เทคนิคที่จะทำให้ AI เรียนรู้ได้โดยไม่ต้องมีข้อมูลฝึกหัด

 

Sample images from the MNIST dataset.WIKIMEDIA

นักวิจัยจาก University of Waterloo ในแคนาดานำเสนอตัวแบบปัญญาประดิษฐ์ (Artificial Intelligence) หรือ AI ที่มีความสามารถที่เรียกว่า การเรียนรู้แบบ "less than one”-shot (LO-shot)" นั่นคือระบบสามารถรับรู้วัตถุที่นอกเหนือสิ่งที่มันเคยเรียนรู้มาได้อย่างแม่นยำ นักวิจัยสาธิตแนวคิดนี้โดยใช้ภาพ 60,000 ภาพจากชุดข้อมูลของ MNIST ซึ่งเป็นรูปลายมือของการเขียนเลข 0 ถึง 9 โดยจากงานวิจัยก่อนหน้าของ Massachusetts Institute of Technology ได้กลั่นรูปภาพให้เหลือรูปภาพที่ใช้ฝึกอยู่เพียง 10 รูปภาพ โดยใช้เพียง 10 รูปภาพนี้ ก็ทำให้ AI สามารถเรียนรู้ลายมือของการเขียนเลข 0-9 ได้ ซึ่งนักวิจัยจาก Waterloo ต้องการจะลดจำนวนรูปภาพที่ใช้ฝึกลงไปอีก โดยการพยายามรวมภาพการฝึกเลขหลาย ๆ ตัวไว้ในภาพเดียว โดยใช้เทคโนโลยีที่เรียกว่า Soft labels ซึ่งพยายามจับส่วนที่เหมือนกันของตัวเลขแต่ละตัว จากนั้นก็ฝึกระบบด้วยข้อมูลอย่างเช่น รูปนี้มีเปอร์เซนต์ที่จะเป็นเลข 3 อยู่ 60%  เป็นเลข 8 อยู่ 30% และเป็นเลข 0 อยู่ 10% เป็นต้น ซึ่งจากการทดลองพบว่าตัวอย่างเพียงสองตัวอย่างอาจแยกความแตกต่างได้เป็น หมื่นหรือเป็นล้านคลาส ซึ่งนักวิจัยบอกว่าประสิทธิภาพของวิธีนี้ขึ้นอยู่กับชุดข้อมูลที่จะถูกนำมาใช้ด้วย

อ่านข่าวเต็มได้ที่:  MIT Technology Review

 

SocialBlock: เทคโนโลยีที่จะเพิ่มความมั่นคงของข้อมูลในเมืองอัจฉริยะ

Photo: Kaspars Upmanis / unsplash.com

นักวิจัยจาก Universitat Oberta de Catalunya (UOC) ในสเปน ได้พัฒนาสถาปัตยกรรมมที่จะสร้างแอปพลิเคชันการจัดการข้อมูลแบบที่มีผู้ใช้เป็นศูนย์กลาง (user-centric) โดยใช้ประโยชน์จากเทคโนโลยีบล็อกเชน (blockchain) แนวคิดเบื้องหลังของ SocialBlock คือ กระจายศูนย์การจัดเก็บข้อมูลและจัดการ เพื่อให้การควบคุมข้อมูลกลับไปอยู่ในมือของคนที่สร้างมันขึ้นมา แนวคิดนี้จะมีผลอย่างมีนัยสำคัญกับเมืองอัจฉริยะที่ใช้อินเทอร์เน็ตของสรรพสิ่ง (internet of things) เซ็นเซอร์ (sensor) โดรน (drone) บิ๊กดาต้า และเทคโนโลยีอื่น ๆ เพื่อยกระดับคุณภาพของชีวิต จริง ๆ มีโครงการในลักษณะนี้อยู่บ้างแล้ว แต่จะทำกับส่วนเล็ก ๆ โครงการนี้จะเป็นโครงการแรกที่จะทำกับเมืองทั้งเมือง  

อ่านข่าวเต็มได้ที่: Universitat Oberta de Catalunya (Spain)

