หุ่นยนต์ฆ่าเชื้อโควิด-19 และเชื้อโรคอื่น ๆ บนเครื่องบินของ Avelo Airlines

ภาพจาก Hartford Courant

Avelo Airlines สตาร์ทอัพในเมืองฮุสตัน รัฐเท็กซัส ใช้หุ่นยนต์อัตโนมัติจากผู้ผลิต Aero HygenX ของแคนาดาในการฆ่าเชื้อห้องโดยสารเครื่องบินสำหรับเชื้อโควิด-19 และไวรัสอื่นๆ  สายการบินได้ติดตั้งหุ่นยนต์ RAY ที่สนามบินTweed-New Haven ของคอนเนตทิคัต โดยมันจะใช้แสงอัลตราไวโอเลต-ซี (ultraviolet-C) ซึ่ง Jim Olson  จาก Avelo กล่าวว่า "ทำลาย 99.9% ของเชื้อโรคทั้งหมด ซึ่งรวมถึง—แต่ไม่จำกัดเฉพาะ—โควิด-19" 

Olson กล่าวว่าหุ่นยนต์ RAY รุ่นที่สองกำลังปฏิบัติงานอยู่ที่ฐานชายฝั่งตะวันตกของ Avelo ในลอสแองเจลิส โดยอุปกรณ์ดังกล่าวยังฆ่าเชื้อในห้องครัว ห้องน้ำ ลานบิน และพิ้นที่เทอร์มินัลปลายทางของเครื่องบินเมื่อสิ้นสุดการบินในแต่ละวัน 

Andrew Levy  ประธานบริษัท Avelo กล่าวว่า "RAY ปลอดภัยกว่า เร็วกว่า คุ้มค่ากว่า และเป็นทางแก้ที่ยั่งยืนกว่ากระบวนการฆ่าเชื้อด้วยมือแบบธรรมดาที่ใช้สารเคมีโดยสายการบินส่วนใหญ่"

อ่านข่าวเต็มได้ที่: Hartford Courant

Java ก้าวกระโดดอย่างไม่คาดคิดในหมู่ภาษาโปรแกรมยอดนิยม

Photo by Farzad Nazifi on Unsplash

Python, Java, SQL และ JavaScript เป็นภาษาการเขียนโปรแกรมที่เป็นที่ต้องการมากที่สุดในปีนี้ โดยแต่ละภาษาจะปรากฏในรายการงานมากกว่า 50,000 ตำแหน่งงานบนเว็บไซต์ Indeed ตามรีวิวโฆษณางานโดย CodingDojo แพลตฟอร์มการฝึกอบรมสำหรับนักพัฒนา

Java ขึ้นอันดับ 1 โดยมีความต้องการมากกว่า 80,000 รายการ ส่งสัญญาณว่าความนิยมได้กลับมาอีกครั้งหลังจากการลดลงเล็กน้อยในช่วงสองปีที่ผ่านมาอันเนื่องมาจากการเติบโตของ Python แม้ว่า Python จะเป็นภาษาที่ปรากฏบ่อยที่สุดบน Indeed แต่ CodingDojo พบว่า Java ที่เติบโตอย่างรวดเร็วในปีที่ผ่านมาผลักให้ Python มาอยู่ในอันดับที่สอง

อย่างไรก็ตามความต้องการ Python ยังคงเพิ่มขึ้น โดยที่ CodingDojo สังเกตว่าการลดลงนั้นเป็นเพียงเพราะความต้องการนักเขียนโปรแกรมที่เชี่ยวชาญ Java นั้นเพิ่มขึ้นอย่างมาก “ความต้องการนักเขียนโปรแกรมที่ลดลงเนื่องจากการระบาดใหญ่ได้ผ่านไปแล้ว” แพลตฟอร์มกล่าว

อ่านข่าวเต็มได้ที่: ZDNet

นักวิจัยสามารถขโมยข้อมูลได้ระหว่างการเข้ารหัสแบบโฮโมมอร์ฟิก

ภาพจาก NC State University News

นักวิจัยจาก North Carolina State University (NC State)  และ Dokuz Eylul University ของตุรกี ได้ถอดรหัสการเข้ารหัสแบบโฮโมมอร์ฟิก (homomorphic)  รุ่นต่อไป โดยใช้การโจมตีแบบช่องทางด้านข้าง (side-channel) การเข้ารหัสแบบโฮโมมอร์ฟิก ทำให้บุคคลที่สามไม่สามารถอ่านข้อมูลแต่ยังคงใช้ข้อมูลได้ 

