เครื่องมือ AI ของสเปนติดตามคำพูดแสดงความเกลียดชังบนโซเชียลมีเดีย

Photo by Jon Tyson on Unsplash

Pedro Sánchez นายกรัฐมนตรีสเปน ได้เปิดตัวเครื่องมือ AI ของรัฐบาลเพื่อจัดลำดับแพลตฟอร์มโซเชียลมีเดีย โดยพิจารณาจากปริมาณคำพูดแสดงความเกลียดชัง (hate speech) ที่แพร่กระจายอยู่ในแต่ละเว็บไซต์

ระบบดังกล่าวมีชื่อว่า HODIO ซึ่งจะทำหน้าที่ติดตามวิวัฒนาการและการแพร่กระจายของเนื้อหาที่สร้างความเกลียดชังบนโซเชียลมีเดีย ผ่านการวิเคราะห์ข้อมูลกิจกรรมบนโซเชียลมีเดียที่เปิดเผยต่อสาธารณะ

Sánchez ระบุว่า "การขยายสัญญาณโดยอัลกอริทึม" (algorithmic amplification) ของคำพูดแสดงความเกลียดชัง จะถูกกำหนดให้เป็นความผิดทางกฎหมาย เนื่องจากรัฐบาลพยายามที่จะกดดันให้แพลตฟอร์มต่าง ๆ ต้องมีความรับผิดชอบต่อเนื้อหาที่เกิดขึ้น

อ่านข่าวเต็มได้ที่: Politico Europe โดย Milena Wälde 

โรงยิมหุ่นยนต์ในเยอรมันใช้สำหรับฝึกหุ่นยนต์เหมือนมนุษย์

ภาพจาก Interesting Engineering โดย Georgina Jedikovska

Technical University of Munich หรือ TUM ในประเทศเยอรมนี กำลังร่วมมือกับบริษัท NEURA Robotics เพื่อดำเนินงานในศูนย์วิจัยและฝึกอบรมด้านหุ่นยนต์ที่มีพื้นที่กว่า 25,000 ตารางฟุต

TUM RoboGym จะเป็นพื้นที่สำหรับหุ่นยนต์เหมือนมนุษย์ (humanoid robots) ในการเรียนรู้ภารกิจเฉพาะด้านจากมนุษย์ และทำการฝึกฝนซ้ำๆ จนชำนาญ ก่อนที่จะนำทักษะเหล่านี้ไปประยุกต์ใช้ในสถานการณ์จริง นอกจากเป้าหมายในการสะสมข้อมูลการฝึกฝนที่มีคุณภาพสูงแล้ว RoboGym แห่งนี้ยังจะถูกใช้เป็นสถานที่สำหรับฝึกอบรมวิศวกรและนักศึกษาอีกด้วย

อ่านข่าวเต็มได้ที่: Interesting Engineering โดย Georgina Jedikovska

LeCun และคณะเสนอเฟรมเวอร์กของ SAI

Photo by Steve Johnson on Unsplash

ในผลงานวิจัยฉบับใหม่ Yann LeCun ผู้ได้รับรางวัล ACM A.M. Turing Award และคณะผู้วิจัย ได้นำเสนอเฟรมเวอร์กสำหรับการพัฒนาปัญญาประดิษฐ์ในอนาคตเพื่อมุ่งไปสู่ Superhuman Adaptable Intelligence (SAI) หรือปัญญาประดิษฐ์ที่มีความสามารถในการปรับตัวเหนือระดับมนุษย์

เฟรมเวิร์กดังกล่าวเรียกร้องให้มีการกำหนดเป้าหมายใหม่ในการพัฒนา AI โดยมุ่งเน้นที่ ความเร็วในการปรับตัว ของระบบ AI ต่อฟังก์ชันหรือภารกิจใหม่ ๆ แทนที่จะมุ่งเน้นเพียงการบรรลุระดับสติปัญญาเท่าเทียมกับมนุษย์ (human-level intelligence) นอกจากนี้ยังให้ความสำคัญกับ ความเชี่ยวชาญเฉพาะด้าน (specialization) มากกว่าการเป็นระบบที่ทำงานได้ครอบจักรวาล (generalization)

