูงสหรัฐได้ยุติการต่อสู้ทางกฎหมายที่ยาวนานกว่าทศวรรษในการตัดสินว่า Google ไม่ได้ละเมิดลิขสิทธิ์ของ Oracle ที่เกี่ยวข้องกับภาษาโปรแกรม Java การตัดสินจะเกี่ยวข้องกับการใช้  API (Application Program Interface) ซึ่งทำให้ฮาร์ดแวร์หรือซอฟต์แวร์ของบริษัทต่าง ๆ สามารถติดต่อกันได้  Microsoft, Red Hat ของ IBM และ Mozilla เป็นส่วนหนึ่งในบริษัทเทคโนโลยีที่อาจได้รับผลกระทบ เนื่องจากการพัฒนาซอฟต์แวร์ใหม่อาจถูกขัดขวางหากความต้องการของ Oracle ได้รับการอนุมัติ  Stan Adams จาก Center for Democracy and Technology  "ผลการตัดสินครั้งนี้ถือเป็นชัยชนะครั้งใหญ่สำหรับนักพัฒนาและผู้บริโภค เมื่อซอฟต์แวร์ทำงานร่วมกันได้ซึ่งหมายถึงหมายความว่าซอฟต์แวร์ตัวหนึ่งสามารถพูดคุยกับซอฟต์แวร์อีกตัวหนึ่ง มันก็ง่ายที่จะสร้างนวัตกรรมและสร้างบริการใหม่ ๆ "

อ่านข่าวเต็มได้ที่: Fortune

เพิ่มเติมเสริมข่าว: ถ้าใครอยากรู้ที่มาที่ไป และความสำคัญของชัยชนะด้าน API นี้ สามารถย้อนไปอ่านข่าวที่ผมเขียนไว้เมื่อต้นปี 2563 ได้ครับ

เครื่องมือที่ใช้ AI เป็นฐานสามารถตรวจจับอาการไบโพลาร์ได้ตั้งแต่ระยะเริ่มต้น

Owen Beard on Unsplash

ตัวแบบการเรียนรู้ของเครื่อง (machine learning) หรือ ML ที่พัฒนาโดยนักวิจัยจาก University of Alberta (UAlberta) ของแคนาดาและเพื่อนร่วมงานจากจีน สามารถช่วยระบุการขาดดุลทางปัญญาที่ละเอียดอ่อน ซึ่งบ่งบอกถึงโรคไบโพลาร์ในระยะเริ่มต้นหรือขั้นแรกของโรค ทีมได้ฝึกตัวแบบโดยการเปรียบเทียบผู้ป่วยที่เป็นโรคไบโพลาร์เรื้อรัง กับกลุ่มควบคุมที่สุขภาพดี จากนั้นแสดงให้เห็นว่าตัวแบบสามารถแยกความแตกต่างของผู้ป่วยโรคไบโพลาร์ในขั้นแรกจากกลุ่มควบคุมด้วยความแม่นยำ 76% นักวิจัยคิดว่าการทดสอบความรู้ความเข้าใจ (cognitive test) ที่ใช้การวิเคราะห์ ML เป็นเทคนิคที่ใช้ค่าใช้จ่ายน้อย และใช้เวลาในการวินิจฉัยโรคไบโพลาร์น้อยกว่าการถ่ายภาพสมอง และมันยังสามารถติดตามอาการเมื่อเวลาผ่านไปได้อีกด้วย

อ่านข่าวเต็มได้ที่: Folio (University of Alberta, Canada)

นักวิจัยออสเตรเลียใช้การเรียนรู้ของเครื่องเพื่อวิเคราะห์ศิลปะในหิน

Image: Mimal Land Management Aboriginal Corporation (MLMAC)

