ตัวแบบการคำนวณแสดงความคล้ายคลีงของการเรียนรู้ระหว่างคนกับแมลง

Photo by Andriyko Podilnyk on Unsplash

ตัวแบบการคำนวณที่พัฒนาโดยนักวิจัยจาก University of Sussex ของสหราชอาณาจักรแสดงให้เห็นถึงความคล้ายคลึงกันในการเรียนรู้ของแมลงและสัตว์เลี้ยงลูกด้วยนม แบบจำลองแสดงให้เห็นว่าเซลล์ประสาทโดปามีนในสมองของแมลงวันผลไม้สร้างสัญญาณคล้ายกับเซลล์ประสาทโดปามีนในสัตว์เลี้ยงลูกด้วยนม และสัญญาณเหล่านี้สนับสนุนการเรียนรู้ตามสิ่งที่เรียกว่า ข้อผิดพลาดในการทำนายรางวัล (reward prediction error หรือ RPE James Bennett นักวิจัยจาก Sussex กล่าวว่า "การสร้างสะพานเชื่อมระหว่างการศึกษาแมลงและสัตว์เลี้ยงลูกด้วยนมเกี่ยวกับการเรียนรู้ อาจเปิดโอกาสในการใช้ประโยชน์จากเครื่องมือทางพันธุกรรมที่มีประสิทธิภาพสำหรับการทดลองในแมลงและสมองที่มีขนาดเล็กลง เพื่อให้เข้าใจถึงการทำงานของสมองและโรคในสัตว์เลี้ยงลูกด้วยนม รวมถึงมนุษย์ด้วย"

อ่านข่าวเต็มได้ที่: University of Sussex (U.K.)

60% ของแอปเกี่ยวกับโรงเรียนแบ่งปันข้อมูลเด็ก ๆ กับแอปอื่นๆ

Photo: Kena Bentacur (Getty Images)

การศึกษาโดย Me20B Alliance เป็นบริษัทด้านเทคโนโลยีที่ไม่แสวงหากำไร ได้วิเคราะห์แอป "อรรถประโยชน์" 73 ตัวสำหรับเขตการศึกษาหลาย ๆ เขต และพบว่าประมาณ 60% แบ่งปันข้อมูลนักเรียนบางส่วนกับบริษัทด้านการตลาด  ผู้ปกครองและนักเรียนดาวน์โหลดแอปเหล่านี้เพื่อตรวจสอบปฏิทินของโรงเรียนหรือตารางเวลารถประจำทางเป็นต้น ข้อมูลที่แชร์รวมถึงตำแหน่งของนักเรียน รายชื่อผู้ติดต่อ และตัวระบุโฆษณาบนมือถือของโทรศัพท์ นักวิจัยพบว่าใน 73 แอปนี้มีชุดพัฒนาซอฟต์แวร์ (software development kit) หรือ SDK 486 ชุด  ซึ่งเป็นไลบรารีขนาดเล็กของโค้ดที่ช่วยสร้างรายได้จากแอป ด้วยการแชร์ข้อมูลกับเครือข่ายแอปของบริษัทอื่น ๆ ประมาณสองในสามของ SDK เป็นของ Facebook หรือ Google และส่วนที่เหลือแชร์ข้อมูลกับบริษัทที่ไม่ค่อยมีคนรู้จัก ซึ่งก็จะไปแชร์ข้อมูลต่อกับบริษัทที่มีใครรู้จักอีกถ้าไม่ใช่หลายร้อยก็หลายสิบบริษัท

อ่านข่าวเต็มได้ที่: Gizmodo

แอปเกี่ยวกับการมีลูกแอบแบ่งปันข้อมูล

ตัวอย่างแอปเกี่ยวกับการมีลูกใน Play Store

การศึกษาของนักวิจัยจาก Newcastle University ในสหราชอาณาจักร และมหาวิทยาลัย Umea ของสวีเดนพบว่าแอปเกี่ยวกับการมีลูกอันดับต้น ๆ จำนวนมาก รวบรวมและแบ่งปันข้อมูลส่วนบุคคลโดยผู้ใช้ไม่รู้หรือไม่ได้รับอนุญาตจากผู้ใช้ นักวิจัยได้ศึกษาข้อกำหนดเกี่ยวกับความเป็นส่วนตัว และแนวทางปฏิบัติในการติดตามการใช้งานของแอปการมีลูกที่ให้ใช้งานฟรี 30 แอป โดยเลือกจากผลการค้นหาอันดับต้น ๆ ใน Google Play Store พวกเขาพบว่าข้อกำหนดเกี่ยวกับความเป็นส่วนตัว และแนวทางปฏิบัติในการติดตามการใช้งานของแอปเหล่านี้ ส่วนใหญ่ไม่เป็นไปตามกฎระเบียบการคุ้มครองข้อมูลทั่วไปของสหภาพยุโรป นักวิจัยยังพบว่าไม่ว่าผู้ใช้จะยอมมีส่วนร่วมกับข้อกำหนดความเป็นส่วนตัวของแอปหรือไม่ก็ตาม จะมีการเปิดใช้งานตัวติดตามผู้ใช้โดยเฉลี่ยแล้ว 3.8 ตัวทันทีที่ติดตั้งและเปิดแอป นักวิจัยเชื่อว่าจำเป็นต้องมีกระบวนการทางกฎหมายและจริยธรรมที่เพียงพอเพื่อจัดการกับข้อมูลดังกล่าว