คณะผู้วิจัยวาดภาพอนาคตของ AI ว่าจะไม่ใช่โมเดลเดียวที่ทำได้ทุกอย่าง (universal model) แต่จะเป็นชุดของ ระบบที่ทำงานร่วมกัน (collaborative systems) หลาย ๆ ระบบแทน

อ่านข่าวเต็มได้ที่: 36Kr (China) 

Tony Hoare ผู้คิดค้นอัลกอริทึมการเรียงลำดับ Quicksort เสียชีวิตแล้วในวัย 92 ปี

ภาพจาก Wikipedia

Charles Antony ("Tony") Richard Hoare ผู้ได้รับรางวัล ACM A. M. Turing Award ได้เสียชีวิตลงแล้วด้วยวัย 92 ปี

Hoare เป็นที่รู้จักดีที่สุดในฐานะผู้สร้างอัลกอริทึม Quicksort ซึ่งเขาคิดค้นขึ้นในปี 1959 และยังคงเป็นหนึ่งในวิธีการจัดเรียงข้อมูลที่รวดเร็วที่สุดจนถึงปัจจุบัน

ต่อมาเขาได้พัฒนา Hoare logic ซึ่งอิงตาม Hoare triple อันเป็นเครื่องมือสำคัญในการใช้เหตุผลและการตรวจสอบความถูกต้องของโปรแกรมอย่างเป็นทางการ (formal verification) นอกจากนี้ เขายังได้ตีพิมพ์โมเดล Communicating Sequential Processes ซึ่งเป็นแนวทางที่ภาษาโปรแกรมต่างๆ เช่น Clojure, Erlang และ Go ใช้ในการจัดการการทำงานแบบพร้อมกัน (concurrent operations)

อ่านข่าวเต็มได้ที่: The Register (U.K.); Liam Proven

Intel สาธิตชิปประมวลผลข้อมูลที่เข้ารหัส

ภาพจาก IEEE Spectrum โดย Samuel K. Moore

Intel ได้สาธิตชิปประมวลผล Heracles ซึ่งเป็นชิปสำหรับการเข้ารหัสข้อมูลแบบ Fully Homomorphic Encryption (FHE) โดยผลการทดสอบแสดงให้เห็นว่าสามารถทำงานด้าน FHE ได้รวดเร็วกว่าซีพียูเซิร์ฟเวอร์อย่าง Intel Xeon ถึง 5,000 เท่า

ในการสาธิตแบบสด (Live Demo) ได้จำลองสถานการณ์ที่ผู้ลงคะแนนเสียงต้องการตรวจสอบว่าบัตรเลือกตั้งของตนถูกลงทะเบียนอย่างถูกต้องหรือไม่ ชิป Heracles สามารถประมวลผลคำขอนี้ได้ภายในเวลาเพียง 14 ไมโครวินาที ในขณะที่ชิป Xeon ต้องใช้เวลาถึง 15 มิลลิวินาที

เบื้องหลังความเร็วระดับนี้เกิดจากการรันชุดคำสั่ง 3 สายงานที่ทำงานสอดประสานกัน (Synchronized streams) ไปพร้อมๆ กัน ได้แก่: การเคลื่อนย้ายข้อมูลเข้าและออกจากตัวประมวลผล การเคลื่อนย้ายข้อมูลภายในตัวชิป การคำนวณทางคณิตศาสตร์ให้เสร็จสมบูรณ์

อ่านข่าวเต็มได้ที่: IEEE Spectrum โดย Samuel K. Moore

ระบบการพิจารณาบทความวิจัยโดยใช้ AI ปฏิเสธบทความวิจัยมากกว่าที่เคยเป็นมา

https://paperreview.ai

PaperReview.ai เครื่องมือ AI ในรูปแบบ Agentic AI ที่พัฒนาโดยทีมนักวิจัยจาก Stanford University กำลังถูกนำมาใช้เพื่อย่นระยะเวลาในกระบวนการพิจารณาผลงานวิจัย (Peer Review) จากเดิมที่ต้องใช้เวลานานหลายเดือนหรือเป็นปี ให้เหลือเพียงไม่กี่นาทีเท่านั้น