นักวิจัยชาวออสเตรเลียใต้ที่มหาวิทยาลัย Flinders กำลังวิเคราะห์วิวัฒนาการของศิลปะบนหินผ่านการเรียนรู้ของเครื่อง (machine learning) ทีมงานได้ศึกษาภาพงานศิลปะที่รวบรวมระหว่างการสำรวจพื้นที่ Arnhem Land โดยใช้ตัวแบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน (convolutional neural network) ที่ได้รับการฝึกฝนและเผยแพร่ก่อนหน้านี้ และกลุ่มของชุดข้อมูลที่แต่ละชุดออกแบบมาสำหรับการจำแนกประเภทวัตถุ ผู้ตรวจสอบจาก Flinders ใช้การเรียนรู้แบบถ่ายโอน (transfer learning) เพื่อปรับใช้เครือข่ายเหล่านี้บนชุดข้อมูลโดยไม่ต้องฝึกอบรมใหม่ และวิเคราะห์การตอบสนองของตัวแบบบนชุดข้อมูลศิลปะในก้อนหิน Daryl Wesley ของ Flinders กล่าวว่าคอมพิวเตอร์ได้สังเกตเห็นวัตถุมากกว่า 1,000 ประเภท และเรียนรู้ที่จะแยกความแตกต่างโดยดูจากภาพถ่าย Ian Moffat ของ Flinders กล่าวว่าการเรียนรู้แบบถ่ายโอนช่วยขจัดอคติของมนุษย์จำนวนมากออกจากการวิเคราะห์ และแง่มุมที่น่าตื่นเต้นอย่างยิ่งของงานวิจัยนี้ก็คือ "เป็นการทำซ้ำผลลัพธ์ที่ได้จากการศึกษาอื่น ๆ ที่ใช้วิธีการแบบดั้งเดิมมากกว่านี้"

อ่านข่าวเต็มได้ที่: ZDNet

จากการศึกษาของ MIT พบข้อผิดพลาด "อย่างเป็นระบบ" ในการให้ป้ายกำกับของชุดข้อมูลที่ได้รับความนิยมในการทำเบนช์มาร์กของ AI

ตารางแสดงเปอร์เซ็นต์ของการให้ป้ายกำกับที่ผิดพลาดของชุดข้อมูลยอดนิยมของเบนช์มาร์ก AI

การวิเคราะห์โดยนักวิจัยของ Massachusetts Institute of Technology (MIT) แสดงให้เห็นถึงความอ่อนแอของชุดข้อมูลมาตรฐานปัญญาประดิษฐ์โอเพนซอร์สที่เป็นที่นิยม เนื่องจากข้อผิดพลาดในให้ป้ายกำกับ ทีมงานได้ตรวจสอบชุดทดสอบ 10 ชุดจากชุดข้อมูลรวมถึงฐานข้อมูล ImageNet และพบว่ามีข้อผิดพลาดเฉลี่ย 3.4% ในชุดข้อมูลทั้งหมด นักวิจัยของ MIT คำนวณว่าฐานข้อมูล QuickDraw ที่ดูแลโดย Google ซึ่งมีภาพวาด 50 ล้านภาพ มีข้อผิดพลาดมากที่สุดในชุดทดสอบโดยอยู่ที่ 10.12% ของป้ายกำกับทั้งหมด นักวิจัยกล่าวว่าการให้ป้ายกำกับที่ไม่ถูกต้องเหล่านี้ทำให้ผลการทดสอบจากชุดทดสอบไม่เสถียร นักวิจัยสรุปว่า "โดยทั่วไปแล้วผู้ปฏิบัติงานด้านแมชชีนเลิร์นนิงจะเลือกตัวแบบที่จะใช้ตามความแม่นยำในการทดสอบ การค้นพบของเราแนะนำให้ระวัง โดยเสนอว่าการตัดสินตัวแบบจากชุดทดสอบที่มีป้ายกำกับอย่างถูกต้องอาจมีประโยชน์มากกว่า โดยเฉพาะอย่างยิ่งสำหรับชุดข้อมูลจริงที่มักจะมีข้อมูลที่มีข้อมูลที่ไม่พึงประสงค์ปะปนมา 

