ป้ายกำกับในชุดข้อมูลด้าน Computer Vision แสดงความหลากหลายทางเชื้อชาติได้ไม่ดี

Image Credit: SDI Productions

การศึกษาของนักวิจัยจาก Northeastern University ระบุว่าป้ายกำกับ (label) ในชุดข้อมูลด้าน Computer Vision ของคอมพิวเตอร์ไม่น่าเชื่อถือในฐานะที่เป็นตัวบ่งชี้ตัวตน ในการวิเคราะห์ชุดข้อมูล FairFace, BFW, RFW และ LAOFIW นักวิจัยระบุว่ามีการใช้ป้ายกำกับด้านเชื้อชาติกับงานด้าน Computer Vision โดยไม่มีคำจำกัดความ หรือมีเพียงคำจำกัดความที่หลวม ๆ หรือคลุมเครือ นักวิจัยยังอ้างถึงการใช้ป้ายกำกับ "Indian / South Asian" ของชุดข้อมูลว่าเป็นตัวอย่างของข้อบกพร่องของหมวดหมู่เชื้อชาติ 

นักวิจัยบอกว่า "เราสามารถพิจารณาขยายจำนวนหมวดหมู่เชื้อชาติที่ใช้ออกไปได้ แต่หมวดหมู่ทางเชื้อชาติจะไม่สามารถแสดงออกถึงบุคคลหลายเชื้อชาติหรือบุคคลที่คลุมเครือทางเชื้อชาติได้เสมอไป" นักวิจัยยังพบว่า ใบหน้าในชุดข้อมูลที่วิเคราะห์นั้นเป็นจุดที่เป็นความเห็นแย้งกันทางเชื้อชาติ ในหมู่ผู้มีหน้าที่ให้คำนิยามและเตือนว่าอคติการติดป้ายกำกับใบหน้าเหล่านี้ อาจถูกนำไปใช้ซ้ำและขยายขอบเขตออกไปได้เรื่อย ๆ หากไม่ได้รับการแก้ไข

อ่านข่าวเต็มได้ที่: VentureBeat

นักเคมีและนักวิทยาศาสตร์คอมพิวเตอร์ร่วมมือกันใช้ AI กับปฏิกิริยาเคมี

Photo by Alex Kondratiev on Unsplash

นักเคมีและนักวิทยาศาสตร์คอมพิวเตอร์ที่ Princeton University ร่วมมือกันพัฒนาซอฟต์แวร์แมชชีนเลิร์นนิงแบบโอเพนซอร์สที่ใช้ปัญญาประดิษฐ์ เพื่อปรับปฏิกิริยาสังเคราะห์ทางเคมีให้เหมาะสมที่สุด ซอฟต์แวร์ปรับใช้หลักการสำคัญของการปรับให้เหมาะสมที่สุดแบบเบย์ (Bayes optimization) เพื่อให้สามารถสังเคราะห์สารเคมีได้เร็วขึ้นและมีประสิทธิภาพมากขึ้น Benjamin Shields ผู้เขียนหลักของงานวิจัย และเป็นผู้สร้างแพคเกจ Python กล่าวว่า "ในการออกแบบซอฟต์แวร์ ได้พยายามรวมวิธีต่างๆเพื่อให้ผู้คนสามารถนำสิ่งสิ่งที่พวกเขารู้เกี่ยวกับปฏิกิริยาใส่เข้าไปในโปแกรมให้ได้ และไม่ว่าคุณจะใช้วิธีนี้หรือการเรียนรู้ของเครื่องโดยทั่วไปก็ตาม มันจะมีกรณีที่ความเชี่ยวชาญของมนุษย์มีคุณค่าเสมอ"

อ่านข่าวเต็มได้ที่: Princeton University

การค้นผ่าน Google ช่วยทำนายการพุ่งขึ้นของ COVID-19

ภาพจาก ACM

นักวิจัยจาก University College of London (UCL) ของสหราชอาณาจักรและมหาวิทยาลัย Bar-Ilan ของอิสราเอลพบว่าการเพิ่มขึ้นอย่างรวดเร็วของผู้ป่วย Covid-19 สามารถคาดการณ์ได้ล่วงหน้าโดยเฉลี่ย 17 วันโดยใช้ข้อมูลการค้นหาออนไลน์ นักวิจัยได้พัฒนาแบบจำลองการวิเคราะห์ที่เปรียบเทียบการค้นหาของ Google ที่เกี่ยวข้องกับอาการ Covid-19 กับการเพิ่มขึ้นอย่างรวดเร็วของผู้ติดเชื้อ Covid-19 ข้อมูลของอาการที่ถูกระบุโดย National Health Service and Public Health England ของสหราชอาณาจักรจะถูกใช้โดยตัวแบบ และให้น้ำหนักตามความถี่ที่เกิดขึ้นในผู้ป่วย Covid-19 ที่ได้รับการยืนยัน Vasileios Lampos จาก UCL กล่าวว่า "เราได้แสดงให้เห็นว่าแนวทางของเราใช้ได้ผลกับประเทศอื่น ๆ ด้วย โดยไม่คำนึงถึงความแตกต่างทางวัฒนธรรมเศรษฐกิจสังคมและสภาพภูมิอากาศ การวิเคราะห์ของเรายังเป็นหนึ่งในกลุ่มแรก ๆ ที่พบความสัมพันธ์ระหว่างอุบัติการณ์โควิด -19 และการค้นหาเกี่ยวกับอาการของการไม่ได้กลิ่นและมีผื่นขึ้นที่ผิวหนัง".

