NASA จะเปิดเผยนวัตกรรมกว่า 800 ตัว สู่สาธารณะ

Photo by Brian McGowan on Unsplash

องค์การบริหารการบินและอวกาศแห่งชาติของสหรัฐอเมริกา หรือ NASA กำลังจะปล่อยผลิตภัณฑ์ซอฟต์แวร์มากกว่า 800 รายการที่สร้างขึ้นโดยหน่วยงานเผยแพร่สู่สาธารณะโดยเสรี ผ่านโครงการถ่ายทอดเทคโนโลยีของคณะกรรมการภารกิจเทคโนโลยี NASA เน้นย้ำถึงความสำคัญของผู้เสียภาษีชาวอเมริกันที่จะได้รับประโยชน์จากนวัตกรรม กำลังวางแนวทางโดยละเอียดว่าบุคคลและองค์กรต่างๆ จะสามารถใช้ซอฟต์แวร์ของ NASA ได้อย่างไร ผู้ที่สนใจสามารถติดต่อ NASA ที่ technology.NASA.gov เพื่อขอความช่วยเหลือในการระบุเทคโนโลยีที่ได้รับอนุญาตให้ใช้ ผู้ใช้ที่มีคุณสมบัติครบถ้วนจะต้องส่งใบสมัครเพื่อขออนุญาตและแผนการนำไปใช้ทางการค้า โดยสามารถทำได้แบบออนไลน์

อ่านข่าวเต็มได้ที่: ZDNet

RAMBO ช่วยค้นจากฐานข้อมูล DNA ขนาดใหญ่ได้เร็วขึ้น

ภาพจาก Rice University News

วิธีการ RAMBO  (repeated and merged bloom filter) แบบใหม่ที่พัฒนาโดยนักวิทยาศาสตร์คอมพิวเตอร์จาก Rice University ที่ช่วยลดเวลาในการค้นหาจีโนมจากฐานข้อมูล DNA ขนาดใหญ่ได้อย่างมาก RAMBO สามารถลดเวลาในการจัดทำดัชนีสำหรับฐานข้อมูลเมตาเจโนมิก (metagenomic) จากสัปดาห์เป็นชั่วโมง และเวลาสืบค้นจากชั่วโมงเป็นวินาที โครงสร้างข้อมูลของ RAMBO รองรับการสืบค้นที่เร็วกว่าวิธีการสร้างดัชนีจีโนมที่ทันสมัยในปัจจุบัน และช่วยให้การทำงานแบบขนานทำได้ง่ายขึ้น ให้อัตราผลลบปลอม (false negative) เป็นศูนย์ และอัตราผลบวกปลอมที่ต่ำ Gaurav Gupta ของ Rice กล่าวว่า RAMBO ค้นหาฐานข้อมูล DNA ได้เร็วกว่าวิธีการปัจจุบัน 35 เท่า ในการทดลองกับชุดข้อมูลจีโนมจุลินทรีย์ 170-TB วิธีการนี้ลดเวลาการจัดทำดัชนีโดยใช้ (คอมพิวเตอร์) คลัสเตอร์เฉพาะจากหกสัปดาห์เป็นเก้าชั่วโมง

อ่านข่าวเต็มได้ที่: Rice University News

ถูกไล่ออกโดยหุ่นยนต์ นี่คือคนสู้กับเครื่อง

Photographer: Kathy Tran/Bloomberg

พนักงานขับรถซึ่งเป็นคู่สัญญาของ Flex ของ Amazon บริษัทยักษ์ใหญ่ด้านค้าปลีก บอกว่างานของพวกเขาอยู่ได้ด้วยความเมตตาของซอฟต์แวร์ ที่ให้คะแนนประสิทธิภาพการทำงานของพวกเขาอย่างไม่เป็นธรรม  อัลกอริธึมจะประมวลข้อมูลโดยใช้แบบรูปประสิทธิภาพ และกำหนดเส้นทางให้คนขับหรือปลดคนขับออก โดยใช้ผลการตอบกลับจากคนเพียงเล็กน้อยเท่านั้น แหล่งข่าวรายหนึ่งกล่าวว่าอัลกอริธึมของ Flex ไม่ได้คำนึงถึงธรรมชาติของมนุษย์ และทำให้คนขับรถที่ดีเป็นคนขับรถที่แย่ อดีตวิศวกรผู้ช่วยออกแบบ Flex กล่าวว่า Amazon เชื่อว่าประโยชน์ของโปรแกรมคือช่วยชดเชยความเสียหายที่อาจเกิดตามมา บริษัทรู้ว่าซอฟต์แวร์อาจนำไปสู่ข้อผิดพลาดและให้ภาพลักษณ์ที่ไม่ดีต่อสื่อ แต่คิดว่าการจัดการปัญหาดังกล่าวจะทำให้มีค่าใช้จ่ายสูงโดยไม่จำเป็น ตราบใดที่ยังคงหาคนขับใหม่มาทดแทนได้ง่าย ๆ 

