แพลตฟอร์มใช้แมชชีนเลิร์นนิง แมสสเปกโตรมิเตอร์เพื่อประมวลผลการทดสอบ COVID-19 อย่างรวดเร็ว

ภาพจาก University of California, Davis

นักวิจัยจาก University of California, Davis (UC Davis) และ SpectraPass ซึ่งเป็นบริษัทสตาร์ทอัพในลาสเวกัส ได้ร่วมมือกันในการศึกษาแพลตฟอร์มการทดสอบ COVID-19 แบบใหม่อย่างรวดเร็ว ระบบการทดสอบที่ปรับขนาดได้ระบุการติดเชื้อโดยการวิเคราะห์โปรไฟล์โปรตีนต่าง ๆ ที่ร่างกายสร้างขึ้นเพื่อตอบสนองต่อการติดเชื้อประเภทต่าง ๆ 

Nam Tran แห่ง UC Davis กล่าวว่าเป้าหมายของการศึกษานี้ "คือการมีผู้ติดเชื้อไวรัสโควิด-19 ทั้งในเชิงบวกและเชิงลบในการฝึกอัลกอริทึมการเรียนรู้ด้วยเครื่องของเราเพื่อระบุผู้ป่วยที่ติดเชื้อ SARS-CoV-2" ซึ่งจะมีผู้เข้าร่วมประมาณ 2,000 คนในแซคราเมนโตและลาสเวกัส 

ก่อนหน้านี้ นักวิจัยของ UC Davis ได้กำหนดวิธีการที่แม่นยำ 98.3% สำหรับการทดสอบ COVID-19 ที่เป็นบวก และ 96% สำหรับการทดสอบที่เป็นลบ โดยอุปกรณ์ทดสอบที่ UC Davis สามารถระบุเชื้อโรคระบบทางเดินหายใจได้มากกว่า 280 ชนิด รวมถึง SARS-CoV-2 และสายพันธุ์ที่เกี่ยวข้อง เช่น ไข้หวัดใหญ่และไข้หวัด ซึ่งทำให้สามารถฝึกฝนการเรียนรู้ของเครื่องให้แยกความแตกต่างระหว่างโควิด-19 กับโรคระบบทางเดินหายใจอื่น ๆ 

อ่านข่าวเต็มได้ที่: University of California, Davis

จู่โจมคอมพิวเตอร์โดยใช้แสงเลเซอร์

ภาพจาก Karlsruhe Institute of Technology (Germany)

นักวิจัยจาก Karlsruhe Institute of Technology (KIT) ของเยอรมนี Technical University of Braunschweig และ Technical University of Berlin แสดงให้เห็นว่าระบบคอมพิวเตอร์ที่อยู่เดี่ยว ๆ สามารถถูกแฮ็กได้โดยใช้เลเซอร์ที่มีการบังคับทิศทาง 

นักวิจัยพบว่าแฮกเกอร์สามารถสื่อสารอย่างลับๆ กับระบบคอมพิวเตอร์ผ่านทางอากาศในระยะห่างหลายเมตร โดยใช้การบังคับทิศทางเลเซอร์เพื่อส่งข้อมูลไปยังไดโอดเปล่งแสง (light-emitting diodes) หรือ LED ของอุปกรณ์สำนักงานแบบเดิมโดยไม่ต้องใช้ฮาร์ดแวร์เพิ่มเติมติดตั้งไปยังอุปกรณ์ที่ถูกโจมตี 

Christian Wressnegger แห่ง KIT กล่าวว่า "โครงการ LaserShark แสดงให้เห็นถึงความสำคัญในการปกป้องระบบไอที ที่สำคัญถัดจากมาตรการรักษาความปลอดภัยทั่วไปของเทคโนโลยีสารสนเทศและการสื่อสาร"

อ่านข่าวเต็มได้ที่: Karlsruhe Institute of Technology (Germany)

ตัวแบบปรับปรุงการเรียนรู้ของเครื่องในการวิเคราะห์โควิด-19 ให้แม่นยำขึ้นในขณะที่ยังคงรักษาความเป็นส่วนตัวไว้

ภาพจาก University of Cambridge (U.K.)