โดยหลักการทำงานของ AI ผู้รีวิวนี้จะทำการสแกนบทความวิจัยที่ถูกส่งเข้ามา และนำไปเปรียบเทียบกับงานวิจัยที่เกี่ยวข้องในฐานข้อมูล arXiv และแหล่งข้อมูลอื่น ๆ ที่ใกล้เคียงกัน ซึ่งเครื่องมือนี้สามารถระบุจุดที่ขาดการอ้างอิง (Citations), ข้อโต้แย้งที่ยังมีน้ำหนักน้อย รวมถึงข้อผิดพลาดในส่วนของระเบียบวิธีวิจัย (Methodology) ได้อย่างรวดเร็ว

อย่างไรก็ตาม เริ่มมีกระแสความกังวลเกิดขึ้นเกี่ยวกับเครื่องมือดังกล่าว เนื่องจากพบว่ามีอัตราการปฏิเสธรับตีพิมพ์ (Rejection rates) ที่ค่อนข้างสูง

อ่านข่าวเต็มได้ที่: ABC Money (U.K.)

เปิดตัวแอปสโตร์สำหรับหุ่นยนต์

ภาพจาก Forbes โดย John Koetsier

OpenMind บริษัทซอฟต์แวร์ด้านโรบอติกส์ ได้เปิดตัวร้านค้าแอปพลิเคชัน (App Store) สำหรับหุ่นยนต์เป็นแห่งที่สองของโลก โดยตั้งเป้าที่จะเป็นศูนย์รวมแอปฯ จำนวนหลายพันรายการเพื่อเพิ่มทักษะใหม่ ๆ ให้กับหุ่นยนต์ฮิวแมนนอยด์ (Humanoid) และหุ่นยนต์สี่ขา (Quadruped)

แพลตฟอร์มนี้ถูกสร้างขึ้นบนระบบปฏิบัติการแบบโมดูลาร์ OM1 ของ OpenMind ซึ่งช่วยให้เหล่านักพัฒนาสามารถส่งแอปพลิเคชันที่สามารถใช้งานข้ามแพลตฟอร์มกับหุ่นยนต์หลากหลายแบรนด์ได้ โดยในช่วงแรก แอปฯ ส่วนใหญ่จะมุ่งเน้นไปที่ด้านการเป็นเพื่อนเล่น (Companionship) ความปลอดภัย (Security) การประสานงาน (Coordination) และการช่วยเหลือเบื้องต้น มากกว่าที่จะเน้นงานบ้านทั่วไปอย่างการทำความสะอาดหรือการล้างจาน

อ่านข่าวเต็มได้ที่: Forbes โดย John Koetsier

Great Refactor มีเป้าหมายเพื่อเสริมความแข็งแกร่งให้กับโค้ดที่สำคัญ

ภาพจาก IEEE Spectrum โดย Edd Gent

โครงการ The Great Refactor ซึ่งเปิดตัวโดยสถาบันคลังสมอง Institute for Progress เมื่อเดือนสิงหาคมที่ผ่านมา มีวัตถุประสงค์เพื่อยกระดับความปลอดภัยของซอฟต์แวร์ทั่วโลก โดยการใช้เครื่องมือเขียนโค้ดด้วย AI ในการเปลี่ยนโค้ดภาษา C และ C++ ที่มีความเสี่ยง ให้กลายเป็นภาษา Rust ซึ่งมีความปลอดภัยด้านหน่วยความจำ (Memory-safe) โดยอัตโนมัติ

ครงการนี้เสนอให้มีการจัดตั้ง "Focused Research Organization" ที่ได้รับทุนสนับสนุนจากรัฐบาล ตั้งเป้าที่จะใช้เครื่องมือเขียนโค้ดพลัง AI ในการแปลงโค้ดจำนวน 100 ล้านบรรทัด ในไลบรารีซอฟต์แวร์แบบโอเพนซอร์ส (Open-source) ที่มีความสำคัญระดับวิกฤต ให้เป็นภาษา Rust ภายในปี 2030 

อ่านข่าวเต็มได้ที่: IEEE Spectrum โดย Edd Gent

การสนับสนุนข้อกำหนดการเปิดเผยข้อมูลสาธารณะลดลงในหมู่นักวิจัย

Photo by Claudio Schwarz on Unsplash

ผลการสำรวจนักวิจัยจำนวน 4,700 คน ใน 151 ประเทศ ซึ่งจัดทำโดย Digital Science, Springer Nature และ Figshare เผยให้เห็นว่า ในช่วงทศวรรษที่ผ่านมา แรงสนับสนุนต่อข้อบังคับระดับชาติ (National Mandates) เรื่องการเปิดเผยข้อมูลการวิจัย (Open Research Data) มีแนวโน้มลดลง