อ่านข่าวเต็มได้ที่: VentureBeat

เครื่องมือเอาแบบรูปด้านมืดออกจากแอปมือถือ

Photo: iStockphoto

นักวิจัยจาก University of Oxford ของสหราชอาณาจักรได้พัฒนาเครื่องมือชื่อ GreaseDroid ที่ใช้งานง่ายในการกำจัดคุณลักษณะการออกแบบ "แบบรูปด้านมือ (dark pattern)  จากแอปพลิเคชันมือถือยอดนิยม คุณลักษณะดังกล่าวมีจุดมุ่งหมายเพื่อปรับเปลี่ยนพฤติกรรมออนไลน์ของผู้ใช้ เพื่อประโยชน์ของผู้สร้างแอป ซึ่งอาจส่งผลเสียต่อความเป็นอิสระของผู้ใช้ ความเป็นส่วนตัว ความปลอดภัย และทางเลือกของผู้ใช้อย่างมีนัยสำคัญ GreaseDroid ช่วยให้ผู้ใช้ติดตั้งโปรแกรมเพื่อแก้ไขโค้ดของแอป และลบหรือแก้ไขคุณสมบัติที่รองรับแบบรูปด้านมืดผ่านทางเว็บพอร์ทัล ผู้ใช้เลือกแอปที่จะแก้ไขจากนั้นเรียกดูไลบรารีของแพตช์ที่มีเป้าหมายแก้ไขแบบรูปด้านมืดที่แตกต่างกัน หลังจากเลือกแล้ว ซอฟต์แวร์ GreaseDroid จะติดตั้งการเปลี่ยนแปลง และให้ลิงก์สำหรับดาวน์โหลดแอปเวอร์ชันที่ผู้ใช้กำหนดเอง Colin Gray จาก Purdue University กล่าวว่า GreaseDroid เน้นในประเด็น "การใช้สิ่งที่อาจถือได้ว่าเป็น 'การแฮ็ก' อย่างมีจริยธรรมเพื่อให้ผู้บริโภคสามารถตอบสนองต่อภัยคุกคามที่ติดมา และทำงานอยู่ในแอปบนอุปกรณ์อัจฉริยะของตัวเอง"

อ่านข่าวเต็มได้ที่: IEEE Spectrum

เพิ่มเติมเสริมข่าว: 

เป็นแนวคิดที่น่าสนใจดีนะครับ ใครที่สนใจจะลองใช้ GreaseDroid  ลองเข้าไปที่ Github นี้ครับ  โดยจะมีการนำเสนองานนี้ใน ACM Conference on Human Factors in Computing Systems ในเดือนพฤษภาคมนี้ครับ

Microsoft ตั้งเป้าตำแหน่งงาน 50,000 ตำแหน่ง จาการพยายามฝึกทักษะใหม่ผ่านเว็บไซต์ LinkedIn

