รายงานด้านความมั่งคงไซเบอร์บอกว่า ฟาร์มอัจฉริยะคือฟาร์มที่ถูกแฮกได้

Photo: Martin Harvey/Getty Images

นักวิจัยจาก Nanjing Agricultural University (NAU) ของจีนได้สำรวจการทำฟาร์มอัจฉริยะ รวมถึงเทคโนโลยีและโครงสร้างพื้นฐานที่เป็นรากฐานของมัน และค้นพบปัญหาด้านความปลอดภัยทางไซเบอร์ที่เป็นเอกลักษณ์ซึ่งเกิดจากแอปพลิเคชัน Internet of Things (IoT) ทางการเกษตร ภัยคุกคามที่อาจเกิดขึ้นต่อความถูกต้องของ IoT ได้แก่ ความเสียหายของอุปกรณ์อำนวยความสะดวก ความผิดพลาดของเซ็นเซอร์ในการเพาะพันธุ์สัตว์ปีกและปศุสัตว์ และการบุกรุกระบบควบคุมในเรือนเพาะ Xing Yang จาก NAU กล่าวว่าช่องโหว่ที่ต้องแก้เร่งด่วนที่สุดในการเกษตรอัจฉริยะ เกี่ยวข้องกับสภาพแวดล้อมทางกายภาพเช่นการบุกรุกระบบควบคุมโรงงาน และการระบุตำแหน่งที่ผิดพลาดของอากาศยานไร้คนขับ Yang ยกตัวอย่างพื้นที่ชนบทมีโอกาสอย่างมากที่จะมีสัญญาณเครือข่ายที่ไม่ดี ซึงจะนำไปสู่การได้สัญญาณที่ผิดพลาดจากสถานีฐาน  Yang และเพื่อนร่วมงานของเขาเสนอแนะให้ใช้มาตรการตอบโต้เพื่อแก้ปัญหา ซึ่งรวมถึงการใช้ปัญญาประดิษฐ์เพื่อตรวจจับผู้ใช้ที่เป็นอันตราย และการประยุกต์ใช้มาตรฐานความมั่นคงในระดับอุตสาหกรรมที่มีอยู่ เพื่อออกแบบกกรอบการรักษาความปลอดภัยโดยเฉพาะสำหรับ IoT ทางการเกษตร

อ่านข่าวเต็มได้ที่: IEEE Spectrum

IBM พัฒนาขั้นตอนวิธี AI เพื่อผลิตยาปฎิชีวนะ และตอนนี้มันสร้างไปสองตัวแล้ว

ภาพจาก New Atlas

IBM Research ใช้ปัญญาประดิษฐ์ (artificial intelligence) หรือ AI เพื่อพัฒนายาปฏิชีวนะชนิดใหม่ให้ได้รวดเร็วยิ่งขึ้น และตอนนี้มันได้ผลิตยาที่มีแนวโน้มว่าจะเป็นยาที่เป็นทางเลือกที่ใช้ได้จริงสองตัวแล้ว การที่ยาแต่ละตัวใช้เวลาผลิตหลายปีเป็นเพราะมันต้องใช้การผสมผสานโมเลกุลเข้าด้วยกัน ซึ่งมีทางเลือกในการผสมแบบนับไม่ถ้วน เพื่อเร่งกระบวนการให้เร็วชึ้น นักวิจัยใช้ตัวแบบที่เรียกว่า  deep generative autoencoder เพื่อตรวจสอบช่วงของลำดับเป๊ปไทด์ (peptide) รวบรวมข้อมูลเกี่ยวกับฟังก์ชันและโมเลกุลที่อยู่ภายในของพวกมัน และมองหาความคล้ายคลึงกับเป็ปไทด์ตัวอื่น ๆ  จากนั้นนักวิจัยใช้ระบบ Controlled Latent attribute Space Sampling (CLaSS) เพื่อสร้างโมเลกุลเปปไทด์ใหม่ที่มีคุณสมบัติเฉพาะตามข้อมูลที่รวบรวมได้โดยตัวแบบ ระบบ AI ระบุ สังเคราะห์ และทดลองกับสิ่งที่น่าจะเป็นเปปไทด์ของยาปฏิชีวนะใหม่ 20 ตัวในช่วง 48 วันซึ่งสามารถผลิตได้ 2 ตัวที่มีประสิทธิภาพในการต่อต้านแบคทีเรีย แบบ Gram-positive และ Gram-negative หลายชนิด

