อเมริกาจะมีตำแหน่งงานด้านความมั่นคงทางไซเบอร์ถึง 500,000 ตำแหน่ง

Photo by Jefferson Santos on Unsplash

ฐานข้อมูลการติดตามงานเทคโนโลยี Cyber Seek ของกระทรวงพาณิชย์สหรัฐฯและกลุ่มการค้า CompTIA นับจำนวนตำแหน่งงานด้านความมั่นคงทางไซเบอร์ของสหรัฐฯในปัจจุบันประมาณ 465,000 ตำแหน่ง ผู้เชี่ยวชาญกล่าวว่าความต้องการของภาคเอกชนและหน่วยงานภาครัฐในการมีพนักงานรักษาความปลอดภัยทางไซเบอร์มากขึ้น ได้ปลดล็อกโอกาสสำคัญสำหรับทุกคนที่ต้องการงานในสาขาดังกล่าว Michelle Moore จาก University of San Diego บอกว่าการเปลี่ยนไปทำอาชีพการรักษาความมั่นคงทางไซเบอร์ อาจทำได้ง่ายเพียงแค่ได้รับประาศนียบัตรด้านเครือข่าย หรือความมั่นคง ในขณะที่หลักสูตรออนไลน์แปดสัปดาห์อาจช่วยให้ใครบางคนได้งานระดับเริ่มต้นโดยมีรายได้ 60,000 ถึง 90,000 เหรียญต่อปี ในการเป็นผู้ทดสอบการเจาะระบบ วิศวกรด้านความปลอดภัยเครือข่าย หรือนักวิเคราะห์การตอบสนองต่อเหตุการณ์ (incident response analyst) Moore เน้นว่าการขาดบุคลากรที่มีทักษะด้านความปลอดภัยทางไซเบอร์นั้นป็นปัญหาในขณะที่ Tim Herbert จาก CompTIA กล่าวว่ามีผู้สำเร็จการศึกษาด้านวิทยาศาสตร์คอมพิวเตอร์เพียงไม่กี่เปอร์เซนต์เท่านั้นที่ประกอบอาชีพรักษาความมั่นคงทางไซเบอร์

อ่านข่าวเต็มได้ที่: CBS News

Amazon กันไม่ให้ตำรวจใช้งานระบบรู้จำใบหน้าไปแบบไม่มีกำหนด

 

Photo by Bryan Angelo on Unsplash

Amazon ได้ขยายการห้ามไม่ให้ตำรวจใช้ซอฟต์แวร์จดจำใบหน้าของบริษัทออกไปย่างไม่มีกำหนด เนื่องจากฝ่ายกฎหมายและพนักงานบริษัทบอกว่ามันมีการเลือกปฏิบัติต่อชาวแอฟริกัน - อเมริกัน จากการประกาศเมื่อเดือนมิถุนายนปีที่แล้ว Amazon หวังว่าเวลาหนึ่งปีจะให้เวลาสภาคองเกรสเพียงพอในการพัฒนากฎหมายที่ควบคุมการใช้เทคโนโลยีอย่างมีจริยธรรม  American Civil Liberties Union (ACLI) กล่าวว่าดีใจที่เห็นการห้ามขยายออกไปอย่างไม่มีกำหนด Nathan Freed จาก ACLI กล่าวว่า "ตอนนี้ฝ่ายบริหารและนิติบัญญัติของ Biden ทั่วประเทศ ต้องปกป้องชุมชนจากอันตรายของเทคโนโลยีนี้ต่อไป โดยการยุติการใช้งานโดยหน่วยงานบังคับใช้กฎหมายโดยสิ้นเชิง ไม่ว่าจะเป็นเทคโนโลยีของบริษัทใดก็ตาม"

