AI ใช้พลังงานมหาศาลแต่แฮกเกอร์จะทำให้มันใช้มากขึ้นไปอีก

TAYLOR VICK/UNSPLASH

นักวิจัยของ Maryland Cybersecurity Center (MC2) ได้สรุปการโจมตีที่สามารถเพิ่มการใช้พลังงานของระบบปัญญาประดิษฐ์ (artificial intelligence) หรือ AI โดยการบังคับให้เครือข่ายประสาทเทียมในระดับลึก (deep neural network) ใช้ทรัพยากรในการคำนวณมากเกินความจำเป็น ทีมงานได้เพิ่มสัญญาณรบกวนเล็กน้อยให้กับอินพุตของเครือข่ายประสาทเทียมแบบหลายทางออกที่ปรับข้อมูลเข้าได้ (input-adaptive multi-exit neural network) ซึ่งทำให้ระบบมองว่ายากขึ้นขึ่งต้องใช้การคำนวณที่เพิ่มขึ้น นั่นคือต้องใช้พลังงานมากขึ้นในการทำให้เสร็จสมบูรณ์ ในการสมมติว่าผู้โจมตีมีข้อมูลทั้งหมดเกี่ยวกับเครือข่าย นักวิจัยสามารถใช้พลังงานในระดับสูงสุด และถ้าสมมติว่ามีข้อมูลน้อยหรือไม่มีเลยก็ยังสามารถทำให้การประมวลผลช้าลง และเพิ่มการใช้พลังงานได้จาก 20% ถีง 80% แม้ว่าการแฮ็กนี้ยังคงอยู่เป็นทฤษฎีอยู่ แต่ Tudor Dumitras จาก MC2 กล่าวว่า "สิ่งที่สำคัญก็คือการทำให้คนสนใจว่านี่เป็นรูปแบบภัยคุกคามใหม่ และการโจมตีประเภทนี้สามารถเกิดขึ้นได้"

อ่านข่าวเต็มได้ที่: MIT Technology Review

แหวนอัจฉริยะที่มีชิป RFID ฝังอยู่

ภาพจาก Fraunhofer-Gesellschaft (Germany)

นักวิจัยจากสถาบัน Fraunhofer Institute for Casting, Composite and Processing Technology (IGCV) ของเยอรมนีได้พัฒนาแหวนสำหรับสวมนิ้วอัจฉริยะที่พิมพ์จากเครื่องพิมพ์สามมิติ (3D) ที่สามารถใช้แทนกุญแจบ้าน กระเป๋าสตางค์ บัตรประกันสุขภาพ และอื่น ๆ ได้ แหวนอัจฉริยะมีชิประบุตัวตนด้วย RFID อยู่ในตัวที่ช่วยให้สามารถซื้อสินค้า เปิดประตูอัจฉริยะ จัดเก็บข้อมูลทางการแพทย์ และยังทำเรื่องอื่น ๆ ได้อีกมากมาย การพิมพ์แบบสามมิติจะพิมพ์ทีละชั้น มีการหยุดพิมพ์เพื่อฝังชิป RFID เข้าไปในโพรงของแหวน จากนั้นจึงพิมพ์ต่อไป  Maximilian Binder ของ IGCV กล่าวว่า "การแปลงเทคโนโลยีฮาร์ดแวร์ เพื่อให้สามารถฝังชิ้นส่วนอิเล็กทรอนิกส์ในระหว่างกระบวนการผลิตนั้นเป็นเอกลักษณ์ของงานนี้"

อ่านข่าวเต็มได้ที่: Fraunhofer-Gesellschaft (Germany)

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