การเรียนรู้เชิงลึกของการวิเคราะห์ภาพจะทำได้เพียงแค่หนึ่งคลิกเท่านั้น

ภาพจาก EPFL (Switzerland)

วิศวกรของ École polytechnique fédérale de Lausanne (EPFL) ของสวิตเซอร์แลนด์ และ Universidad Carlos III de Madrid ของสเปน ได้พัฒนา deepImageJ ซึ่งเป็นปลั๊กอินเปิดเผยรหัส (open source) ที่อำนวยความสะดวกในการวิเคราะห์รูปภาพโดยใช้การเรียนรู้เชิงลึก (deep learning) สำหรับการวิจัยด้านวิทยาศาสตร์เพื่อชีวิต ด้วย deepImageJ นักวิทยาศาสตร์ด้านชีวิต (life science) สามารถขอให้วิศวกรคอมพิวเตอร์ออกแบบและฝึกอบรมอัลกอริธึมการเรียนรู้ของเครื่องเพื่อทำงานเฉพาะอย่าง  นักวิทยาศาสตร์สามารถเรียกใช้อัลกอริทึมหาผลลัพธ์ผ่านส่วนติดต่อกับผู้ใช้โดยไม่จำเป็นต้องตรวจสอบโค้ดใด ๆ ปลั๊กอินนี้ได้รับการพัฒนาเพื่อใช้เป็นทรัพยากรที่จะช่วยให้วิศวกร นักวิทยาศาสตร์คอมพิวเตอร์ นักคณิตศาสตร์ และนักชีววิทยาสามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพมากขึ้น

อ่านข่าวเต็มได้ที่: EPFL (Switzerland)

Microsoft ทำนายสภาพอากาศสำหรับแต่ละฟาร์ม

ภาพจาก IEEE Spectrum

เฟรมเวิร์ก DeepMC ของ Microsoft ใช้การเรียนรู้ของเครื่อง (machine learning) และปัญญาประดิษฐ์ (artificial intelligence) หรือ AI เพื่อทำนายสภาพอากาศในท้องถิ่นอย่างแม่นยำ DeepMC รวมข้อมูลจากเซ็นเซอร์ในสถานที่ กับข้อมูลพยากรณ์อากาศท้องถิ่นมาตรฐานที่เข้าถึงได้ผ่านส่วนต่อประสานโปรแกรมประยุกต์ (application programming interface) จากแหล่งต่าง ๆ รวมถึงU.S. National Oceanic and Atmospheric Administration  และ National Weather Service โดย Peeyush Kumar แห่ง Microsoft Research กล่าวว่า "กลไกการหลอมรวม" จะรวมข้อมูลจากเซ็นเซอร์ในสถานที่ กับข้อมูลการคาดการณ์มาตรฐาน ซึ่งเฟรมเวิร์กดังกล่าวจะส่งต่อให้กับ AI ที่ได้รับการฝึกอบรมเพื่อค้นหาข้อผิดพลาดระหว่างการคาดการณ์ในท้องถิ่นกับสภาพอากาศไมโครไคลเมต (micro-climate) ระบบจะคาดการณ์พารามิเตอร์สภาพอากาศแต่ละรายการตามการคาดการณ์ในอดีต และข้อมูลเซ็นเซอร์ในพื้นที่ และหลอมรวมเข้าด้วยกันเพื่อกำหนดแนวโน้มและรูปแบบในระยะสั้นและระยะยาของข้อมูลสภาพอากาศ

อ่านข่าวเต็มได้ที่: IEEE Spectrum

หุ่นยนต์หาของหาย

ภาพจาก MIT News

หุ่นยนต์ที่สร้างขึ้นโดยนักวิจัยของ Massachusetts Institute of Technology (MIT) สามารถติดตามสิ่งของที่สูญหายได้โดยใช้แขนหุ่นยนต์ที่มีกล้องและเสาอากาศความถี่วิทยุ (RF) ติดอยู่กับมือจับ ต้นแบบของหุ่นยนต์นี้เรียกว่า RFusion รวมสัญญาณเสาอากาศและภาพจากกล้องเพื่อค้นหาสิ่งของที่วางผิดที่ แม้ว่าจะฝังอยู่ใต้กองและถูกซ่อนไว้อย่างไร้ร่องรอย หุ่นยนต์ใช้แท็กระบุ RF ที่สามารถติดเข้ากับสิ่งของและสะท้อนสัญญาณที่ปล่อยออกมาจากเสาอากาศ ซึ่งสามารถเดินทางผ่านพื้นผิวส่วนใหญ่ได้ แขนกลหุ่นยนต์การเรียนรู้ของเครื่อง (machine learning) เพื่อไปที่ตำแหน่งของวัตถุโดยอัตโนมัติ เคลื่อนย้ายสิ่งของที่คลุมมันไว้ จับวัตถุ และยืนยันว่าจับสิ่งของที่ถูกต้อง Fadel Adib แห่ง MIT กล่าวว่า "ตอนนี้คุณอาจคิดได้ว่ามันก็เป็นแค่หุ่นยนต์ดูดฝุ่นเวอร์ชันปรัยปรุง แต่ในระยะใกล้มันอาจมีการใช้งานมากมายในสภาพแวดล้อมการผลิตและคลังสินค้า"