Aydin Aysu แห่ง NC State กล่าวว่ากระบวนการนี้ใช้พลังงานในการประมวลผลมาก และนักวิจัยสามารถอ่านข้อมูลระหว่างการเข้ารหัสโดยการตรวจสอบการใช้พลังงานในตัวเข้ารหัสข้อมูลโดยใช้ SEAL Homomorphic Encryption Library ของ Microsoft  "เราสามารถทำแบบนี้ได้ด้วยการวัดพลังงานเพียงครั้งเดียว" Aysu กล่าว และทีมงานได้ยืนยันข้อบกพร่องในไลบรารีจนถึงเวอร์ชัน 3.6 เป็นอย่างน้อย

อ่านข่าวเต็มได้ที่: NC State University News

เรดาร์ที่เชื่อถือได้ เทคโนโลยีเซ็นเซอร์ AI สำหรับการขับขี่อัตโนมัติ

ภาพจาก  Graz University of Technology (Austria)

ระบบปัญญาประดิษฐ์ (artifical intelligence) หรือ AI สำหรับเซ็นเซอร์เรดาร์ในรถยนต์ที่พัฒนาโดยนักวิจัยจาก Graz University of Technology (TU Graz) ของออสเตรีย จะกรองสัญญาณรบกวนจากเซ็นเซอร์เรดาร์อื่นๆ เพื่อปรับปรุงการตรวจจับวัตถุ

นักวิจัยได้สร้างตัวแบบสถาปัตยกรรมสำหรับกำจัดสัญญาณรบกสนโดยอัตโนมัติ โดยอิงจากโครงข่ายประสาทเทียมแบบคอนโวลูชัน (convolution neural network) หรือ CNN เพื่อให้มีประสิทธิภาพมากขึ้น นักวิจัยได้ฝึกอบรมโครงข่ายประสาทเทียมด้วยข้อมูลที่มีสัญญาณรบกวนจำนวนมาก และค่าผลลัพธ์ที่ต้องการ จากนั้นบีบอัดตัวแบบที่มีประสิทธิภาพมากที่สุดต่อไปโดยลดความกว้างของบิต ส่งผลให้ตัวแบบ AI มีประสิทธิภาพการกรองสูงและใช้พลังงานต่ำ

Franz Pernkopf แห่ง TU Graz กล่าวว่า "เราต้องการทำให้พฤติกรรมของ CNN อธิบายได้ชัดเจนขึ้นอีกเล็กน้อย เราไม่เพียงแต่สนใจในผลลัพธ์ แต่ยังสนใจช่วงของการแปรปรวน ยิ่งมีช่วงความแปรปรวนน้อยเท่าใด เครือข่ายก็ยิ่งมีความแน่นอนมากขึ้นเท่านั้น"

อ่านข่าวเต็มได้ที่: Graz University of Technology (Austria)

เตรียมรับมือกับโรคระบาดครั้งต่อไป

ภาพจาก University of Waterloo News (Canada)

ทีมวิจัยสหวิทยาการที่ GoodLabs Studio และ University of Waterloo ของแคนาดากำลังพัฒนา Syndrome Anomaly Detection System (SADS) เพื่อให้ข้อมูลแบบเรียลไทม์ และขับเคลื่อนด้วยข้อมูลเชิงลึก ซึ่งสามารถช่วยให้เจ้าหน้าที่สาธารณสุขป้องกันการระบาดใหญ่ในอนาคตได้ 

ระบบนี้ใช้การเรียนรู้ของเครื่อง (machine learning) หรือ ML  และปัญญาประดิษฐ์ (artificial intelligence) หรือ AI เพื่อติดตามโรคในวงกว้าง โดยมีเป้าหมายในการระบุรูปแบบของโรคที่ผิดปกติในชุมชนต่างๆ เพื่อให้ดำเนินการได้อย่างรวดเร็ว

SADS ใช้แอปที่ใช้การประมวลผลภาษาธรรมชาติ (natural language processing) หรือ NLP เพื่อบันทึกอาการที่ผู้ป่วยอธิบายในการสนทนากับแพทย์ของตัวเอง การใช้ NLP ภายในแอปปกป้องข้อมูลส่วนบุคคลของผู้ป่วย จากนั้น ML ด้านภาษาเชิงลึก (deep language) จะถูกนำมาใช้เพื่อรวบรวมและจัดหมวดหมู่ข้อมูล เช่น อาการ อายุ เพศ และที่อยู่ เพื่อตรวจจับรูปแบบ SADS ติดตามอาการผิดปกติเมื่อเวลาผ่านไปเพื่อแสดงให้เห็นว่าโรคใหม่สามารถแพร่กระจายในชุมชนได้อย่างไร

อ่านข่าวเต็มได้ที่: University of Waterloo News (Canada)