ก้าวข้ามขนมซอง ตู้หยอดเหรียญใน New York ขายงานศิลปะ NFT

ภาพจาก Reuters

ตู้จำหน่ายสินค้าสำหรับโทเค็นที่ทดแทนกันไม่ได้ (Non-fungible Token) หรือ NFT เครื่องแรกได้ติดตั้งในNew York City โดย Neon แพลตฟอร์มรวบรวมงานศิลปะดิจิทัล "ตู้เอทีเอ็ม NFT" ที่หน้าร้านเล็กๆ ในย่านการเงินใน Lower Manhattan ขายรหัส QR ที่เชื่อมต่อกับงานศิลปะออนไลน์ในราคาตั้งแต่ 5.99 ถึง 420.49 ดอลลาร์ 

ลูกค้าจะไม่รู้ว่าพวกเขาซื้องานศิลปะดิจิทัลชิ้นใดจนกว่าจะสแกนรหัส QR ซึ่งทำให้พวกเขาสามารถแสดงผลงานศิลปะบนสมาร์ทโฟน แล็ปท็อป หรือแท็บเล็ตเครื่องใดก็ได้ Kyle Zappitell แห่ง Neon กล่าวว่ากลุ่มลูกค้าเป้าหมายคือ "คนที่พยายามซื้อสกุลเงินดิจิทัล หรือสนใจที่จะซื้อ NFT แต่เจออุปสรรคมากเกินไป" Zappitell ยังบอกด้วยว่า "ในฐานะของผู้รวบรวมงาน NFT สิ่งที่คุณรักก็คือการสุ่มเอาว่าคุณจะได้อะไร ซึ่งนี่เป็นแง่มุมที่น่าตื่นเต้น"

อ่านข่าวเต็มได้ที่: Reuters

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