AI ที่เข้าใจความสัมพันธ์ระหว่างอ็อบเจกต์

ภาพจาก MIT News

ตัวแบบการเรียนรู้เชิงลึก (deep learning) ที่พัฒนาขึ้นโดยนักวิจัยจาก Massachusetts Institute of Technology (MIT)  เข้าใจความสัมพันธ์ที่ซ่อนอยู่ระหว่างวัตถุในฉาก สิ่งนี้สามารถส่งเสริมการพัฒนาหุ่นยนต์ที่สามารถเรียนรู้และโต้ตอบกับสภาพแวดล้อมของพวกมันได้ เฟรมเวอร์ก (framework) ที่พัฒนาขึ้นสามารถสร้างภาพของฉากตามคำอธิบายข้อความของวัตถุ และความสัมพันธ์ของพวกมันในฉากนั้น Yilun Du แห่ง MIT กล่าวว่า "เราสามารถเพิ่มประโยคของเราจากการมีคำอธิบายความสัมพันธ์หนึ่งรายการ เป็นสอง สาม หรือแม้กระทั่งสี่คำอธิบาย และวิธีการของเรายังคงสามารถสร้างภาพที่ถูกต้องตามคำอธิบายเหล่านั้น ในขณะที่วิธีอื่น ๆ ล้มเหลว

อ่านข่าวเต็มได้ที่: MIT News

ผู้ผลิตรถยนต์มีความคิดเป็นนวตกรรมมากขึ้นหลังจากเผชิญปัญหาชิปขาดแคลนทั่วโลก

ภาพจาก Reuters

การขาดแคลนเซมิคอนดักเตอร์ทั่วโลกทำให้ผู้ผลิตรถยนต์ต้องทบทวนกระบวนการผลิตของตนใหม่ Markus Schäfer บริษัทผู้ผลิตรถยนต์สัญชาติเยอรมัน Daimler กล่าวว่าบริษัทกำลังใช้การออกแบบหน่วยควบคุมแบบใหม่ที่ไม่พึ่งพาชิปตัวใดตัวหนึ่ง เพื่อแก้ความเป็นไปได้ที่จะเกิดปัญหาในการจัดส่งชิปจากผู้ผลิตแต่ละราย Annette Danielski จากหน่วยรถกระบะ Volkswagen Traton กล่าวว่าผู้ผลิตรถยนต์กำลังพยายามเพิ่มพื้นที่ว่างบนเมนบอร์ดของระบบควบคุม "ถ้าเราเปลี่ยนซอฟต์แวร์ เราสามารถใช้เซมิคอนดักเตอร์น้อยลงและได้ฟังก์ชันการทำงานแบบเดียวกัน" เธอกล่าว ในขณะเดียวกัน General Motors กล่าวว่าจะร่วมมือกับผู้ผลิตชิปเช่น Qualcomm, STM และ Infineon เพื่อพัฒนาไมโครคอนโทรลเลอร์ที่รวมฟังก์ชันที่เมื่อก่อนต้องใช้ชิปหลายตัว

อ่านข่าวเต็มได้ที่: Reuters

การเรียนรู้เชิงลึกเปิดเผยว่าโปรตีนมีปฏิสัมพันธ์กันอย่างไร

ภาพจาก UW Medicine

กลุ่มนักวิจัยจากหลายสถาบันได้สร้างตัวแบบสามมิติของปฏิสัมพันธ์ของโปรตีนในเซลล์ยูคาริโอต (eukaryotic cell) โดยใช้การวิเคราะห์เชิงวิวัฒนาการและการเรียนรู้เชิงลึก (deep learning) นักวิจัยวิเคราะห์ลำดับยีนที่รู้จักในยีสต์เพื่อทำแผนที่ปฏิสัมพันธ์ที่สร้างโปรตีนเชิงซ้อน และใช้สถิติระบุคู่ของยีนที่กลายพันธุ์ตามธรรมชาติในลักษณะที่เชื่อมโยงกัน พวกเขายังใช้ซอฟต์แวร์ RoseTTAFold ของ UW Medicine และซอฟต์แวร์การเรียนรู้เชิงลึก AlphaFold ของ DeepMind เพื่อจำลองรูปร่าง 3 มิติของโปรตีนที่มีปฏิกิริยาระหว่างกัน David Baker แห่ง UW Medicine กล่าวว่างานวิจัยนี้ให้ข้อมูลเชิงลึกเกี่ยวกับปฏิกิริยาของโปรตีนสำหรับกระบวนการแกนกลางของเซลล์ยูคาริโอตเกือบทั้งหมด ซึ่งรวมถึง "ปฏิกิริยามากกว่า 100 ชนิดที่ไม่เคยเห็นมาก่อน"