อ่านข่าวเต็มได้ที่: News-Medical Life Sciences

IBM เปิดตัวเทคโนโลยีชิปแบบ 2 นาโนเมตร

ภาพจาก Reuters

IBM ได้เปิดตัวสิ่งที่เรียกว่าเทคโนโลยีการผลิตชิป 2 นาโนเมตรตัวแรกของโลกซึ่งจะมีขนาดเล็กและเร็วกว่าโปรเซสเซอร์ 5 นาโนเมตรระดับแนวหน้าที่ใช้ในปัจจุบัน รวมถึงชิป 3 นาโนเมตรที่คาดว่าจะตามมา บริษัทกล่าวว่าชิปใหม่นี้อาจเร็วกว่าชิป 7 นาโนเมตรทั่วไปที่ใช้ในแล็ปท็อปและโทรศัพท์สมัยใหม่หลายรุ่นถึง 45% และประหยัดพลังงานมากขึ้นถึง 75% Dario Gil จาก IBM Research กล่าวว่าการย่อขนาดทรานซิสเตอร์ของชิปจะช่วยเพิ่มความเร็วและประสิทธิภาพ ในขณะเดียวกันก็สร้างปัญหาเกี่ยวกับการรั่วไหลของอิเล็กตรอนเมื่อสวิตช์ควรจะอยู่ในสถานะปิด  Gil กล่าวว่านักวิทยาศาสตร์ของไอบีเอ็มปูแผ่นฉนวนกันความร้อนที่หนาเพียงไม่กี่นาโนเมตรเพื่อหยุดการรั่วไหล บริษัทบอกว่าชิป 2 นาโนเมตรจะใช้เวลาอีกหลายปีในการออกสู่ตลาด

อ่านข่าวเต็มได้ที่: Reuters

อัลกอริทึมช่วยปรับปรุงวิธีการปกป้องข้อมูล

ภาพจาก DGIST

นักวิจัยจาก Daegu Gyeongbuk Institute of Science and Technology (DGIST) ของเกาหลีใต้ได้พัฒนาอัลกอริทึมที่ใช้ประเมินและตรวจสอบความปลอดภัยของการเข้ารหัส โดยใช้ความซับซ้อนในการคำนวณน้อยลง  โดยทั่วไปแล้วมาตรวัด "Min-entropy" จะใช้ในการประมาณและตรวจสอบคุณสมบัติขอต้นทางที่นำมาใช้ในการสร้างตัวเลขสุ่มที่ใช้ในการเข้ารหัสข้อมูล อัลกอริธึมแบบออฟไลน์ที่พัฒนาโดยนักวิจัย จะประเมินค่า min-entropy จากชุดข้อมูลทั้งหมด พวกเขายังพัฒนาเครื่องมือประมาณค่าแบบออนไลน์ ที่ต้องการตัวอย่างข้อมูลที่ไม่มากนัก และเมื่อใช้ตัวอย่างข้อมูลเพิ่มขึ้นก็จะได้ความแม่นยำที่มากขึ้น เนื่องจากเครื่องมือประมาณค่าแบบออนไลน์ไม่ต้องการพื้นที่จัดเก็บสำหรับชุดข้อมูลทั้งหมด จึงเหมาะสำหรับอุปกรณ์อินเทอร์เน็ตของสรรพสิ่ง (Internet of Things) และแอปพลิเคชันอื่น ๆ ที่มีข้อจำกัดด้านหน่วยความจำ พื้นที่จัดเก็บข้อมูล และฮาร์ดแวร์ Yongjune Kim จาก DGIST กล่าวว่า "การประเมินของเราแสดงให้เห็นว่า อัลกอริทึมของเราสามารถประมาณค่า min-entropy ได้เร็วกว่าอัลกอริทึมมาตรฐานปัจจุบัน 500 เท่าในขณะที่ยังคงความแม่นยำในการประมาณค่าเอาไว้" 

อ่านข่าวเต็มได้ที่: Daegu Gyeongbuk Institute of Science and Technology (South Korea)