ในปีที่ผ่านมา คะแนนสนับสนุนข้อบังคับระดับชาติลดลงจนเหลือต่ำกว่า 50% ในกลุ่มนักวิจัยจากประเทศที่มีระบบเศรษฐกิจชั้นนำส่วนใหญ่  อินเดียเป็นเพียงประเทศเดียวในการสำรวจที่นักวิจัยส่วนใหญ่ยังคงให้การสนับสนุนข้อบังคับระดับชาติสำหรับข้อมูลแบบเปิด (Open Data)

แม้จะมีความกังวลเรื่องข้อบังคับ แต่นักวิจัยเกือบทั้งหมด (81%) ระบุว่าตนเองสนับสนุนหลักการเรื่องข้อมูลแบบเปิดอย่างแข็งขัน และ 88% ให้การสนับสนุนการเข้าถึงข้อมูลแบบเสรี (Open Access)

อ่านข่าวเต็มได้ที่: Times Higher Education โดย Jack Grove

ข้อความที่ทำให้เข้าใจผิดในโลกจริง สามารถเข้าควบคุมหุ่นยนต์ที่ใช้ปัญญาประดิษฐ์ได้

ภาพจาก UC Santa Cruz News โดย Emily Cerf

นักวิจัยจาก University of California, Santa Cruz ได้พัฒนาวิธีการโจมตีที่เรียกว่า command hijacking against embodied AI (CHAI) เพื่อแสดงให้เห็นว่าโมเดลภาษา-การมองเห็นขนาดใหญ่ (Large Visual-Language Models) สามารถถูกปั่นหัวเพื่อเข้าควบคุมระบบการตัดสินใจของ AI ได้อย่างไร

CHAI ใช้ Generative AI ในการปรับแต่งข้อความบนป้ายถนนหรือวัตถุอื่นๆ เพื่อเพิ่มโอกาสที่ AI (Embodied AI) จะปฏิบัติตามคำสั่งที่ระบุในข้อความนั้น ระบบจะปรับแต่งลักษณะปรากฏของข้อความ ทั้งในด้านตำแหน่ง สี และขนาด เพื่อให้สอดคล้องกับสภาพแวดล้อมจริงจนดูแนบเนียน

จากการทดสอบพบว่าการโจมตีแบบ CHAI มีอัตราความสำเร็จ (Attack Success Rates) ในระดับที่น่าตกใจ ดังนี้ 95.5% สำหรับโดรนที่ทำหน้าที่ติดตามวัตถุทางอากาศ 81.8% สำหรับยานยนต์ไร้คนขับ (Self-driving vehicles) และ 68.1% สำหรับโดรนในสถานการณ์การลงจอดฉุกเฉิน

อ่านข่าวเต็มได้ที่: UC Santa Cruz News โดย Emily Cerf

เชื่อกันว่าแฮกเกอร์ชาวรัสเซียอยู่เบื้องหลังการโจมตีทางไซเบอร์ต่อเป้าหมายด้านพลังงานของโปแลนด์

Photo by TRG on Unsplash

หน่วยข่าวกรองทหารของรัสเซียที่รู้จักกันในชื่อ Sandworm ถูกเชื่อว่ามีความเป็นไปได้สูงที่จะอยู่เบื้องหลังความพยายามโจมตีทางไซเบอร์ต่อระบบโครงข่ายไฟฟ้าของประเทศโปแลนด์เมื่อเดือนธันวาคม 2025 ที่ผ่านมา ตามรายงานของนักวิจัยจากบริษัทซอฟต์แวร์ ESET ในประเทศสโลวาเกีย

