ช่วงการแพร่ระบาดทำให้ผู้สร้างภาพยนตร์ต้องนำเทคโนโลยีใหม่มาใช้

ภาพจาก Al Seib/Los Angeles Times

COVID-19 ทำให้ผู้สร้างภาพยนตร์ต้องนำเทคโนโลยีใหม่ ๆ มาใช้เพื่อป้องกันทีมงานถ่ายทำจากโคโรนาไวรัส โดยใช้ผลิตภัณฑ์ของบริษัทอย่าง Safe Haus Group ซึ่งมีระบบอย่าง Safe Set ซึ่งเจ้าหน้าที่ด้านความปลอดภัยใช้สแกนบัตรประจำตัวที่เข้ารหัสสีและมีชิปที่รวบรวมและติดตามข้อมูลการเคลื่อนไหวของนักแสดงและเจ้าหน้าที่กองถ่าย ว่าใครที่มีการติดต่อกับคนที่ผลการทดสอบ COVID-19 เป็นบวก

ในขณะเดียวกันช่างภาพอย่าง Aaron Grasso และผู้อำนวยการสร้างอย่าง Josh Shadid ก็ได้แรงบันดาลใจในการเปิดบริษัทใหม่ พวกเขาสร้างหุ่นยนต์ถ่ายภาพชื่อ Solo Cinebot ซึ่งตอนนี้มีบริษัทที่นำไปใช้ก็อย่างเช่น Netflix และ Warner Bros. ที่จะช่วยถ่ายนักแสดงจากระยะไกลเพื่อใช้ในแคมเปญการตลาด 

ผลิตภัณฑ์เหล่านี้สอดคล้องกับระเบียบด้านความปลอดภัยที่เกี่ยวกับการแพร่ระบาดของโรค ซึ่งกำหนดให้บริษัทผลิตภาพยนตร์ขนาดใหญ่แบ่งนักแสดงและทีมงานให้ทำงานอยู่ในโซนที่ต่างกัน

อ่านข่าวเต็มได้ที่: Los Angeles Times

สอนหุ่นยนต์ให้ขับรถด้วยบทเรียนง่าย ๆ เพียงไม่กี่บทเรียน

ภาพจาก  iStock 

นักวิจัยจาก University of Southern California (USC) Viterbi School of Engineering ได้พัฒนาระบบที่ทำให้หุ่นยนต์สามารถเรียนรู้งานที่ซับซ้อนได้โดยอัตโนมัติ โดยดูจากการสาธิตเพียงไม่กี่ครั้ง และการสาธิตนั้นก็อาจไม่ต้องสมบูรณ์แบบด้วย ระบบจะประเมินคุณภาพของการสาธิตแต่ละครั้ง เรียนรู้จากข้อผิดพลาดและความสำเร็จ ทีมของ  USC Viterbi ใช้ signal temporal logic ในการประเมินคุณภาพของการสาธิตแต่ละครั้งและจัดลำดับการสาธิตเหล่านั้น นักวิจัยบอกว่าวิธีการใช้สามัญสำนึกแบบนี้จะช่วยให้หุ่นยนต์เข้าใจว่า ส่วนไหนของการสาธิตที่เป็นบวก ส่วนไหนที่เป็นลบ ซึ่งเหมือนวิธีที่คนเราใช้ นักวิจัยยังบอกอีกว่า ถ้าเราต้องการให้หุ่นยนต์เป็นเพื่อนร่วมทีมที่ดีและช่วยเหลือผู้คน สิ่งแรกที่พวกมันต้องทำคือการปรับตัวเข้ากับสิ่งที่มนุษย์นิยมทำอย่างมีประสิทธิภาพ และวิธีการที่พัฒนาขึ้นมานี้ทำให้หุ่นยนต์เข่าใจเรื่องดังกล่าว

อ่านข่าวเต็มได้ที่: University of Southern California

Google เปิดตัวแพลตฟอร์ม AI เพื่อช่วยให้เมืองสามารถปลูกต้นไม้ได้มากขึ้น

ภาพจาก Express Computer (India)

