เข้าใจสิ่งที่อยู่ใต้ผิวหนังได้อย่างรวดเร็ว

Image: Astrid Eckert / TUM

นักวิจัยจาก Technical University of Munich (TUM) ประเทศเยอรมัน ได้พัฒนาขั้นตอนวิธีแบบเรียนรู้ด้วยตัวเองเพื่อช่วยวิเคราะห์ภาพถ่ายทางการแพทย์ ซอฟต์แวร์นี้มีชื่อว่า AIMOS (Artificial Intelligence-based Mouse Organ Segmentation) ซึ่งทำงานโดยใช้โครงข่ายปราสาทเทียมเพื่อรู้จำแบบรูป (pattern) และหาวิธีแก้ปัญหาด้วยตัวเอง การฝึกฝนขั้นตอนวิธีนี้ทำโดยใช้ภาพของหนู โดยมีจุดประสงค์เพื่อให้โปรแกรมประเมินการสแกนภาพทั้งตัวแบบสามมิติเพื่อแสดงตำแหน่งและรูปร่างที่แน่นอนของอวัยวะที่ต้องการ นักวิจัยบอกว่า ผลการทดลองนี้แสดงให้เห็นว่าขั้นตอนวิธีแบบเรียนรู้ด้วยตัวเองนี้นอกจากเร็วกว่าคนในการวิคราะห์ภาพทางชีววิทยาแล้ว ยังแม่นยำกว่าด้วย

อ่านข่าวเต็มได้ที่: Technical University of Munich (Germany)

10 เทคโนโลยีที่จะมาป่วนวงการไอทีในห้าปีต่อจากนี้

Photo by Michael Dziedzic on Unsplash

Burning Glass Technologies ซึ่งเป็นบริษัทด้านซอฟต์แวร์บอกว่าควอนตัมคอมพิวติง (quantum computing) และเทคโนโลยีการเชื่อมต่อ (connected technology) จะเป็น 2 เทคโนโลยีจาก 10 เทคโนโลยีที่จะมาป่วน (disrupt) เทคโนโลยีด้านไอทีในห้าปีต่อจากนี้ โดยคาดการณ์อัตราเติบโตอยู่ที่ 135% และ 104% ตามลำดับ ส่วนอีก 8 เทคโนโลยีที่เหลือได้แก่ บทบาทของไอทีทางด้านเทคโนโลยีการเงิน ปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง ( artificial intelligence and machine learning) ไอทีอัตโนมัติ (IT automation) การประมวลผลภาษาธรรมชาติ (natural language processing) ความมั่นคงเชิงรุก (proactive security) ระเบียบวิธีพัฒนาซอฟต์แวร์ (software development methodology)  คลาวด์ (cloud) และการคำนวณแบบขนาน (parallel computing) ซึ่งจริง ๆ ทักษะ 8 ด้านจาก 10 ด้านนี้ ปัจจุบันก็เป็นทักษะที่มักจะระบุไว้ในกว่า 30% ของงานอยู่แล้ว

อ่านข่าวเต็มได้ที่: ZDNet

เครื่องจะเปลี่ยนวิธีที่บริษัทใช้สื่อสาร

Photo by William Iven on Unsplash

นักวิจัยด้านเศรษฐศาสตร์และการเรียนรู้ของเครื่องจากมหาวิทยาลัย Columbia และ Georgia State พบว่าปัญญาประดิษฐ์ (artificial intelligence) หรือ AI กำลังเปลี่ยนวิธีที่บริษัทจะสื่อสารกัน การประมวลผลภาษาธรรมชาติกำลังถูกใช้ในการวิเคราะห์และประมวลผลข้อความในเอกสารด้านการเงินที่บริษัทต้องส่งให้คณะกรรมการกำกับตลาดหลักทรัพย์ของสหรัฐอเมริกา จากนั้นส่วนการเรียนรู้ของเครื่องจะถูกใช้เพื่อสรุปข้อความ และจัดอันดับภาษาที่ใช้ว่าเป็นบวก ปกติ หรือเป็นลบ ซึ่งสัญญาณที่ได้จากเครื่องมือเหล่านี้จะเป็นข้อมูลให้ผู้ให้คำปรึกษา นักวิเคราะห์ และนักลงทุนในการตัดสินใจ การดาวน์โหลดเอกสารจากเครื่องมีความสัมพันธ์กับความเร็วในการซื้อขายหลังจากที่คณะกรรมการตลาดหลักทรัพย์ได้โพสต์เอกสารที่ถูกส่งมา ซึ่งสิ่งนี้ผลต่ออุตสาหกรรมด้านการเงินและเศรษฐกิจ โดยหลายบริษัทได้พยายามยกระดับการใช้ภาษาเพื่อให้เข้ากับระดับที่ส่วนการเรียนรู้ของเครื่องจะรายงานออกมา นักวิจัยบอกว่าหลักฐานนี้ชี้ให้ห็นว่าผู้บริหารควรระมัดระวังว่ารูปแบบการพูดและอารมณ์ของพวกเขา ซึ่งเมื่อถูกประเมินโดยคนหรือโปรแกรมจะส่งผลต่อการประเมินของนักลงทุนและนักวิเคราะห์