ภาพจาก Reuters

Microsoft ประกาศความตั้งใจที่จะจ้างคน 50,000 คนสำหรับงานที่ต้องใช้ทักษะด้านเทคโนโลยีในอีกสามปีข้างหน้า ซึ่งเป็นส่วนหนึ่งของแคมเปญที่รณรงค์ผ่านเว็บไซต์เครือข่ายสำหรับคนทำงาน LinkedIn เพื่อเพิ่มทักษะให้กับพนักงานที่ได้รับผลกระทบจากการระบาดของโรคให้มีความรู้ในสาขาใหม่ Microsoft กล่าวว่าตำแหน่งดังกล่าวจะอยู่ใน "ระบบนิเวศ" ของ บริษัทในการใช้หรือช่วยขายผลิตภัณฑ์ การผลักดันดังกล่าวเริ่มขึ้นเมื่อปลายปีที่แล้ว เนื่องจากการปิดกิจการที่เกิดจากโรคระบาดซึ่งส่งผลกระทบต่อพนักงานบริการมากกว่าพนักงานด้านเทคโนโลยี และพนักงานบริษัทอื่น ๆ ที่สามารถทำงานจากที่บ้านได้ LinkedIn  เปิดให้เรียนหลักสูตรฝึกอบรมทักษะดิจิทัลมากมายที่เคยต้องเสียเงินในการสมัครเรียน ให้สามารถเรียนได้ฟรี โดยหลักสูตรมีตั้งแต่การพัฒนาซอฟต์แวร์ การวิเคราะห์ข้อมูล และไปจนถึงการวิเคราะห์ทางการเงิน  เว็บไซต์กล่าวว่าจะขยายหลักสูตรฟรีไปจนถึงสิ้นปีในขณะที่ Microsoft และ LinkedIn ประเมินว่ามีผู้ลงทะเบียนทั้งหมดถึง 30.7 ล้านคนเพิ่มขึ้นจากที่คาดไว้ 25 ล้านคน

อ่านข่าวเต็มได้ที่: Reuters

Turing Awards ปีนี้เป็นของผู้ที่วางรากฐานการเขียนโปรแกรมคอมพิวเตอร์

The New York Times

ACM ประกาศว่า Jeffrey Ullman และ Alfred Aho จะเป็นผู้ได้ Turing Awards  ในปีนี้ สำหรับผลงานของพวกเขาเกี่ยวกับแนวคิดที่เป็นรากฐานสำหรับภาษาโปแกรมคอมพิวเตอร์ นักวิทยาศาสตร์ทั้งสองช่วยปรับแต่งคอมไพเลอร์ให้สามารถแปลโปรแกรมซอฟต์แวร์ที่มนุษย์เขียนขึ้นให้เป็นสิ่งที่คอมพิวเตอร์สามารถเข้าใจได้อย่างมีประสิทธิภาพ และช่วยให้ในทุกวันนี้คนทุกคนสามารถเขียนโปรแกรมคอมพิวเตอร์เพื่อให้ทำงานใหม่ ๆ ได้ Ullman และ Aho ยังเป็นผู้เขียนตำราเรียนหลายเล่ม และสอนนักเรียนมาหลายชั่วอายุคน โดยที่พวกเขาแยกการพัฒนาซอฟต์แวร์ออกมาจากสาขาอื่น ๆ อย่างเช่น เช่นวิศวกรรมไฟฟ้าหรือคณิตศาสตร์ Krysta Svore จาก Columbia Universit กล่าวว่างานของเธอในด้านคอมพิวเตอร์ควอนตัมที่ Microsoft สร้างขึ้นจากแนวคิดภาษาคอมพิวเตอร์ของ Ullman และ Aho เนื่องจากระบบควอนตัมต้องการภาษาโปรแกรมของตนเอง

อ่านข่าวเต็มได้ที่: The New York Times

หุ่นยนต์เรียนการผูกเงื่อนโดยใช้นิ้วแค่สองนิ้วบนมือแต่ละข้าง

ภาพจาก New Scientist

Tetsuya Ogata และเพื่อนร่วมงานที่ Waseda University ของญี่ปุ่นได้สอนหุ่นยนต์ที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ให้ผูกปมไว้รอบ ๆ กล่องโดยใช้นิ้วเพียงสองนิ้วในแต่ละมือ ในครั้งแรกทีมสั่งงานหุ่นยนต์สองแขนโดยตรงผ่านรีโมทคอนโทรลให้ผูกเงื่อนหลายสิบครั้ง จากนั้นรวบรวมข้อมูลที่บันทึกไว้จากกล้องที่ติดอยู่ด้านบน และพรอกซิมิตีเซ็นเซอร์ (proximity sensor) บนนิ้วมือ เชือกครึ่งหนึ่งมีสีน้ำเงินและอีกครึ่งหนึ่งมีสีแดงเพื่อช่วยให้จำแนกได้ง่ายขึ้น  นักวิจัยของ Waseda ใช้ข้อมูลที่รวบรวมได้ฝึกโครงข่ายประสาทเทียมเพื่อให้ทำงานซ้ำ โดยหุ่นยนต์ผูกเชือกที่มีสีได้สำเร็จ 95% และ 90% สำหรับเชือกสีขาวซึ่งไม่ได้ถูกฝึกมาก่อน

