Rice กับ Intel ฝึกฝน AI แบบเหมาะสมที่สุดสำหรับฮาร์ดแวร์ของสินค้าโภคภัณฑ์

ภาพจาก Rice University

นักวิทยาศาสตร์คอมพิวเตอร์ของ Rice University และผู้ร่วมงานจาก Intel ได้สาธิตซอฟต์แวร์ปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่ทำงานบนโปรเซสเซอร์ของสินค้าโภคภัณฑ์ และฝึกเครือข่ายประสาทเทียมเชิงลึก (deep neural network)  หรือ DNN ได้เร็วกว่าแพลตฟอร์มที่ใช้หน่วยประมวลผลกราฟิก  หรือ GPU อย่างมีนัยสำคัญ Anshumali Shrivastava ของ Rice กล่าวว่าค่าใช้จ่ายในการฝึกอบรม DNN ถือเป็นปัญหาคอขวดที่ใหญ่ที่สุดใน AI และ sub-linear deep learning engine (SLIDE) ซึ่งทีมได้พัฒนาขึ้นเอาชนะมันได้ด้วยการทำงานบนซีพียูของสินค้าโภคภัณฑ์ และด้วยมองว่าการฝึก DNN เป็นปัญหาการสืบค้นโดยใช้ตารางแฮช   (hash table) งานวิจัยล่าสุดได้พิจารณาถึงผลกระทบของ vectorization และตัวเร่งการเพิ่มประสิทธิภาพหน่วยความจำที่มีต่อ CPU Shrivastava กล่าวว่า "เราใช้ประโยชน์จากนวัตกรรมเหล่านั้นเพื่อใช้ SLIDE ให้ดียิ่งขึ้นไปอีกโดยแสดงให้เห็นว่าถ้าเราแก้ไขการคูณเมทริกซ์ไม่ได้ เรายังสามารถใช้ประโยชน์จากพลังในซีพียูสมัยใหม่ และฝึกโมเดล AI ได้เร็วกว่าฮาร์ดแวร์เฉพาะทางที่ดีที่สุดถึง 4 ถึง 15 เท่า"

อ่านข่าวเต็มได้ที่: Rice University News

ภาษาโปรแกรมรุ่นเก๋าจู่ ๆ กลับมาได้รับความนิยมอีกครั้ง

TIOBE Index April 2021

ดัชนี Tiobe Programming Community ล่าสุด แสดงให้เห็นว่า Objective-C หลุดจากรายการภาษาโปรแกรมยอดนิยม 20 อันดับแรก ในขณะที่ Fortran ขึ้นจากอันดับที่ 34 เป็นอันดับที่ 20 ในปีที่ผ่านมา Tiobe ตั้งสมมติฐานว่าที่ Objective-C ยังคงได้รับความนิยมส่วนหนึ่งเป็นเพราะการใช้ Swift ลดลง เนื่องจากนักพัฒนาแอปพลิเคชันมือถือมุ่งเน้นไปที่ภาษาที่สามารถใช้ในการสร้างแอปที่ทำงานได้บนหลายแพลตฟอร์ม ตัว Swift เองก็ตกลงไปที่อันดับ 15 จากที่เคยอยู่อันดับ 11 เมื่อเมษายนปี 2020 Fortran ซึ่งถูกเผยแพร่โดย IBM ในปี 1950 ยังคงเป็นภาษายอดนิยมในแวดวงการคำนวณทางวิทยาศาสตร์ Tiobe บอกว่า "Fortran เป็นภาษาการเขียนโปรแกรมเชิงพาณิชย์จริง ๆ ตัวแรก  และกำลังได้รับความนิยมเนื่องจากความต้องการคำนวณที่ต้องใช้ตัวเลขมาก ๆ   [ทางวิทยาศาสตร์]"

อ่านข่าวเต็มได้ที่: ZDNet

ทำไมคำตัดสินของศาลสูงที่ให้ Google ชนะ Oracle จึงเป็นชัยชนะของนวัตกรรม

Tom Carnegie on Unsplash

เมื่อวันจันทร์ที่ผ่านมา (5 เมษายน) ศาลสูงสหรัฐได้ยุติการต่อสู้ทางกฎหมายที่ยาวนานกว่าทศวรรษในการตัดสินว่า Google ไม่ได้ละเมิดลิขสิทธิ์ของ Oracle ที่เกี่ยวข้องกับภาษาโปรแกรม Java การตัดสินจะเกี่ยวข้องกับการใช้  API (Application Program Interface) ซึ่งทำให้ฮาร์ดแวร์หรือซอฟต์แวร์ของบริษัทต่าง ๆ สามารถติดต่อกันได้  Microsoft, Red Hat ของ IBM และ Mozilla เป็นส่วนหนึ่งในบริษัทเทคโนโลยีที่อาจได้รับผลกระทบ เนื่องจากการพัฒนาซอฟต์แวร์ใหม่อาจถูกขัดขวางหากความต้องการของ Oracle ได้รับการอนุมัติ  Stan Adams จาก Center for Democracy and Technology  "ผลการตัดสินครั้งนี้ถือเป็นชัยชนะครั้งใหญ่สำหรับนักพัฒนาและผู้บริโภค เมื่อซอฟต์แวร์ทำงานร่วมกันได้ซึ่งหมายถึงหมายความว่าซอฟต์แวร์ตัวหนึ่งสามารถพูดคุยกับซอฟต์แวร์อีกตัวหนึ่ง มันก็ง่ายที่จะสร้างนวัตกรรมและสร้างบริการใหม่ ๆ "