อ่านข่าวเต็มได้ที่: VentureBeat

ขั้นตอนวิธีที่จะป้องกันการระบุประเภทเซลล์มะเร็งผิดพลาด

ภาพจาก University of Kent (U.K.)

ขั้นตอนวิธีการเรียนรู้เชิงลึก (deep learning algorithm) ที่ถูกพัฒนาโดยนักวิจัยจาก University of Kent ในสหราชอาณาจักร ได้ค้นพบความแตกต่างในสายของเซลล์มะเร็งจากภาพที่ถ่ายจากกล้องจุลทรรศน์ ซึ่งจะช่วยป้องกันการวินิจฉัยเซลล์มะเร็งที่ผิดในห้องทดลอง  ทีมนักวิจัยได้ใช้ขั้นตอนวิธีบนตัวแบบคอมพิวเตอร์ที่มีการฝึกสอนด้วยการเปรียบเทียบประเภทของเซลล์มะเร็งจำนวนมาก ตัวโปรแกรมจะทำให้คอมพิวเตอร์สามารถสำรวจ ระบุ และเขียนป้ายระบุภาพถ่ายดิจิทัลแต่ละภาพของสายเซลล์ 

นักวิจัยบอกว่างานวิจัยนี้จะทำให้มีโอกาสที่จะระบุเซลล์ได้ถูกต้องมากขึ้น ลดข้อผิดพลาดในงานวิจัยด้านมะเร็ง และมีผลอย่างมากต่อการช่วยชีวิต ยิ่งไปกว่านั้นงานวิจัยนี้ยังแสดงให้เห็นว่าแบบจำลองคอมพิวเตอร์สามารถจัดสรรเงื่อนไขที่แน่นอนต่าง ๆ ในการระบุสายเซลล์ได้อย่างถูกต้อง ซึ่งก็หมายความว่าศักยภาพของนักวิจัยในอนาคตที่จะถูกฝึกให้ระบุเซลล์ได้อย่างแม่นยำอาจเพิ่มขึ้นอย่างมากด้วย

อ่านข่าวเต็มได้ที่:  University of Kent (U.K.)

กลยุทธ์ด้านความมั่นคงไซเบอร์ที่ดีกว่า

ภาพจาก MIT News

นักวิจัยจาก Massachusetts Institute of Technology (MIT), Northwestern University, และ University of Chicago ได้ข้อสรุปว่า รัสเซียใช้ที่อยู่ IP ของเกาหลีเหนือในการโจมตีทางอินเทอร์เน็ตระหว่างพิธีเปิดการแข่งขันกีฬาโอลิมปิกฤดูหนาวปี 2018 ซึ่งทำให้เห็นถึงความจำเป็นในการหากลยุทธใหม่ทางด้านความมั่นคงไซเบอร์ ซึ่งเกี่ยวกับการตอบโต้แบบเจาะจง (selective retaliation) 

นักวิจัยบอกว่าสมมติว่าเขาคิดถึงแค่รัสเซียกับจีนทุกครั้งหลังจากมีการจู่โจม เขาก็จะปล่อยให้เกาหลีเหนือและอิหร่านรอดตัวไป ปัจจุบันมีตัวแบบมากมายที่ทำให้ประเทศตระหนักถึงเรื่องการโจมตี แต่กลับละเลยข้อมูลของการโจมตีและผู้โจมตี นักวิจัยพบว่ากลยุทธ์ที่ประสบความสำเร็จจะต้องมีการปรับปรุงการตรวจจับการโจมตี และเก็บข้อมูลของผู้โจมตีให้มากขึ้นก่อนที่จะมีการโต้ตอบ 

นักวิจัยยังบอกอีกว่า ถ้าเราเอาแต่คิดที่จะโต้ตอบแบบหน้ามืดตามัวหลังจากการถูกโจมตีทุกครั้ง ก็เพิ่มความเสี่ยงที่เราจะถูกโต้ตอบกลับ หลังจากสัญญาณเตือนที่ผิดพลาด 

อ่านข่าวเต็มได้ที่: MIT News