อ่านข่าวเต็มได้ที่: Bloomberg

พรมอัจฉริยะให้ข้อมูลเชิงลึกเกี่ยวกับท่าทางของมนุษย์

ภาพจาก MIT Computer Science and Artificial Intelligence Laboratory

พรมตรวจจับการสัมผัสแบบใหม่ที่ประกอบขึ้นจากฟิล์มที่ไวต่อแรงกดและด้ายนำไฟฟ้าสามารถคำนวณท่าทางของมนุษย์โดยไม่ต้องใช้กล้อง พรมนี้สร้างโดยวิศวกรที่ Computer Science and Artificial Intelligence Laboratory ของ Massachusetts Institute of Technology (MIT) โดยฝึกเครือข่ายประสาทของระบบโดยใช้ชุดข้อมูลของท่าทางที่บันทึกไว้ด้วยใช้กล้อง เมื่อคนอยู่บนพรมมันจะสามารถอนุมานท่าทางในแบบสามมิติจากข้อมูลการสัมผัส เซ็นเซอร์มากกว่า 9,000 ตัวถูกถักทอเข้ากับพรม และแปลงแรงกดของเท้าคนบนพรมให้เป็นสัญญาณไฟฟ้า ตัวแบบการคำนวณสามารถทำนายท่าทางโดยมีส่วนต่างข้อผิดพลาดน้อยกว่า 10 เซนติเมตร และจัดประเภทท่าทางด้วยความแม่นยำ 97% Yiyue Luo แห่ง MIT กล่าวว่า "คุณสามารถจินตนาการถึงการใช้ตัวแบบนี้เพื่อเปิดใช้งานระบบติดตามสุขภาพแบบไร้รอยต่อสำหรับบุคคลที่มีความเสี่ยงสูง สำหรับการตรวจจับการล้ม การเฝ้าติดตามการทำกายภาพบำบัด การเคลื่อนไหว และอื่นๆ"

อ่านข่าวเต็มได้ที่: MIT Computer Science and Artificial Intelligence Laboratory

ขั้นตอนวิธีช่วยให้ยานพาหนะอัตโนมัติรู้ได้เองว่าเป็นฤดูหนาวหรือฤดูร้อน

ภาพจาก California Institute of Technology

การใช้ภาพในการนำทางแบบสัมพันธ์กับภูมิประเทศ (Visual terrain-relative navigation)  หรือ VTRN ตอนนี้สามารถทำงานได้อย่างมีประสิทธิภาพโดยไม่ต้องคำนึงถึงการเปลี่ยนแปลงฤดูด้วยอัลกอริธึมใหม่ นักวิจัยของ  California Institute of Technology ใช้การเรียนรู้เชิงลึกและปัญญาประดิษฐ์เพื่อขจัดข้อมูลตามฤดูกาลที่สามารถขัดขวางระบบ VTRN ซึ่งอาศัยความคล้ายคลึงกันอย่างใกล้ชิดระหว่างภูมิประเทศที่พวกมันอยู่และฐานข้อมูลภาพ อัลกอริธึมใช้การเรียนรู้ด้วยตนเอง โดยมองหาแบบรูป (pattern) ในภาพโดยแยกรายละเอียดและคุณสมบัติที่มนุษย์อาจมองข้ามไป ระบบ VTRN ที่ติดตั้งอัลกอริธึมสามารถเข้าใจสภาพถิ่นที่อยู่ได้แม่นยำยิ่งขึ้น ระบบที่อัปเกรดหนึ่งระบบสามารถจับคู่ภาพใบไม้ฤดูร้อนได้ถึง 92% เทียบกับภาพใบไม้ในฤดูหนาว โดยอีก 8% ที่เหลือสามารถระบุได้อย่างง่ายดายด้วยวิธีการอื่น

อ่านข่าวเต็มได้ที่: California Institute of Technology