Google ได้เปิดตัวแพลตฟอร์มปัญญาประดิษฐ์ (AI) ที่รวม AI เข้ากับภาพถ่ายทางอากาศเพื่อช่วยให้สามารถมองเห็นความครอบคลุมของหลังคาต้นไม้ในเมือง เพื่อช่วยให้วางแผนการปลูกต้นไม้ในอนาคต Tree Canopy Lab เปิดตัวใน Los Angeles เป็นที่แรก โดยเป็นส่วนหนึ่งของแพลตฟอร์มที่เรียกว่า Environmental Insights Explorer ที่ถูกสร้างขึ้นมาเพื่อทำให้การวัด วางแผน และลดการปล่อยคาร์บอนและมลพิษของเมืองทำได้ง่ายขึ้น แพลตฟอร์มนี้ใช้ AI ที่มีความสามารถพิเศษในการตรวจจับต้นไม้โดยอัตโนมัติ จากการสแกนภาพถ่ายทางอากาศ โดยระบุตำแหน่งที่มีต้นไม้ และสร้างแผนที่เพื่อคำนวณความหนาแน่นในการปกคลุมของต้นไม้ Google บอกว่าจะเปิด Tree Canopy Lab ในเมืองอีกเป็นร้อยเมืองในอนาคต 

อ่านข่าวเต็มได้ที่: Express Computer (India)

คอมพิวเตอร์วิชันสามารถประมาณปริมาณแคลอรีในอาหารได้โดยแค่เหลือบมอง

ภาพจาก filadendron/Getty Images

นักวิจัยจาก Karlsruhe Institute of Technology (KIT) ของเยอรมนีได้พัฒนาเทคนิคคอมพิวเตอร์วิชันเพื่อประเมินปริมาณแคลอรี่ของมื้ออาหารจากภาพถ่าย ทีมนักวิจัยได้ใช้เครือข่ายประสาทเทียม DenseNet ที่จะเชื่อมโยงภาพถ่ายอาหารจากฐานข้อมูลที่มีรูปภาพ 308,000 ภาพ จากสูตรอาหาร 70,000 สูตร จากเว็บไซต์ทำอาหารในเยอรมัน โดยวิธีนี้จะทำนายธาตุอาหารหลักจากส่วนประกอบที่ระบุไว้ในสูตรอาหาร นักวิจัยบอกว่าสมมติฐานของเทคนิคนี้ก็คือ อาหารถูกปรุงตามสูตรอย่างถูกต้อง โดยตัวแบบจะเรียนรู้ระหว่างข้อมูลโภชนาการกับรูปภาพ ตัวแบบนี้สามารถประมาณปริมาณแคลอรีได้ถูกต้องอยู่ที่ค่าเฉลี่ยประมาณ 32.6% เมื่อนำไปประเมินกับภาพที่ไม่เคยเห็นมาก่อน แต่นักวิจัยบอกว่ามันสามารถแยกความแตกต่างระหว่างอาหารที่มีแคลอรีสูงกับแคลอรีต่ำได้

อ่านข่าวเต็มได้ที่:   New Scientist

DeepER ใช้การเรียนรู้เชิงลึกจัดสรรบริการฉุกเฉินให้ดีขึ้น

ภาพจาก Binghamton University News

นักวิจัยของมหาวิทยาลัย Binghamton ใช้วิธีการเรียนรู้เชิงลึกเพื่อวิเคราะห์ระยะเวลาที่เจ้าหน้าที่บริการฉุกเฉินใช้ในการแก้ไขปัญหา และแนะนำวิธีการจัดสรรทรัพยากรให้ดีขึ้นถ้าจำเป็น เครื่้องมือนี้เรียกว่า DeepER ซึ่งเป็นตัวแบบการเข้าและถอดรหัสแบบเป็นลำดับ โดยใช้โครงข่ายประสาทเทียมแบบ Recurrent ทีมนักวิจัยใช้ข้อมูลสาธารณะของเมืองนิวยอร์กในช่วงเวลา 10 ปี โดยแบ่งกลุ่มให้เห็นถึงประเภทของเรื่องฉุกเฉิน และเวลาที่ใช้ในการแก้ปัญหา นักวิจัยบอกว่าเหตุการณ์หลายอย่างสามารถเกิดขึ้นได้ในเวลาเดียวกัน และเวลาในการแก้ไขก็ย่อมจะต้องใช้เวลามากขึ้น เนื่องจากต้องมีการแบ่งปันบุคลากร ทรัพยากร และเครื่องมือ และสิ่งเหล่านี้สะท้อนให้เห็นจากระยะเวลาที่ใช้แก้ปัญหา ซึ่งนักวิจัยจะใช้ข้อมูลนี้ในการทำนายสิ่งที่จะเกิดขึ้นในอนาคต 

อ่านข่าวเต็มได้ที่: Binghamton University News