รัฐบาลออสเตรเลียเน้นบล็อกเชนเป็นส่วนสำคัญของแผนพัฒนาชาติ

รัฐบาลออสเตรเลียได้เปิดเผยแผนพัฒนา (roadmap) โดยใช้บล็อกเชน (blockchain) ซึ่งจะเป็นแผนกลยุทธ์ทั้งด้านการสร้างงาน การเติบโตทางเศรษฐกิจ ธุรกิจที่ให้ผลตอบแทนที่สูงขึ้น และให้ผลผลิตที่มากขึ้น แผนพัฒนาดังกล่าวประกอบไปด้วยการกำกับและมาตรฐาน ทักษะ สมรรถภาพและนวัตกรรม การลงทุนและความร่วมมือจากต่างประเทศ โดยได้ร่าง 12 ขั้นตอนที่รัฐบาลหวังว่าจะทำให้สำเร็จก่อนปี 2026 แผนพัฒนาเน้นไปที่กรณีการใช้งาน (use-case) บล็อกเชนซึ่งรวมถึงการใช้งานด้านเกษตรกรรม การศึกษา ภาคการเงิน และได้ตั้งทีมผู้ใช้งานบล็อกเชนภาครัฐ เพื่อระดมสมองในการสร้างบริการภาครัฐที่มีประสิทธิภาพโดยใช้ตัวอย่างจากประเทศต่าง ๆ แผนพัฒนานี้ยังได้พูดถึงการสร้างความร่วมมือกันระหว่างภาคอุตสาหกรรมและสถาบันการศึกษาเพื่อพัฒนาเฟรมเวอร์กกลาง และเนื้อหาหลักสูตรสำหรับคุณวุฒิด้านบล็อกเชน

อ่านข่าวเต็มได้ที่: ZDNet

เพิ่มเติมเสริมข่าว:

น่าสนใจมากครับ ในฐานะคนที่กำลังสนใจและสอนด้านนี้ คิดว่าถ้ามีเวลาจะเขียนรายละเอียดของเนื้อหาข่าวนี้มาให้อ่านกันเพิ่มเติมครับ

ใช้การเรียนรู้เชิงลึกช่วยระบุระดับของการนอนหลับ

นักวิจัยจาก University of Eastern Finland ได้พัฒนาตัวแบบที่ใช้การเรียนรู้เชิงลึก (deep learning) เพื่อระบุระดับของการนอนได้แม่นยำกว่าหมอที่เป็นผู้เชี่ยวชาญ โดยข้อมูลที่นำมาใช้เป็นข้อมูลจากผู้ป่วยที่เป็นปกติ และข้อมูลจากผู้ป่วยที่อาจจะมีอาการหยุดหายใจขณะหลับเนื่องจากการอุดกั้น ผลการทดลองพบว่าระบบสามารถระบุระดับของการนอนหลับของคนปกติ ได้แม่นยำอยู่ที่ 83.7% ถ้าใช้ EEG และ 83.9% เมื่อใช้ว EOG ร่วมด้วย ส่วนคนที่อาจมีอาการหยุดหายใจขณะหลับจะระบุได้แม่นยำอยู่ที่ 82.9% โดยใช้ EEG และ 83.8% เมื่อใช้ EOG ร่วมด้วย