อ่านข่าวเต็มได้ที่: UW Medicine

จะหากล้องแอบถ่ายด้วยสมาร์ตโฟนได้อย่างไร

ภาพจาก Help Net Security

นักวิทยาศาสตร์จาก  National University of Singapore และ มหาวิทยาลัย Yonsei University ของเกาหลีใต้ได้พัฒนาแอปพลิเคชันสมาร์ทโฟนที่สามารถค้นหากล้องสอดแนมขนาดเล็กที่ซ่อนอยู่ในวัตถุในชีวิตประจำวัน โดยใช้เซ็นเซอร์ time-of-flight (ToF) ของสมาร์ทโฟน นักวิจัยกล่าวว่าแอป Laser-Assisted Photography Detection (LAPD) ตรวจจับกล้องที่ซ่อนอยู่ได้ดีกว่าเครื่องตรวจจับกล้องเชิงพาณิชย์และดีกว่าสายตามนุษย์มาก แอปนี้ทำงานได้บนสมาร์ทโฟนทุกเครื่องที่มีเซ็นเซอร์ ToF สามารถสแกนวัตถุได้ครั้งละหนึ่งชิ้นเท่านั้น และใช้เวลาประมาณหนึ่งนาทีในการสแกนวัตถุนั้น นักวิจัยกล่าวว่าสามารถปรับแอปให้แม่นยำยิ่งขึ้นได้โดยใช้ไฟแฟลชและกล้อง RGB ของโทรศัพท์มือถือ

อ่านข่าวเต็มได้ที่: Help Net Security

ตัวแบบเตือนระยะเริ่มต้นทำนายการเสื่อมสภาพของผู้ป่วยมะเร็ง

ภาพจาก The Source (Washington University in St. Louis)

Chenyang Lu และเพื่อนร่วมงานที่ Washington University ใน St. Louis ได้พัฒนาตัวแบบการทำนายด้วยการเรียนรู้ของเครื่อง (machine learning) สำหรับผู้ป่วยมะเร็งในโรงพยาบาล โดยรวบรวมจากข้อมูลที่ต่างกันในบันทึกสุขภาพแบบอิเล็กทรอนิกส์ ตัวแบบโครงข่ายประสาทเทียมแบบเกิดซ้ำ CrossNet แบบปลายต่อปลาย (end-to-end) รวมข้อมูลแบบคงที่ที่รวบรวม ณ เวลาเข้ารับการรักษา กับข้อมูลอนุกรมเวลาที่รวบรวมซ้ำ ๆ ระหว่างพักรักษาตัวในโรงพยาบาล CrossNet เรียนรู้ที่จะคาดการณ์การเสื่อมสภาพโดยป้อนข้อมูลแบบคงที่หรืออนุกรมเวลาที่ขาดหายไปอย่างถูกต้อง Lu กล่าวว่า "มนุษย์ไม่สามารถเห็นรูปแบบที่ซ่อนอยู่เหล่านี้หรือแนวโน้มในข้อมูล ดังนั้นนี่คือที่ที่การเรียนรู้ของเครื่องสามารถทำได้ดีมาก" การวิจัยนี้เป็นส่วนหนึ่งของความพยายามในการออกแบบระบบเตือนระยะเริ่มต้นเพื่อทำนายการเสื่อมสภาพของผู้ป่วยมะเร็งขณะเข้ารับการรักษาในโรงพยาบาล ตลอดจนยกระดับผลลัพธ์การรักษาของผู้ป่วย

อ่านข่าวเต็มได้ที่: The Source (Washington University in St. Louis)