คนแยกแยะโปรไฟล์ LinkedIn ปลอมที่สร้างจาก AI ได้แย่มาก

ภาพจาก  New Scientist

นักวิทยาศาสตร์จาก University of Illinois at Urbana-Champaign (UIUC) และ Santa Clara University พบว่าโปรไฟล์ปลอมที่สร้างโดยปัญญาประดิษฐ์ (artificial intelligence) หรือ AI บนเครือข่ายสังคมออนไลน์ด้านธุรกิจ LinkedIn สามารถหลอกลวงผู้คนได้อย่างง่ายดาย

ผู้เข้าร่วมการศึกษาเกือบ 300 คนจะต้องตรวจสอบโปรไฟล์ 3 โปรไฟล์ โดย 2 โปรไฟล์มีรูปภาพโปรไฟล์ Deepfake หรือข้อความที่สร้างโดย AI ผู้เข้าร่วมยอมรับคำขอเป็นเพื่อนจาก 90% ของโปรไฟล์ Deepfake ที่สอดคล้องกัน และระหว่าง 79% ถึง 85% ของโปรไฟล์ที่มีข้อผิดพลาดให้เห็นอย่างชัดเจน

Jaron Mink แห่ง UIUC กล่าวว่าพวกเขาไม่ได้สังเกตเห็นความแตกต่างของอายุ และสงสัยเกี่ยวกับข้อผิดพลาดทางไวยากรณ์น้อยกว่าภาพที่ไม่สมบูรณ์ เมื่อได้รับแจ้งว่ามีการใช้โปรไฟล์ Deepfake เพื่อหลอกลวงผู้คน ระดับการยอมรับในส่วนของโปรไฟล์ที่ไม่สอดคล้องกันลดลงถึง 43%

Gang Wang ของ UIUC ตั้งข้อสังเกตว่าแม้ว่าผู้ใช้ที่ได้รับการฝึกฝนแล้วจะสามารถระบุโปรไฟล์ปลอมได้ดีกว่า "สถิติโดยรวมแสดงให้เห็นว่าพวกเขาก็ยังไม่ค่อยเก่งในเรื่องนี้"

อ่านข่าวเต็มได้ที่: New Scientist

จำลองการแพร่ของโควิด-19 ในห้องเรียน

Photo by Ivan Aleksic on Unsplash

นักวิจัยจากห้องปฏิบัติการ Argonne National Laboratory ของกระทรวงพลังงานสหรัฐ (DOE) ใช้ซูเปอร์คอมพิวเตอร์ Summit ที่ Oak Ridge National Laboratory (ORNL) ของ DOE เพื่อจำลองการแพร่กระจายของอนุภาคไวรัสละอองลอยในห้องเรียนห้องหนึ่งของโรงเรียนระดับประถมศึกษา

ทีมงานใช้การจำลองกระแสน้ำวนขนาดใหญ่เพื่อสร้างตัวแบบการเคลื่อนที่ของก๊าซและของเหลวที่ไม่เสถียรด้วยการกระจายอนุภาคละอองลอยซึ่งมีขนาดตั้งแต่ 0.1 ถึง 5 ไมครอนในห้องเรียนขนาด 14×12×3 ตารางเมตร 

นักวิจัยพบว่าเส้นทางการระบายอากาศในห้องเรียนแบบดั้งเดิมที่มีช่องลมออกของเครื่องทำความร้อน พัดลมระบายอากาศ เครื่องปรับอากาศ อยู่ตรงข้ามกับประตูห้องเรียน จะสร้างโซนตาย (dead zone) ที่อนุภาคที่ปล่อยออกมาระหว่างการหายใจปกติและการพูดมักจะยังคงอยู่ นักวิจัยระบุว่าการวางตำแหน่งช่องทางเข้าของของเครื่องทำความร้อน พัดลมระบายอากาศ เครื่องปรับอากาศ และประตูบนผนังฝั่งเดียวกันช่วยลดโซนตายเหล่านี้ได้อย่างมาก

อ่านข่าวเต็มได้ที่: Oak Ridge National Laboratory

ไต้หวันใช้เทคโนโลยีธรรมดาในการต่อสู้โควิด-19 ได้อย่างไร

ภาพจาก BBC News

ไต้หวันสามารถควบคุมโรคโควิด-19 ได้ผ่านระบบการติดตามที่ใช้เทคโนโลยีระดับธรรมดาซึ่งพัฒนาโดยกลุ่มนักออกแบบ นักเขียนโค้ด และนักเคลื่อนไหวที่ชื่อว่า g0v เมื่อ COVID เกิดขึ้นครั้งแรกในไต้หวัน g0v ได้เริ่มระดมมวลชนเพื่อแก้ไขปัญหาที่เกิดขึ้น เช่น การติดตามผู้ที่สัมผัสกับผู้ป่วยและการปันส่วนหน้ากากอนามัย ในที่สุดก็คิดค้นโครงการไฮบริด ระบบใช้ QR code และรหัส 15 หลักที่เกี่ยวข้อง ซึ่งสามารถส่งผ่าน SMS โดยไม่ต้องใช้สมาร์ทโฟนไปยังสายด่วน 1922 ที่ Central Epidemic Command Center ของไต้หวัน