อ่านข่าวต็มได้ที่: University of Eastern Finland News

นักวิจัยสร้างระบบโดรนเพื่อเตือนภัยธรรมชาติ

นักวิจัยจาก Trung Duong of Queen's University Belfast ในสหราชอาณาจักร ได้พัฒนาระบบโดรนที่ใช้ช่วยเตือนเมือเกิดภัยธรรมชาติ นอกจากนี้โดรนดังกล่าวยังสามารถใช้เป็น Wifi Hotspot ได้ด้วย เพื่อที่เราจะได้ใช้งานเครือข่ายได้ ในกรณีที่เครือข่ายโทรคมนาคมใช้งานไม่ได้ในช่วงที่มีสภาพอากาศที่เลวร้าย ระบบโดรนนี้สามารถใช้เป็นเครือข่ายโทรคมนาคมราคาถูกได้ เนื่องจากพวกมันจะถูกส่งขึ้นบินครอบคลุมพื้นที่เป็นบริเวณกว้าง เพื่อเก็บข้อมูลสภาพอากาศ นักวิจัยเรียกเครือข่ายการสื่อสารระหว่างโดรนเหล่านี้ว่า Catastrophe-Tolerant Telecommunications Network (CTTN) ซึ่งสามารถจะใช้สื่อสารกันได้ในกรณีที่เกิดเหตุฉุกเฉินเมื่อเครือข่ายหลักอื่น ๆ ใช้งานไม่ได้ ตัวอย่างการใช้งานก็เช่นการติดต่อกันระหว่างทีมกู้ภัย หรือทีมแพทย์ จุดประสงค์ของการพัฒนาระบบนี้ก็คือช่วยเหลือคนที่อยู่ในภฺมิประเทศที่มีสภาพอากาศที่เลวร้าย และช่วยให้ทีมกู้ภัยและทีมแพทย์ทำงานได้ง่ายขึ้น ปัญหาอีกประการหนึ่งที่งานวิจัยนี้ได้แก้ไขแล้วก็คืออายุการใช้งานแบตเตอรีของโดรน ซึ่งโดรนธรรมดาที่ใช้กันเล่น ๆ ทั่วไปจะมีอายุแบตเตอรีประมาณ 30 นาที แต่ในงานวิจัยนี้อายุของแบตเตอรีจะอยู่ได้นานกว่า3-5 เท่าของโดรนธรรมดา และที่สำคัญราคายังไม่สูงเท่าโดรนแบบที่มืออาชีพใช้กันด้วย ระบบนี้ได้ถูกนำไปใช้แล้วในเวียดนามโดย องค์การจัดการภัยพิบัติเวียดนาม (Vietnam’s Disaster Management Authority)

อ่านข่าวเต็มได้ที่: DEVELOPMENT & ALUMNI RELATIONS OFFICE News

สอนรถให้แยกเสียงได้

นักวิจัยที่ Germany’s Fraunhofer Institute for Digital Media Technology (IDMT) ได้พัฒนาระบบให้รถที่ขับเคลื่อนด้วยตัวเองสามารถแยกแยะเสียงจากภายนอกเช่นเสียงไซเรนได้ การฝึกสอนระบบใช้วิธีการเรียนรู้ของเครื่อง (machine learning) โดยใช้คลังเสียงแบบอะคูสติก (acoustic) และได้พัฒนาขั้นตอนวิธีที่ทำให้ระบบสามารถรู้จำเสียงที่เกิดจากวัตถุที่เคลื่อนไหวไปเรื่อย ๆ ได้ และยังได้พัฒนาขั้นตอนวิธีที่อยู่บนฐานของปัญญาประดิษฐ์ (Artificial Intelligence) ที่ทำให้แยกเสียงที่รถต้องรู้จักออกจากเสียงอื่น ๆ ได้ 

อ่านข่าวเต็มได้ที่: Farunhofer 

ใช้ AI ช่วยระบุตัวนักเรียนที่ต้องการความช่วยเหลือ

นักวิจัยที่ North Carolina State University's Center for Educational Informatics  ได้พัฒนาระบบปัญญาประดิษฐ์ (Arificial Intelligence, AI) เพื่อช่วยวัดว่านักเรียนเข้าใจบทเรียนแค่ไหนผ่านทางการเล่นเกม โดยตัวแบบ (model) ที่ปรับปรุงขึ้นใช้แนวคิดการฝึกสอน AI ที่เรียกว่าการเรียนแบบหลายงาน (multi-task learning) ซึ่งจะช่วยปรับปรุงทั้งการสอนและผลลัพธ์การเรียนรู้ การเรียนแบบหลายงานก็คือการที่ตัวแบบตัวแบบหนึ่งใช้กับงานหลาย ๆ งาน AI จะถูกมอบหมายให้เรียนรู้งาน 17 งาน ซึ่งจะสัมพันธ์กับคำถามที่จะเป็นข้อสอบ 17 ข้อ  นักวิจัยได้ทดสอบกับนักเรียน 181 คน โดย AI จะดูวิธีเล่นเกมของนักเรียน และระบุพฤติกรรมของนักเรียนว่าเล่นเกมแบบไหนจึงตอบคำถามถูก และแบบไหนจึงตอบคำถามผิด ซึ่งข้อมูลตรงนี้จะสามารถใช้ทำนายว่านักเรียนคนใหม่ที่เข้ามาเล่นเกมนี้จะตอบคำถามในข้อสอบถูกหรือไม่ นักวิจัยบอกว่าวิธีเรียนแบบหลายงานนี้ช่วยเพิ่มความแม่นยำจากการฝึกสอนแบบเดิม ๆ ประมาณ 10%

อ่านข่าวเต็มได้ที่: NC State University News