อ่านข่าวเต็มได้ที่: New Scientist

กล้องภายในรถของ Tesla อาจคุกคามความเป็นส่วนตัวของคนขับ

ภาพจาก CNet

Consumer Reports (CR) กล่าวว่ากล้องในห้องโดยสารที่ผู้ผลิตรถยนต์ไฟฟ้า Tesla รวมเข้ากับระบบช่วยผู้ขับขี่ อาจคุกคามความเป็นส่วนตัวของผู้ขับขี่ได้ กล้องจะบันทึกและส่งฟุตเทจจากในรถ และรายงานของ CR ได้เตือนผู้ขับขี่ที่ไม่เลือกืั้จะไม่ไม่เข้าร่วมโปรแกรมว่า พวกเขากำลังยอมให้ Tesla เข้าถึงข้อมูลที่ละเอียดอ่อน  ภายใน Model 3 และ Model Y ของ Tesla กล้องสามารถบันทึกช่วงเวลาก่อนการเบรกฉุกเฉินอัตโนมัติหรือช่วงเวลาก่อนเกิดอุบัติเหตุ และเป็นไปได้ที่รถจะแชร์เนื้อหานี้กับ Tesla ผู้ผลิตรถยนต์รายอื่นใช้ระบบป้อนข้อมูลแบบปิด (closed-loop) โดยจะไม่ส่งหรือบันทึกข้อมูลของคนขับภายในในรถน้อยกว่ามาก แม้จะมีการป้องกันว่าใครสามารถเข้าถึงภาพนี้ได้ แต่ CR กล่าวว่ามีความเป็นไปได้ที่ทุกคนรวมถึงคนร้ายสามารถเข้าถึงได้

อ่านข่าวเต็มได้ที่: CNet

ใช้ AI เพื่อเข้าใจว่าสมองเข้าใจประโยคได้อย่างไร

AI ช่วยให้เราเข้าใจว่าสมองแยกความแตกต่างจากประโยคอธิบายรูป "The cat ran over the car." กับ "The car ran over the cat." ได้อย่างไร ภาพจาก  University of Rochester Medical Center

นักวิจัยจาก University of Rochester Medical Center (URMC) และ Medical College of Wisconsin ได้รวมงานด้าน neuroimaging  และปัญญาประดิษฐ์ (artificial intelligence) หรือ AI  เข้าด้วยกัน เพื่ออธิบายกลไกของสมองในการทำความเข้าใจประโยค ทีมงานได้ทำการสแกนภาพสมองของผู้เข้าร่วมในการศึกษานี้ ด้วย functional magnetic resonance imaging (fMRI) ในขณะที่พวกเขากำลังอ่านประโยค ซึ่งจะแสดงให้เห็นถึงกิจกรรมการทำงานของสมอง ข้ามเครือข่ายในบริเวณต่าง ๆ ของสมอง ด้วยการใช้ตัวแบบ InferSent AI ของ Facebook นักวิจัยสามารถทำนายแบบรูปของกิจกรรมที่ได้จาก fMRI ที่สะท้อนการเข้ารหัสความหมายของประโยคระหว่างบริเวณต่าง ๆ ของสมอง Andrew Anderson จาก URMC กล่าวว่า "นี่เป็นครั้งแรกที่เราใช้แบบจำลองนี้เพื่อทำนายการทำงานของสมองในบริเวณต่าง ๆ เหล่านี้ และนั่นเป็นหลักฐานใหม่ที่แสดงให้เห็นว่าการแแทนที่ความหมายตามบริบทถูกเข้ารหัสทั่วทั้งเครือข่ายภาษาแบบกระจาย แทนที่จะอยู่ที่ไซต์เดียวในสมอง