อ่านข่าวเต็มได้ที่: New Atlas

นักวิจัยเบลอรูปใบหน้าที่ทำให้เกิดอัลกอริธึมเป็นพัน ๆ วิธี

PHOTOGRAPH: MADS PERCH/GETTY IMAGES

ความกังวลเกี่ยวกับความเป็นส่วนตัวทำให้นักวิจัยที่เป็นผู้ดูแล ImageNet เบลอใบหน้าของคนทุกคนภายในชุดข้อมูล เพื่อพิจารณาว่าการทำเช่นนั้นจะส่งผลต่อประสิทธิภาพของอัลกอริธึมการจดจำวัตถุที่ได้รับการฝึกสอนจากชุดข้อมูลหรือไม่ ImageNet มีภาพ 1.5 ล้านภาพพร้อมป้ายกำกับประมาณ 1,000 ป้าย แต่มีเพียง 243,198 ภาพเท่านั้นที่ถูกเบลอ นักวิจัยเบลอใบหน้าโดยใช้บริการ AI ของ Amazon Rekognition และพบว่าไม่ส่งผลกระทบต่อประสิทธิภาพของอัลกอริธึมการจดจำวัตถุหลายตัวที่ได้รับการฝึกสอนโดยใช้ ImageNet Olga Russakovsky จาก Princeton University กล่าวว่า "เราหวังว่าการพิสูจน์ของแนวคิดนี้ จะปูทางไปสู่แนวทางปฏิบัติในการรวบรวมข้อมูลภาพที่คำนึงถึงความเป็นส่วนตัวมากขึ้นในภาคสนาม" อย่างไรก็ตาม Aleksander Madry แห่งสถาบันเทคโนโลยีแมสซาชูเซตส์กล่าวว่าการฝึกโมเดล AI บนชุดข้อมูลที่มีใบหน้าเบลออาจส่งผลที่ไม่ได้คาดคิด Madry กล่าวว่า "อคติในข้อมูลเป็นเรื่องละเอียดอ่อนมาก แต่ส่งผลกระทบอย่างมีนัยสำคัญ"

อ่านข่าวเต็มได้ที่: Wired

พบแนวทางใหม่สำหรับแอปพลิเคชัน AI ที่ใช้พลังงานอย่างมีประสิทธิภาพ

ภาพจาก Graz University of Technology (Austria)

นักวิจัยจาก Graz University of Technology (TU Graz) ของออสเตรียได้แสดงให้เห็นถึงแนวทางใหม่สำหรับปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่ใช้พลังงานอย่างมีประสิทธิภาพ โดยต้องการสัญญาณน้อยมากในการทำงาน และกำหนดความหมายของช่วงหยุดระหว่างสัญญาณ Wolfgang Maass และ Christoph Stöcklของ TU Graz ได้เพิ่มประสิทธิภาพเครือข่ายประสาทเทียมในตัวแบบคอมพิวเตอร์สำหรับการจำแนกภาพ โดยเซลล์ประสาทจะทำเพียงแค่ส่งสัญญาณง่าย ๆ  เป็นครั้งคราว โดยจะได้ความแม่นยำใกล้เคียงกับเครื่องมือที่ทันสมัยที่สุดที่ใช้กันอยู่ในปัจจุบัน รูปแบบการส่งข้อมูลนอกจากจะขึ้นอยู่กับจำนวนสัญญาณที่เซลล์ประสาทที่ส่งออกไปแล้ว ยังขึ้นอยู่กับว่าเซลล์ประสาทส่งข้อมูลออกไปเมื่อไหร่อีกด้วย Maass กล่าวว่า "ด้วยจำนวนสัญญาณเพียงไม่กี่สัญญาณ - ค่าเฉลี่ยจากการจำลองของเราคือสองสัญญาณ เราก็ได้จำนวนข้อมูลที่ส่งถึงกันระหว่างหน่วยประมวลผลในปริมาณที่มากพอ ๆ กับ ฮาร์ดแวร์ที่ใช้พลังงานมากกว่า"

อ่านข่าวเต็มได้ที่: Graz University of Technology (Austria)

หุ่นยนต์ที่ถูกออกแบบมาเพื่อหลีกเลี่ยงสภาพแวดล้อมที่เป็นอันตรายเพื่อส่งข้อมูลได้อย่างรวดเร็ว

Photos by Lakitha Wijeratne/UT Dallas physics doctoral student

ทีมอุปกรณ์หุ่นยนต์อัตโนมัติที่พัฒนาโดยนักวิจัยจาก University of Texas at Dallas (UT Dallas) สามารถนำไปใช้เพื่อทำการสำรวจทั่วไปเกี่ยวกับระบบนิเวศหรือในไซต์ที่เป็นอันตรายหรือเข้าถึงได้ยาก เพื่อสนับสนุนการตัดสินใจแบบเรียลไทม์ อุปกรณ์จะรวบรวมข้อมูลหลายพันรายการในขณะที่อยู่บนพื้นดิน ในอากาศ หรือในน้ำภายในไม่กี่นาที อุปกรณ์อัตโนมัติได้แก่เรือหุ่นยนต์เพื่อวัดองค์ประกอบของน้ำ โซนาร์ในการตรวจจับวัตถุใต้ผิวน้ำโดรนทางอากาศที่มีเซ็นเซอร์ติดตั้งอยู่หลายตัว และยานพาหนะภาคพื้นดินเพื่อเก็บตัวอย่างดินและมีเรดาร์ที่สามารถอ่านข้อมูลจากใต้พื้นดิน David Lary จาก UT Dallas กล่าวว่า "ทีมอัตโนมัติแบบนี้สามารถทำการสำรวจและเก็บตัวอย่างสิ่งที่อยู่ในอากาศและในน้ำได้อย่างรวดเร็ว เพื่อที่จะไม่ต้องให้คนเข้ามาในพื้นที่ที่เป็นอันตราย"

อ่านข่าวเต็มได้ที่: University of Texas at Dallas