นักวิจัยสรุปผลโดยอ้างอิงจากรูปแบบการดำเนินงานในอดีตของ Sandworm และการตรวจพบรหัส (code) ที่มีความซ้ำซ้อนกับการโจมตีทางไซเบอร์ที่กลุ่มนี้เคยทำมาก่อนหน้านี้ แฮกเกอร์พยายามติดตั้งมัลแวร์ที่ชื่อว่า DynoWiper ซึ่งมีวัตถุประสงค์เพื่อทำลายไฟล์ข้อมูลในระบบคอมพิวเตอร์เป้าหมาย ทางการโปแลนด์ระบุว่าสามารถยับยั้งการโจมตีดังกล่าวได้ทันท่วงที ก่อนที่จะส่งผลให้เกิดไฟฟ้าดับเป็นวงกว้าง

อ่านข่าวเต็มได้ที่: Reuters โดย A.J. Vicens

GPT-5.2 พัฒนาช่องโหว่ Zero-Day ในระดับขนาดใหญ่

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

บทความที่ได้รับการยอมรับจาก NeurIPS มีจำนวนการอ้างอิงแบบหลอน ๆ จาก AI มากกว่า 100 ครั้ง

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

็Hinton เป็นนักวิทยาศาสตร์คนที่สองที่มีการอ้างอิงผลงานมากกว่า 1 ล้านครั้ง

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)

อุปกรณ์สวมใส่ช่วยคืนเสียงให้แก่ผู้ป่วยโรคหลอดเลือดสมอง

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

AI ช่วยส่งเสริมอาชีพนักวิจัย แต่ทำให้การค้นพบทางวิทยาศาสตร์ราบเรียบเกินไป

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

การวัดประสิทธิภาพของคอมพิวเตอร์ควอนตัมแบบใช้สปิน (spin-based)

ภาพจาก  Physics

นักวิจัยได้ทำการทดสอบเกณฑ์มาตรฐาน (Benchmark) สำหรับคอมพิวเตอร์ควอนตัมขนาด 6 คิวบิต (six-qubit quantum computer) ที่สร้างขึ้นจากสปินของอิเล็กตรอน (electron spins) ภายในสารกึ่งตัวนำชนิดจุดควอนตัม (semiconductor quantum dots)

สิ่งที่แตกต่างจากคอมพิวเตอร์ควอนตัมแบบตัวนำยิ่งยวด (Superconducting quantum computers) คือ อุปกรณ์แบบใช้สปิน (spin-based devices) สามารถผลิตขึ้นได้ด้วยเทคนิค complementary-metal-oxide-semiconductor (CMOS) แบบเดียวกับที่ใช้ในกระบวนการผลิตวงจรรวม (Integrated circuits) ทั่วไป

ทีมวิจัยได้ทดสอบวงจรที่มีความซับซ้อนโดยการแพร่กระจายสภาวะพัวพัน (entanglement) ไปทั่วทั้ง 6 คิวบิต จากนั้นจึงทำการย้อนกลับกระบวนการเพื่อวัดค่าความแม่นยำ ผลการทดสอบพบว่าค่าความเที่ยงตรง (fidelity) ลดลงเมื่อมีการใช้จำนวนคิวบิตมากขึ้นและมีการทำงานที่ยาวนานขึ้น ซึ่งสาเหตุหลักเกิดจากการสะสมของสัญญาณรบกวน (noise)

อ่านข่าวเต็มได้ที่: Physics

กลับบิตเพียงหนึ่งบิตก็ทำให้ซีพียู AMD เปิดช่องโหว่ของเครื่องเสมือนได้แล้ว

Photo by Andrew D on Unsplash

นักวิทยาศาสตร์คอมพิวเตอร์จากสถาบัน CISPA Helmholtz Center for Information Security ในประเทศเยอรมนี ได้ตรวจพบช่องโหว่ในหน่วยประมวลผล AMD Zen CPU ที่สามารถทำลายความปลอดภัยเชิงบูรณาการ (integrity) ของเครื่องเสมือนที่เป็นมีความปลอดภัยขั้นสูง (confidential virtual machines) ซึ่งใช้เทคโนโลยี AMD’s SEV-SNP ได้