อ่านข่าวเต็มได้ที่: The Jerusalem Post

เมื่อหุ่นยนต์ต้องมาทำงานร่วมกัน มันก็ต้องเรียนรู้ที่จะอยู่ร่วมกันได้

COURTESY OF PANASONIC

โรงพยาบาล  Changi General เจเนอรัลของสิงคโปร์กำลังใช้ซอฟต์แวร์จาก Open Robotics เพื่อช่วยไม่ให้หุ่นยนต์ขวางทางกันในโถงทางเดินหรือนอกลิฟต์ หุ่นยนต์ประมาณ 50 ตัวของโรงพยาบาลมาจากผู้ผลิต 8 รายและซอฟต์แวร์ดังกล่าวช่วยให้หุ่นยนต์จากผู้ผลิตหลายรายสามารถสื่อสาร และจัดเส้นทางการเดินที่จะไม่ขัดขวางหรือชนกัน  Open Robotics เป็นผู้ดูแลซอฟต์แวร์โอเพนซอร์ส Robot Operating System (ROS) แต่ซอฟต์แวร์ที่ใช้โดย Changi ยังช่วยให้หุ่นยนต์ที่ไม่ใช้ ROS สามารถสื่อสารกันได้ บริษัทหวังว่าจะมีการนำซอฟต์แวร์ฟรีที่แก้ไขได้ง่ายมาใช้อย่างแพร่หลายมากขึ้น เพื่อให้หุ่นยนต์ในที่ทำงานสามารถทำงานร่วมกันได้โดยสะดวก Rian Whitton จาก ABI Research กล่าวว่าต้องของคุณ ROS ที่ทำให้บริษัทต่าง ๆ สามารถพัฒนาหุ่นยนต์ที่เคลื่อนที่ได้ได้เร็วขึ้น  และเราสามารถเร่งการทำงานร่วมกันให้เร็วขึ้นได้ผ่านแพลตฟอร์มโอเพ่นซอร์ส

อ่านข่าวเต็มได้ที่: Wired

นักวิทยาศาสตร์คอมพิวเตอร์แสดงวิธีเอาชนะตัวตรวจจับ Deepfake

ตัวอย่าง deepfake ซ้ายภาพจริง Amy Adams จากหนัง Man of Steel ภาพขวาเอาหน้า Niolas Cage มาใส่ ภาพจาก Wikipedia

นักวิทยาศาสตร์คอมพิวเตอร์ที่มหาวิทยาลัยแคลิฟอร์เนียซานดิเอโก (UCSD) แสดงให้เห็นเป็นครั้งแรกว่ามีวิธีที่เอาชนะโปรแกรมให้ตรวจจับวิดีโอปลอม (deepfake) ได้ จากการนำเสนอในงาน  Winter Conference on Applications of Computer Vision 2021 เมื่อเดือนมกราคม นักวิจัยอธิบายว่าพวกเขาแทรกตัวอย่างที่เป็นปฏิปักษ์ (adversarial) ลงในทุกเฟรมของวีดีโอ เหนี่ยวนำให้เกิดข้อผิดพลาดในระบบปัญญาประดิษฐ์ (artificial intelligence) หรือ AI วิธีนี้ยังใช้งานได้แม้ว่าวีดีโอจะถูกบีบอัดไปแล้ว เนื่องจากอัลกอริธึมที่ใช้สู้กับตัวตรวจจับนี้จะประเมินว่าตัวแบบการจับวีดีโอว่าจริงหรือปลอมทำงานอย่างไร จากนั้นใช้สิ่งที่คำนวณได้นี้เพื่อปรับเปลี่ยนรูปภาพ เพื่อให้รูปภาพปฏิปักษ์ยังคงมีประสิทธิภาพหลังจากการบีบอัดและการคลายการบีบอัด นักวิจัยของ USCD กล่าวว่า "เราแสดงให้เห็นว่าวิธีการที่ทันสมัยในปัจจุบันสำหรับการตรวจจับวีดีโอปลอมสามารถเอาชนะได้อย่างง่ายดาย หากคนที่ต้องการจู่โจมรู้รายละเอียดทั้งหมดหรือแม้กระทั่งบางส่วนว่าตัวตรวจจับทำงานยังไง"

อ่านข่าวเต็มได้ที่: UC San Diego Jacobs School of Engineering