ธุรกิจต่างๆ โพสต์รหัส QR ที่ลูกค้าต้องสแกนทุกครั้งที่เข้ามา ส่งข้อความไปที่สายด่วน 1922 หรือกรอกแบบฟอร์มด้วยปากกาและกระดาษในกรณีที่เกิดการระบาดในชุมชน QR code ได้ช่วยหน่วยงานด้านสุขภาพในท้องถิ่นตรวจสอบการเคลื่อนไหวของบุคคลเมื่อตรวจพบผู้ที่มีผลตรวจเป็นบวก ในขณะที่เครือข่ายโทรศัพท์มือถือของไต้หวันก็ถูกใช้เพื่อค้นหาและติดต่อกับบุคคลที่อาจติดเชื้อ

อ่านข่าวเต็มได้ที่: BBC News

นักวิชาการชาวบราซิลสร้างแพลตฟอร์มตรวจจับข่าวปลอมอัตโนมัติ

ภาพจาก Photo by Markus Winkler on Unsplash

ทีมนักวิจัยจาก University of São Paulo (USP) ของบราซิล ได้พัฒนาแพลตฟอร์มเว็บที่สามารถตรวจจับข่าวปลอมออนไลน์ได้โดยอัตโนมัติ แพลตฟอร์มนี้วิเคราะห์เชิงสถิติของลักษณะการเขียนเนื้อหาด้วยภาษาโปรตุเกสแบบบราซิล ซึ่งส่งเข้ากับตัวแยกประเภทตามการเรียนรู้ของเครื่อง ซึ่งสามารถแยกแยะรูปแบบภาษา คำศัพท์ และความหมายของข่าวปลอมและข่าวจริงได้

ตัวแยกประเภทสามารถอนุมานได้โดยอัตโนมัติว่าเนื้อหาที่ส่งมานั้นเป็นเท็จหรือไม่ การทดสอบเบื้องต้นระบุว่าระบบสามารถตรวจจับข่าวปลอมได้อย่างแม่นยำถึง 96% Francisco Louzada Neto แห่ง USP กล่าวว่าโครงการนี้มีจุดมุ่งหมาย "เพื่อให้สังคมมีเครื่องมือเพิ่มเติมในการระบุ ไม่ใช่เป็นเพียงคิดไปตามความเชื่อของตัวเอง ไม่ว่าข่าวนั้นจะเป็นเท็จหรือไม่ก็ตาม"

อ่านข่าวเต็มได้ที่: ZDNet

คำบรรยายของ YoutTube แสดงภาษาที่ไม่เหมาะสมกับเด็ก

ภาพจาก  Wired

จากการศึกษาวิดีโอมากกว่า 7,000 รายการในช่องเด็กอันดับสูงสุด 24 ช่องที่มีคำบรรยายใต้ภาพโดยใช้อัลกอริธึมของ YouTube พบว่า 40% แสดงคำจากรายการคำศัพท์ "ต้องห้าม" 1,300 คำ โดยประมาณ 1% แสดงคำที่ "ไม่เหมาะสมอย่างยิ่ง" 

ตัวอย่างเช่นคำว่า "porn (โป๊เปลือย)" ถูกนำมาใช้แทนคำว่า "corn (ข้าวโพด)"  คำว่า "crap (ขี้)" ถูกนำมาใช้แทนคำว่า "crab (ปู)"  จากการระบุของนักวิจัยจาก  Rochester Institute of Technology (RIT) และ Indian School of Business

ปรากฏการณ์นี้ไม่ได้จำกัดเฉพาะ YouTube หรือคำบรรยายวิดีโอ Ashique KhudaBukhsh แห่ง RIT กล่าวว่าระบบการแปลงเสียงพูดเป็นข้อความมีข้อผิดพลาด "ที่ต้องมีการตรวจสอบและถ่วงดุล" KhudaBukhsh กล่าวว่าเขาสงสัยว่าการแทรกคำหยาบคายของ YouTube เป็นผลมาจากข้อมูลการฝึกอบรมที่มีคำพูดจากผู้ใหญ่มากกว่าเด็ก

อ่านข่าวเต็มได้ที่: Wired