นักวิจัยในสหราชอาณาจักรและจีนได้พัฒนาตัวแบบปัญญาประดิษฐ์ (artificial intelligence) หรือ AI สำหรับการเรียนรู้ด้วยเครื่อง ที่สามารถวินิจฉัยโรคโควิด-19 ในขณะที่รักษาความเป็นส่วนตัวของข้อมูลผู้ป่วยได้ 

นักวิจัยใช้การเรียนรู้แบบร่วมมือกัน (federated learning) เพื่อฝึกตัวแบบจากข้อมูลการสแกนด้วยเครื่องเอกซเรย์คอมพิวเตอร์แบบสามมิติจำนวน 9,573 ชิ้นจากผู้ป่วย 3,336 รายในโรงพยาบาล 23 แห่งในจีนและสหราชอาณาจักร 

พวกเขาทดสอบเฟรมเวอร์ก (framework) โดยใช้ชุดข้อมูลที่มีการตรวจสอบ และมีขนาดเหมาะสม 2 ชุด การเรียนรู้แบบร่วมมือกันสนับสนุนตัวแบบ AI ที่มีลักษณะทั่วไปมากขึ้น เพื่อลดอคติที่เกิดจากชุดข้อมูลที่แตกต่างกัน ในขณะที่รักษาความเป็นส่วนตัวของศูนย์ข้อมูลแต่ละแห่งในสภาพแวดล้อมการทำงานร่วมกัน 

Michael Roberts จาก University of Cambridge แห่งสหราชอาณาจักรกล่าวว่า "เราได้แสดงให้เห็นแล้วว่าการเข้ารหัสข้อมูลทางการแพทย์นั้นเป็นไปได้ ดังนั้นเราจึงสามารถสร้างและใช้เครื่องมือเหล่านี้ในขณะที่รักษาความเป็นส่วนตัวของผู้ป่วยทั้งที่อยู่ภายในและภายนอกประเทศ"

อ่านข่าวเต็มได้ที่: University of Cambridge (U.K.)

อะไรที่ไร้สาระอาจมีสาระสำหรับตัวแบบการเรียนรู้ของเครื่อง

ภาพจาก MIT News

นักวิทยาศาสตร์ของ Massachusetts Institute of Technology (MIT)  พบว่าตัวแบบการเรียนรู้ด้วยเครื่องสามารถคาดการณ์ได้อย่างมั่นใจโดยอิงจากรายละเอียดที่มนุษย์พบว่าไร้สาระ ตัวอย่าง ได้แก่ โครงข่ายประสาทเทียมในการประมวลผลภาพในรถยนต์ขับเคลื่อนอัตโนมัติที่จำแนกสัญญาณไฟจราจรและป้ายถนน โดยดูจากพื้นหลัง ขอบ หรือรูปแบบท้องฟ้า 

ตัวแบบได้รับการฝึกฝนโดยใช้ชุดข้อมูล เช่น CIFAR-10 และ ImageNet ได้แสดงการตีความเกินจริง โดยตัวแบบที่ได้รับการฝึกด้วย CIFAR-10 ให้คาดการณ์ได้อย่างมั่นใจแม้ว่า 95% ของภาพที่ป้อนเข้าจะหายไป และส่วนที่เหลือไม่มีความหมายสำหรับมนุษย์ สัญญาณที่บอกว่าถูกต้องในชุดข้อมูลทำให้วิธีการประเมินทั่วไปไม่สามารถวินิจฉัยการตีความเกินได้ 

Brandon Carter ของ MIT บอกว่าแม้ดูเหมือนว่าตัวแบบจะเป็นจำเลยในการทำนายที่ผิดพลาด แต่จริง ๆ แล้วชุดข้อมูลเองน่าจะถูกตำหนิมากกว่า

อ่านข่าวเต็มได้ที่: MIT News

พัสดุต่อไปของคุณอาจส่งโดยหุ่นยนต์

 

ภาพจาก USC Viterbi News

หุ่นยนต์สี่ขากำลังใช้อัลกอริธึมการควบคุมแบบปรับตัวที่คิดค้นโดยนักวิจัยจาก University of Southern California Viterbi School of Engineering (USC Viterbi) เพื่อให้เคลื่อนที่ได้อย่างมีทักษะในขณะที่แบกน้ำหนักที่หนักมาก และต้องเดินทางในสภาพแวดล้อมที่ไม่ราบเรียบ Quan Nguyen แห่ง USC Viterbi กล่าวว่า "อัลกอริธึมเปรียบเทียบเงื่อนไขพื้นฐานสำหรับหุ่นยนต์กับสภาพจริงที่มันเผชิญ จากนั้นจึงคำนวณความแตกต่างระหว่างตัวชี้วัดเหล่านี้เพื่อปรับความต่างของแรงหรือน้ำหนัก สิ่งนี้ทำให้หุ่นยนต์ปรับตัวได้ในขณะที่แบกพัสดุไว้บนหลังหรือเดินบนเส้นทางที่ไม่เรียบ" Mohsen Sombolestan แห่ง USC Viterbi กล่าวว่ากรอบการควบคุมจะสมบูรณ์แบบสำหรับหุ่นยนต์ที่ทำงานร่วมกับมนุษย์ โดยเฉพาะอย่างยิ่งในการใช้งาน เช่น การจัดส่งพัสดุ

อ่านข่าวเต็มได้ที่: USC Viterbi News