อ่านข่าวเต็มได้ที่: CNN Business

จำลองการไอและจามเพื่อดูว่า COVID-19 แพร่กระจายอย่างไร

ภาพจาก Sandia National Laboratories

นักวิทยาศาสตร์คอมพิวเตอร์ 2 กลุ่มใช้อุปกรณ์คอมพิวเตอร์ที่ Sandia National Laboratories ของกระทรวงพลังงานแห่งสหรัฐอเมริกาเพื่อสร้างการจำลองละอองที่ปล่อยออกมาโดยการไอหรือจามโดยละเอียด เพื่อแสดงให้เห็นว่า COVID-19 แพร่กระจายอย่างไร การศึกษาที่จำลองการไอโดยมีและไม่มีลม และมีและไม่มีสิ่งป้องกัน พบว่าตัวป้องกันสามารถป้องกันละอองขนาดใหญ่ ในขณะที่อนุภาคขนาดเล็กสามารถอยู่ในอากาศได้เป็นเวลานาน และสามารถเดินทางได้ไกลขึ้นโดยขึ้นอยู่กับสภาพแวดล้อม การศึกษาอันที่สองจำลองละอองสเปรย์ที่มีขนาดเล็กลงภายใต้สภาวะต่าง ๆ พบว่าหน้ากากอนามัย และเฟซชิลด์ (face shield)  สามารถป้องกันไม่ให้ละอองแพร่กระจายไปในระยะไกลได้

อ่านข่าวเต็มได้ที่: Sandia National Laboratories

อนาคตของการติดตามไวรัสสามารถพบได้ที่วิทยาเขตของวิทยาลัยนี้

ภาพจาก The New York Times

Colorado Mesa University (CMU) และ Broad Institute of the Massachusetts Institute of Technology และ Harvard University ได้เปลี่ยนวิทยาเขตของ CMU ให้เป็นห้องปฏิบัติการทางระบาดวิทยาที่ค้นคว้าแนวทางใหม่ในการจัดการการระบาด นักศึกษาของ CMU ใช้แอปพลิเคชัน Scout เพื่อรายงานอาการ COVID ไปยังแดชบอร์ดดิจิทัลที่ชื่อว่า Lookout เพื่อติดตามการแพร่เชื้อไวรัส เมื่อนักศึกษาของ CMU กลับมาที่วิทยาเขตเมื่อเดือนสิงหาคมที่ผ่านมา Scout กลายเป็นหนังสือเดินทางสุขภาพประจำวันที่ใช้รายงานอาการ และรายงานว่าพวกเขาเดินทางออกนอกพื้นที่เมื่อเร็ว ๆ นี้หรือไม่ Lookout จัดทำมุมมองแบบองค์รวมของกิจกรรมในมหาวิทยาลัย และนำเข้าผลการทดสอบรายชั่วโมงจากเว็บไซต์ทดสอบโคโรนาไวรัสของ CMU Sabeti กล่าวว่าข้อมูลที่มีรายละเอียด และมีจำนวนมากจาก CMU "จะช่วยให้เราเข้าใจการแพร่กระจายของไวรัสได้ดีขึ้นจากการตั้งค่าที่จุดเดียว  และเราจะช่วยบรรเทาปัญหาได้อย่างไรในอนาคต"

อ่านข่าวเต็มได้ที่: The New York Times

จอสัมผัสที่เที่ยงตรงขึ้นขอบคุณ AI

Photograph: Adobe Stock

เทคนิคปัญญาประดิษฐ์ (artificial intelligence) หรือ AI แบบใหม่ที่พัฒนาโดยนักวิทยาศาสตร์คอมพิวเตอร์ที่ ETH Zurich ประเมินตำแหน่งที่นิ้วสัมผัสหน้าจอโทรศัพท์มือถือได้แม่นยำขึ้น เพื่อลดข้อผิดพลาดในการพิมพ์ Christian Holz จาก ETH อธิบายการทำงานของ CapContact AI ว่า “ ประมาณพื้นที่สัมผัสจริงระหว่างนิ้วมือและหน้าจอสัมผัสเมื่อสัมผัส” จากนั้น“ สร้างพื้นที่สัมผัสเหล่านี้ที่ความละเอียดแปดเท่าของเซ็นเซอร์สัมผัสปัจจุบัน ทำให้อุปกรณ์สัมผัสของเราตรวจจับการสัมผัสได้แม่นยำมากขึ้น” นักวิจัยพบว่าแนวทางการเรียนรู้เชิงลึกแบบใหม่ช่วยขจัดข้อผิดพลาดในการตรวจจับจากอินพุตที่มีความละเอียดต่ำ ซึ่งพวกเขาบอกว่าเป็นสาเหตุของข้อผิดพลาดหนึ่งในสามของอุปกรณ์หน้าจอสัมผัสที่ใช้อยู่ในปัจจุบัน

อ่านข่าวเต็มได้ที่: ETH Zurich (Switzerland)