อ่านข่าวเต็มได้ที่: Fortune

เพิ่มเติมเสริมข่าว: ถ้าใครอยากรู้ที่มาที่ไป และความสำคัญของชัยชนะด้าน API นี้ สามารถย้อนไปอ่านข่าวที่ผมเขียนไว้เมื่อต้นปี 2563 ได้ครับ

เครื่องมือที่ใช้ AI เป็นฐานสามารถตรวจจับอาการไบโพลาร์ได้ตั้งแต่ระยะเริ่มต้น

Owen Beard on Unsplash

ตัวแบบการเรียนรู้ของเครื่อง (machine learning) หรือ ML ที่พัฒนาโดยนักวิจัยจาก University of Alberta (UAlberta) ของแคนาดาและเพื่อนร่วมงานจากจีน สามารถช่วยระบุการขาดดุลทางปัญญาที่ละเอียดอ่อน ซึ่งบ่งบอกถึงโรคไบโพลาร์ในระยะเริ่มต้นหรือขั้นแรกของโรค ทีมได้ฝึกตัวแบบโดยการเปรียบเทียบผู้ป่วยที่เป็นโรคไบโพลาร์เรื้อรัง กับกลุ่มควบคุมที่สุขภาพดี จากนั้นแสดงให้เห็นว่าตัวแบบสามารถแยกความแตกต่างของผู้ป่วยโรคไบโพลาร์ในขั้นแรกจากกลุ่มควบคุมด้วยความแม่นยำ 76% นักวิจัยคิดว่าการทดสอบความรู้ความเข้าใจ (cognitive test) ที่ใช้การวิเคราะห์ ML เป็นเทคนิคที่ใช้ค่าใช้จ่ายน้อย และใช้เวลาในการวินิจฉัยโรคไบโพลาร์น้อยกว่าการถ่ายภาพสมอง และมันยังสามารถติดตามอาการเมื่อเวลาผ่านไปได้อีกด้วย

อ่านข่าวเต็มได้ที่: Folio (University of Alberta, Canada)

นักวิจัยออสเตรเลียใช้การเรียนรู้ของเครื่องเพื่อวิเคราะห์ศิลปะในหิน

Image: Mimal Land Management Aboriginal Corporation (MLMAC)

นักวิจัยชาวออสเตรเลียใต้ที่มหาวิทยาลัย Flinders กำลังวิเคราะห์วิวัฒนาการของศิลปะบนหินผ่านการเรียนรู้ของเครื่อง (machine learning) ทีมงานได้ศึกษาภาพงานศิลปะที่รวบรวมระหว่างการสำรวจพื้นที่ Arnhem Land โดยใช้ตัวแบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน (convolutional neural network) ที่ได้รับการฝึกฝนและเผยแพร่ก่อนหน้านี้ และกลุ่มของชุดข้อมูลที่แต่ละชุดออกแบบมาสำหรับการจำแนกประเภทวัตถุ ผู้ตรวจสอบจาก Flinders ใช้การเรียนรู้แบบถ่ายโอน (transfer learning) เพื่อปรับใช้เครือข่ายเหล่านี้บนชุดข้อมูลโดยไม่ต้องฝึกอบรมใหม่ และวิเคราะห์การตอบสนองของตัวแบบบนชุดข้อมูลศิลปะในก้อนหิน Daryl Wesley ของ Flinders กล่าวว่าคอมพิวเตอร์ได้สังเกตเห็นวัตถุมากกว่า 1,000 ประเภท และเรียนรู้ที่จะแยกความแตกต่างโดยดูจากภาพถ่าย Ian Moffat ของ Flinders กล่าวว่าการเรียนรู้แบบถ่ายโอนช่วยขจัดอคติของมนุษย์จำนวนมากออกจากการวิเคราะห์ และแง่มุมที่น่าตื่นเต้นอย่างยิ่งของงานวิจัยนี้ก็คือ "เป็นการทำซ้ำผลลัพธ์ที่ได้จากการศึกษาอื่น ๆ ที่ใช้วิธีการแบบดั้งเดิมมากกว่านี้"

อ่านข่าวเต็มได้ที่: ZDNet