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

เซ็นเซอร์แบบพลาสเตอร์ปิดแผลเพื่อเก็บข้อมูลร่างกาย

ข่าวนี้เป็นผลงานของนักวิจัยเอเชีย เป็นนักวิจัยจากเกาหลีใต้ครับ โดยเขาได้ออกแบบเซ็นเซอร์ติดตัวผู้ใช้ที่มีลักษณะเหมือนพลาสเตอร์ปิดแผล (รูปดูได้ในข่าวเต็ม) วิธีการใช้งานก็เหมือนกับพลาสเตอร์คือติดลงไปบนผิวหนังของเรา ตัวเซ็นเซอร์เองสร้างจากวัสดุซึ่งกันน้ำได้ เซ็นเซอร์แบบนี้จะแก้ปัญหาของเซ็นเซอร์ที่มีอยู่ในปัจจุบัน ที่ัมักจะมีข้อจำกัดถ้าผู้ใช้มีการเคลื่อนไหวร่างกายหนัก ๆ เหงื่อและสารคัดหลั่งต่าง ๆ จากร่างกาย  เซ็นเซอร์ที่พัฒนาขึ้นนี้สามารถเชื่อมต่อกับสมาร์ตโฟนผ่านทางบลูทูช (bluetooth) ทำให้สามารถเก็บข้อมูลขึ้นคลาวด์ได้ตลอดเวลา  ดังนั้นก็จะเป็นประโยชน์มากในการเก็บข้อมูลทางชีวภาพ (biodata) ของผู้ใส่

อ่านข่าวเต็มได้ที่: dgist

เพิ่มเติมเสริมข่าว:

จินตนาการถึงวันที่เราจะติดเซ็นเซอร์บนตัวกันเป็นเรื่องปกติ อาจมีแฟชันเซ็นเซอร์แบบต่าง ๆ ให้เลือกซื้อกันตามความชอบด้วย

วอลมาร์ทเปิดตัวหุ่นยนต์ช่วยหยิบของในโกดังสินค้า

เรื่องนี้อาจไม่ใช่เรื่องใหม่ เพราะมีร้านค้าที่ใช้หุ่นยนต์ทำแบบนี้มานานแล้วคืออะเมซอน (Amazon) แต่ตอนนี้วอลมาร์ท (Walmart) ซึ่งเป็นเชนค้าปลีกใหญ่ในสหรัฐได้นำเทคโนโลยีนี้มาใช้บ้างแล้ว โดยได้เปิดตัวร้านค้าแบบอัตโนมัติใน New Hampshire ซึ่งใช้หุ่นยนต์ที่เรียกว่า Alphabot ที่จะช่วยหยิบสินค้าจากโกดังสินค้าตามรายการที่ลูกค้าสั่ง เพื่อนำไปส่งให้คนบรรจุสินค้า และคนก็จะนำสินค้าไปให้กับลูกค้าที่นั่งรออยู่ในรถที่จอดอยู่ในลานจอดรถ ซึ่งวอลมาร์ทบอกว่าได้ใช้หุ่นยนต์ทั้งหมด 30 ตัว ช่วยกันหยิบสินค้า โดยใช้ขั้นตอนวิธีในการเรียงลำดับการสั่งซื้อ ซึ่งผลลัพธ์พบว่าหุ่นยนต์สามารถหยิบสินค้าได้เร็วกว่าคนเดินเข้ามาซื้อเองถึง 10 เท่า แต่หุ่นยนต์นี้ก็ยังมีข้อจำกัดอยู่นะครับ คือมันยังไม่สามารถที่จะหยิบพวกผักสด หรือของที่สามารถเน่าเสียได้ ซึ่งของแบบนี้ยังคงต้องใช้คนอยู่ และตอนนี้มันยังทำงานได้แค่ 20% ของคุณภาพที่มันควรทำได้ โดยสามารถจัดการกับคำสั่งซื้อได้ 170 รายการต่อวัน ซึ่งทางวอลมาร์ทหวังว่าสักวันหนึ่งหุ่นยนต์จะพัฒนาให้ทำงานได้อย่างเต็มประสิทธิภาพ และสามารถนำสินค้าไปส่งให้ลูกค้าถึงรถได้เลย ซึ่งถ้าทำตรงนี้ได้ก็จะช่วยส่งเสริมการซื้อของในแบบ Drive Through มากขึ้น

อ่านข่าวเต็มได้ที่: Bloomberg

เพิ่มเติมเสริมข่าว:

ลองนึกภาพในอนาคต เรากลับจากทำงานโดยรถซึ่งขับเองได้ เกิดอยากซื้อของขึ้นมาก็เลยสั่งของออนไลน์ สั่งรถพาเราไปที่ร้าน มีหุ่นยนต์มาส่งของให้เรา ไม่รู้จะอยู่ถึงวันที่มันได้ใช้จริงกันเป็นเรื่องปกติแบบนี้ไหม อ้อแต่ที่ต้องน่ากังวลก่อนตอนนี้คือจะมีเงินเก็บพอที่จะใช้ไปจนตายไหมมากกว่า :)

ใช้ AI สู้การคุกคามออนไลน์

นักวิจัยจาก California Institute of Technology (Caltech) และ Stanford University ได้สาธิตให้เห็นว่าขั้นตอนวิธีการเรียนรู้ของเครื่อง (machine learning) สามารถติดตามการสนทนาบนสื่อสังคมออนไลน์ ซึ่งจะนำไปสู่ความสามารถในการตรวจสอบการรังแกกันออนไลน์ได้ ซึ่งวิธีใหม่นี้นักวิจัยบอกว่าจะดีกว่าวิธีเก่าที่ใช้การตรวจสอบจากเซ็ตของคำหลัก (key word) ที่สร้างเอาไว้แล้วก็ไม่ได้ปรับปรุง วิธีเก่าพยามจะแก้ปัญหานี้โดยใช้คนเข้ามาช่วยตรวจสอบด้วย ซึ่งไม่มีประสิทธิภาพ และคนแต่ละคนก็อาจมีความเห็นต่อคำแต่ละคำแตกต่างกันออกไป วิธีที่งานวิจัยนี้ใช้เรียกว่า GloVe (Global Vectors for Word Representation) ซึ่วใช้การคำนวนความคล้ายคลึงกันของความหมายของคำสองคำ โดยเมื่อเราเริ่มใช้คำหลักคำหนึ่ง ขั้นตอนวิธีนี้ก็จะเริ่มหาคำที่มีความสัมพันธ์กัน เพือนำไปสู่กลุ่มคำที่มีความสัมพันธ์กัน ในข่าวยกตัวอย่างว่า เมื่อค้นคำว่า "MeToo" ก็จะนำไปสู่ "SupportSurvivors," "ImWithHer," และ "NotSilent." แต่ GloVe ไม่ได้หยุดแค่หาคำที่สัมพันธ์กัน แต่ยังดูความสัมพันธ์ของการใช้คำเหล่านี้ในบริบทการสนทนาด้วย เพราะคำเดียวกันแต่เมื่อใช้สนทนาในเรื่องที่ต่างกัน ก็มีความสัมพัน์กับคำที่แตกต่างกันด้วย นักวิจัยคาดหวังว่าในที่สุดเราจะสามารถสร้างเครื่องมือที่จะใช้ต่อสู้กับการคุกคามออนไลน์ในรูปแบบต่าง ๆ ได้ 

อ่านข่าวเต็มได้ที่: Caltech 

เพิ่มเติมเสริมข่าว:

ใช้ขั้นตอนวิธีอะไร ก็ไม่สู้แก้แนวคิดในใจของคนเรา  

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