อ่านข่าวเต็มได้ที่: University of Rochester Medical Center

อยากนัดฉีดวัคซีน (ในอเมริกา) ไหม ถ้ารู้จักนักเขียนโปรแกรมภาษา python ช่วยได้

Anjali Nair / NBC News; Getty Images

ชุมชนออนไลน์ของนักเขียนโปรแกรมได้ช่วยให้ครอบครัวและเพื่อน ๆ ได้เปรียบในการแย่งกันนัดหมายฉีดวัคซีน นักเขียนโปรแกรมเหล่านี้เขียนสคริปต์ง่าย ๆ เพื่อขูด (scrape) ข้อมูลหน้าเว็บไซต์ของรัฐหรือของร้านขายยาในทุก ๆ หนึ่งหรือสองวินาทีเพื่อดูว่าเปิดให้นัดหรือยัง จากนั้นส่งข้อความไปเพื่อจองฉีดวัคซีนเมื่อพบว่าเปิดให้นัดแล้ว (ประเด็นคือถ้าไม่ใช้สคริปต์นี้ คนที่ต้องการจองจะต้องคอยรีเฟรชหน้าเว็บไซต์เอง: ผู้สรุป)  มีการอัปโหลดสคริปต์เหล่านี้เป็นโหล ๆ บน GitHub บางคนตั้งคำถามว่ากิจกรรมนี้ผิดจริยธรรมหรือผิดกฎหมายหรือไม่ ทนายความในบรูคลินนิวยอร์ก Tor Ekeland กล่าวว่า "การขูดข้อมูลจากเซิร์ฟเวอร์ที่เปิดเผยต่อสาธารณะ ซึ่งไม่ได้ใช้โปรโตคอลการตรวจสอบสิทธิ์ใด ๆ เช่นชื่อผู้ใช้หรือรหัสผ่านเป็นเรื่องที่ทำได้ เป็นที่รับรู้กันอยู่แล้วว่าการขูดข้อมูลเป็นองค์ประกอบขนาดใหญ่ของเศรษฐกิจและชีวิตของเรา เราใช้มันเพื่อให้ได้ข้อมูลราคา ข่าว และการสื่อสารในเครือข่ายสังคมของเรา" 

อ่านข่าวเต็มได้ที่: NBC News

ภาษาการเขียนโปรแกรมแปลงกฎหมายเป็นโค้ดคอมพิวเตอร์ที่ 'พิสูจน์ได้ว่าถูกต้อง'

Credit: Sergii Gnatiuk/Shutterstock

ความพยายามร่วมกันของนักวิจัยจาก National Institute for Research in Digital Science and Technology  (Inria) ของฝรั่งเศส และ Microsoft Research ทำให้เกิด Catala ซึ่งเป็นภาษาเขียนโปรแกรมที่ออกแบบมาเพื่อเก็บ และดำเนินการตามอัลกอริทึมทางกฎหมาย ผู้สร้างกล่าวว่า Catala แปลกฎหมายเป็นรหัสคอมพิวเตอร์ที่ถูกต้อง ซึ่งสามารถนำไปใช้ได้อย่างโปร่งใส ซึ่งสิ่งนี้น่าจะส่งเสริมความไว้วางใจของสาธารณต่อระบบ ที่บางครั้งถูกปกปิดและเกี่ยวข้องกับโค้ดที่คลุมเครือและถูกปรับแต่งหลายบรรทัด  Denis Merigoux จาก  Inria และเพื่อนร่วมงานของเขากล่าวว่า มันสามารถเอาชนะปัญหาหลัก ๆ ที่เกิดจากความแตกต่างทางวัฒนธรรมระหว่างชุมชนด้านกฎหมายและชุมชนการเขียนโปรแกรม