อ่านข่าวเต็มได้ที่: MIT News

เทคโนโลยี X-Ray เปิดเผยจดหมายลับที่ถูกเซ็นเซอร์ของ Marie Antoinette

ภาพจาก Smithsonian

นักวิทยาศาสตร์ได้ใช้เทคโนโลยีที่ทันสมัยเพื่ออ่านจดหมายลับจากราชินีฝรั่งเศส Marie-Antoinette ที่เขียนไปถึงเคานต์ Axel von Fersen ของสวีเดนที่ถูกเซ็นเซอร์ด้วยการขีดด้วยหมึกสีดำ Anne Michelin และเพื่อนร่วมงานที่พิพิธภัณฑ์ประวัติศาสตร์ธรรมชาติแห่งชาติฝรั่งเศสใช้ X-ray fluorescence spectroscopy เพื่อสร้างลายนิ้วมือเรืองแสงของหมึกพิมพ์ และทำแผนที่การกระจายและอัตราส่วนขององค์ประกอบต่างๆ ในหมึกของผู้เขียนจดหมายต้นฉบับและที่ถูกเซ็นเซอร์ สิ่งนี้ทำให้คำที่ถูกขีดทับอ่านได้มากขึ้น นักวิจัยยังใช้การประมวลผลข้อมูลเพื่อถอดรหัสส่วนที่ยากขึ้น และฝึกอัลกอริทึมเพื่อสร้างภาพที่เพิ่มความแตกต่างทางเคมีของหมึกให้มากที่สุด เพื่อเพิ่มความชัดเจนของข้อความ Uwe Bergmann แห่งUniversity of Wisconsin-Madison กล่าวว่า งานวิจัยนี้ "จะมีผลกระทบต่อผู้ที่ใช้เทคนิคการประมวลภาพทุกประเภท และสามารถเรียนรู้จากการประยุกต์ใช้วิธีการเหล่านี้เพื่อให้ได้ผลลัพธ์ที่ยอดเยี่ยม" 

อ่านข่าวเต็มได้ที่: Smithsonian

เครื่องมือที่จะข่วยทำนายการเปลี่ยนแปลงของโควิดกลายพันธ์ที่ทำให้มันติดได้ง่ายขึ้น

ภาพจาก Penn State News

เฟรมเวอร์กใหม่ที่พัฒนาโดยนักวิจัยจาก Pennsylvania State University (Penn State) สามารถทำนาย การเปลี่ยนแปลงของกรดอะมิโนในสไปค์โปรตีน (spike protein) ของ  SARS-CoV-2 ซึ่งอาจปรับปรุงการผูกพันธ์ (binding) กับตัวรับ (receptor) ACE2 ในเซลล์ของคนและสัตว์ และทำให้ติด COVID ได้ง่ายขึ้น นักวิจัยใช้การวิเคราะห์ Molecular Mechanics-Generalized Born Surface Area (MM-GBSA) ร่วมกับการใช้พลังงานจากการวิเคราะห์ MM-GBSA เป็นหนึ่งในคุณลักษณะ (feature) ในตัวแบบการถดถอย regression) ของเครือข่ายประสาทเทียม (neural network) ที่ถูกฝึกสอนบนข้อมูลการผูกพันธ์บนตัวแปรที่แตกต่างกันกับการเปลี่ยนแปลงของกรดอะมิโนเดี่ยว (single amino acid) ซึ่งการทำแบบนี้ให้ผลการทำนายแม่นยำขึ้นกว่า 80%  ในเรื่องว่าการผูกพันธ์จะดีขึ้นหรือแย่ลง

อ่านข่าวเต็มได้ที่: Penn State News