รัฐบาลสหรัฐใช้ AI เพื่อคัดและตัดข้อบังคับที่ล้าสมัย

ภาพจาก ACM

Office of Management and Budget (OMB) ของทำเนียบขาวบอกว่ารัฐบาลกลางจะใช้ปัญญาประดิษฐ์ (Artificial Intelligence) หรือ AI ในการลบข้อกำหนดที่ล้าสมัย และไม่สอดคล้องกันออกจากกฏข้อบังคับของรัฐบาล โดยโครงการนำร่องเริ่มเมื่อปี 2019 ที่ Department of Health and Human Services โดยใช้การเรียนรู้ของเครื่อง (machine learning) และการประมวลผลภาษาธรรมชาติ (natural language processing) เปิดเผยให้เห็นถึงความผิดพลาดด้านเทคนิค และความล้าสมัยในกฏเกณฑ์มีอยู่  ทำเนียบขาวบอกว่าจะใช้ AI และเทคโนโลยีอื่น ๆ ในการหาจุดที่กฏต่าง ๆ จะถูกอัพเดตให้ทันสมัย และขจัดข้อผิดพลาดทางเทคนิคออกไป

อ่านข่าวเต็มได้ที่: Reuters

JavaScript ยังคงครองมงกุฏภาษาเขียนโปรแกรมที่ได้รับความนิยม

Photo by Bharat Patil on Unsplash

จากการสำรวจของ SlashData ในหัวข้อ State of the Developer Nation Q3 2020 พบว่าภาษา JavaScript ยังคงครองมงกุฏภาษาสำหรับนักพัฒนา โดยมีจำนวนนักพัฒนาเพิ่มชึ้น 5 ล้านคนนับตั้งแต่ปี 2017 โดยตอนนีืมียอดรวมนักพัฒนาอยู่ที่ 12.4 ล้านคนทั่วโลก โดย Python อยู่ที่อันดับสอง มียอดรวมนักพัฒนาอยู่ที่ 9 ล้านคน เพิ่มขึ้นมา 2.2 ล้านคนจากปีที่แล้ว เหตุผลก็คือมันถูกนำไปใช้ในการเรียนรู้ของเครื่อง (machine learning) วิทยาศาสตร์ข้อมูล (data science) และอินเทอร์เน็ตของสรรพสิ่ง (Internet of Things) ภาษา Java อยู่อันดับที่ 3 ในการจัดอันดับ อยู่ที่ 8.2 ล้านคน เพิ่มขึ้น 1.6 ล้านนับจากปี 2017 Oracle บอกว่ามากกว่า 69% ของนักพัฒนาแบบเต็มเวลายังใช้ Java โดยมี Java Virtual Machine ถูกติดตั้งอยู่กว่า 51พันล้านตัว

อ่านข่าวเต็มได้ที่:  ZDNet

WEF บอกว่าการเข้ามาของเครื่องจักรจะเพิ่มงานมากกว่าทำลายงาน

ภาพจาก ACM

World Economic Forum (WEF) ทำนายว่าความก้าวหน้าด้านหุ่นยนต์และปัญญาประเดิษฐ์จะมีผลให้จำนวนงานสุทธิเพิ่มสูงขึ้นในอีก 5 ปีข้างหน้า แม้ว่าการใช้งานเครื่องจักรอย่างกว้างขวางจะทำให้ตำแหน่งงานหายไปถึง 85 ล้านตำแหน่งในปี 2025 แต่ในขณะเดียวกันงานอีก 97 ล้านตำแหน่งจะถูกสร้างขึ้นมาใหม่ นั่นคือจะมีงานเพิ่มขึ้นมา 12 ล้านตำแหน่ง WEF บอกว่าจะต้องมีจำนวนการฝึกทบทวนและเพิ่มทักษะใหม่ในหมู่คนงานเพื่อให้แน่ใจว่าพวกเขาจะพร้อมกับงานในอนาคต WEF ยังบอกว่าทั้งการเปลี่ยนแปลงเทคโนโลยีและ COVID-19 จะทำให้การทำลายล้างเพิ่มเป็นสองเท่าสำหรับคนทำงาน โดยการเปลี่ยนแปลงเทคโนโลยีจะทำให้คนงานต้องเปลี่ยนสภาพแวดล้อมการทำงาน แต่ COVID-19 จะนำไปสู่การเสียงาน

อ่านข่าวเต็มได้ที่:  CNBC