อ่านข่าวเต็มได้ที่: Discover

เพิ่มเติมเสริมข่าว: ใครที่อยากดูว่าโค้ดภาษาโปรแกรมหน้าตาเป็นยังไง ดูได้จาก GitHub นี้ ครับ ถ้าใช้ได้จริง นำมาใช้กับกฎหมายไทย ไม่รู้จะกำจัดพวกเนติบริกรไปได้บ้างหรือเปล่า

อัลตร้าซาวด์อ่านสมองลิงเปิดเส้นทางสู่การควบคุมเครื่องจักรด้วยความคิด

ภาพจาก Science

นักวิจัยจาก California Institute of Technology ได้พัฒนาวิธีการทำนายการเคลื่อนไหวของตาหรือมือของลิงโดยใช้การถ่ายภาพอัลตราซาวนด์ การค้นพบนี้สามารถช่วยให้ผู้ที่เป็นอัมพาตสามารถควบคุมขาเทียมได้โดยไม่ต้องมีการปลูกถ่ายในสมอง (แต่เทคนิคนี้ยังคงต้องผ่ากะโหลกศีรษะชิ้นเล็ก ๆ ออกบ้าง) เนื่องจากอัลตราซาวนด์ให้สัญญาณได้แรงน้อยกว่าอิเล็กโทรดที่ฝังไว้ นักวิจัยจึงทดสอบว่าสัญญาณดังกล่าวให้ข้อมูลที่เพียงพอสำหรับคอมพิวเตอร์ในการตีความการเคลื่อนไหวที่ตั้งใจไว้หรือไม่ โดยการใส่เครื่องแปลงสัญญาณอัลตราซาวนด์เข้าไปในกะโหลกของลิงสองตัว นักวิจัยพบว่าอัลกอริทึมมีความแม่นยำในการทำนายการเคลื่อนไหวของตาลิงอยู่ที่ 78%  และ 89% ในการทำนายการเหยียดแขน

อ่านข่าวเต็มได้ที่: Science

เทคโนโลยีจะสร้างงานมากมายปัญหาอยู่ที่จะหาคนที่มาทำงานได้หรือไม่

image: Getty Images/iStockphoto

การวิเคราะห์ทางเศรษฐกิจโดย Boston Consulting Group (BCG) ระบุว่าเทคโนโลยีใหม่จะสร้างงานหลายสิบล้านตำแหน่งภายในปี 2030 แต่ไม่น่าจะชดเชยการสูญเสียงานจากระบบอัตโนมัติในช่วงเวลาเดียวกันได้ ตัวแบบของการเปลี่ยนแปลงที่คาดหมายของอุปสงค์และอุปทานด้านแรงงานในเยอรมนี ออสเตรเลียและสหรัฐอเมริกา คาดการณ์ว่าการสูญเสียงานในทศวรรษหน้าจะถูกจับคู่กับการสร้างงานที่ใหญ่กว่าเดิม Miguel Carrasco จาก BCG กล่าวว่า "มันเป็นไปไม่ได้ที่จะคาดหวังการแทนที่ที่สมบูรณ์แบบ - แรงงานส่วนเกินไม่สามารถนำไปใช้เพื่อตอบสนองความต้องการใหม่ ๆ หรือที่ความต้องการที่เพิ่มขึ้นได้ทั้งหมด" อาชีพที่ประสบปัญหาการขาดแคลนมากที่สุด ได้แก่ อาชีพที่เกี่ยวข้องกับคอมพิวเตอร์ และงานด้านวิทยาศาสตร์ เทคโนโลยี วิศวกรรม และคณิตศาสตร์ BCG แนะนำให้ยกระดับทักษะ และให้การฝึกอบรมใหม่กับพนักงาน เพื่อให้แน่ใจว่าสามารถตอบสนองความต้องการบุคลากรที่มีความสามารถได้อย่างทันท่วงที

อ่านข่าวเต็มได้ที่: ZDNet