ช่องโหว่ดังกล่าวมีชื่อว่า StackWarp เปิดโอกาสให้โฮสต์ที่ประสงค์ร้าย (malicious host) ที่มีการเปิดใช้งานระบบ simultaneous multithreading (SMT) สามารถเข้ามาจัดการกับ stack pointer ของเครื่องเสมือนที่ได้รับการป้องกันอยู่ได้ โดยการสลับบิตควบคุม (control bit) ที่ไม่มีการระบุไว้ในเอกสารเพียงบิตเดียว การโจมตีนี้อาจส่งผลให้ข้อมูลที่ละเอียดอ่อนถูกเปิดเผย ก้าวข้ามกลไกการตรวจสอบสิทธิ์ (authentication mechanisms) และสามารถเข้าถึงระบบในระดับ kernel ได้อย่างเต็มรูปแบบ

ทั้งนี้ AMD ได้ปล่อยแพตช์แก้ไขไปเมื่อเดือนกรกฎาคม 2025 และเผยแพร่ประกาศด้านความปลอดภัยโดยระบุว่าช่องโหว่นี้มีความรุนแรงในระดับต่ำ (low severity)

อ่านข่าวเต็มได้ที่: The Register (U.K.) โดย Thomas Claburn

รายงานระบุว่า ความเสี่ยงของการใช้ AI ในโรงเรียนมีมากกว่าประโยชน์

ภาพจาก NPR โดย Cory Turner

รายงานฉบับใหม่จาก Brookings Institution สรุปว่าในปัจจุบัน ความเสี่ยงของการใช้ Generative AI ในการศึกษาระดับ K-12 (ระดับอนุบาลถึงมัธยมศึกษาตอนปลาย) นั้นมีน้ำหนักมากกว่าประโยชน์ที่ได้รับ

แม้ว่า AI จะสามารถช่วยในด้านการอ่าน การเขียน การวางแผนการสอน และการเพิ่มโอกาสในการเข้าถึงการศึกษาสำหรับนักเรียนที่มีความบกพร่องทางร่างกายหรือสติปัญญา แต่ในขณะเดียวกัน AI ก็อาจขัดขวางพัฒนาการทางสติปัญญา สังคม และอารมณ์ โดยการส่งเสริมให้เกิดการพึ่งพาเทคโนโลยีมากเกินไปและลดทอนทักษะการคิดวิเคราะห์ (critical thinking)

รายงานฉบับนี้ได้เรียกร้องให้มีการใช้ AI ในลักษณะที่เป็นส่วนเสริม (supplement) ไม่ใช่การเข้ามาแทนที่ (replace) ครูผู้สอน พร้อมทั้งเรียกร้องให้มี ความฉลาดทางดิจิทัลด้าน AI (AI literacy) แบบองค์รวม การเข้าถึงที่เท่าเทียม (equitable access) การออกแบบที่ยึดเด็กเป็นศูนย์กลาง (child-centered design)  และกฎระเบียบจากภาครัฐ (government regulation)

อ่านข่าวเต็มได้ที่: NPR โดย Cory Turner

CAISI ร้องขอข้อมูลเกี่ยวกับการรักษาความปลอดภัยของระบบ AI Agent

Photo by Igor Omilaev on Unsplash

ศูนย์มาตรฐานและนวัตกรรม AI (Center for AI Standards and Innovation หรือ CAISI) ภายใต้สถาบันมาตรฐานและเทคโนโลยีแห่งชาติของสหรัฐฯ (National Institute of Standards and Technology - NIST) ได้ทำเรื่องขอข้อมูลและความคิดเห็นเกี่ยวกับการพัฒนาและการปรับใช้งานระบบ AI agent อย่างปลอดภัย

ทางศูนย์ได้เปิดรับข้อมูลจากเหล่านักพัฒนา AI agent, นักวิจัยด้านความปลอดภัยคอมพิวเตอร์ และผู้เกี่ยวข้องรายอื่นๆ ในประเด็นดังต่อไปนี้:

• ภัยคุกคามด้านความปลอดภัย ที่ส่งผลกระทบต่อระบบ AI agent
• วิธีการเสริมสร้างความปลอดภัย ทั้งในขั้นตอนการพัฒนาและการนำไปใช้งานจริง
• ช่องว่างที่อาจเกิดขึ้น ในแนวทางการรักษาความปลอดภัยทางไซเบอร์สำหรับระบบ AI agent
• แนวทางการวัดระดับความปลอดภัย รวมถึงการคาดการณ์ความเสี่ยงที่อาจเกิดขึ้นในระหว่างการพัฒนา

อ่านข่าวเต็มได้ที่: NIST