ความเสี่ยงจากยาปลอมกำลังเพิ่มขึ้น เทคโนโลยีจากมือถือช่วยตรวจสอบได้

ภาพจาก SciTechDaily

นักวิจัยได้พัฒนาวิธีการระบุยาปลอมโดยใช้แท็กที่สามารถกิน และอ่านได้ผ่านแอปสมาร์ทโฟนเพื่อตรวจสอบแหล่งที่มาและคุณภาพของยา นักวิจัยดัดแปลงพันธุกรรมตัวไหมเพื่อผลิตโปรตีนไหมที่กินได้โดยมีโปรตีนเรืองแสงสีฟ้า สีเขียว หรือสีแดงติดอยู่ 

แท็กที่มีโปรตีนไหมเรืองแสงเหล่านี้ สามารถถูกเอนไซม์ในทางเดินอาหารย่อยสลายได้อย่างปลอดภัย โดยสามารถใช้กับยาเม็ดหรือเติมลงในยาน้ำได้ แอพสมาร์ทโฟนจะสแกนหารูปแบบการเรืองแสง และหากพบ จะใช้อัลกอริธึมการเรียนรู้เชิงลึก (deep learning) เพื่อถอดรหัสคีย์ดิจิทัลและนำผู้ใช้ไปยังหน้าเว็บที่มีข้อมูลเกี่ยวกับแหล่งที่มาของยาและเป็นยาจริงหรือไม่

อ่านข่าวเต็มได้ที่: SciTechDaily

หุ่นยนต์ควบคุมด้วยจอยสติ๊กสามารถช่วยศัลยแพทย์รักษาโรคหลอดเลือดสมองจากระยะไกลได้

ภาพจาก MIT News

ระบบเทเลโรโบติก (telerobotic) ที่พัฒนาขึ้นโดยนักวิจัยจาก Massachusetts Institute of Technology (MIT), Massachusetts General Hospital, และ Philips Research North America  ช่วยให้ศัลยแพทย์ทำงานจากระยะไกลได้ โดยใช้จอยสติ๊กและการถ่ายทอดภาพสดเพื่อควบคุมแขนหุ่นยนต์โดยที่ผู้ควบคุมอยู่อีกที่หนึ่ง

ระบบสามารถช่วยชีวิตผู้ป่วยโรคหลอดเลือดสมองหรือหลอดเลือดโป่งพองได้ โดยสามารถเข้าถึงเพื่อเปิดทางหลอดเลือดจากระยะไกล ในช่วงเวลาวิกฤตทันทีหลังจากเริ่มมีอาการ ในระหว่างการทดสอบโดยใช้แบบจำลองขนาดเท่าของจริง ศัลยแพทย์ระบบประสาทสามารถควบคุมแขนของหุ่นยนต์จากระยะไกลเพื่อนำลวดแม่เหล็ก (magnetic wire) ผ่านหลอดเลือดแดงและหลอดเลือดได้หลังจากฝึกใช้เพียงชั่วโมงเดียว

Yoonho Kim แห่ง MIT อธิบายว่า "จุดประสงค์หลักของสายนำแม่เหล็ก (magnetic guidewire) คือการไปยังตำแหน่งเป้าหมายอย่างรวดเร็วและปลอดภัย เพื่อใช้อุปกรณ์มาตรฐานอย่าง microcatheters ในการรักษาได้ ระบบของเราเปรียบเสมือนเครื่องนำทาง"

อ่านข่าวเต็มได้ที่: MIT News

รถขับเคลื่อนด้วยตัวเองสามารถถูกหลอกให้เห็นไฟแดงเป็นไฟเขียวได้

Photo by Tom Hill on Unsplash

นักวิจัยจาก Zhejiang University ของจีนพบว่ารถยนต์ไร้คนขับอาจถูกหลอกให้มองเห็นสัญญาณไฟจราจรสีแดงเป็นสีเขียวได้ นักวิทยาศาสตร์ฉายเลเซอร์ไปที่เซ็นเซอร์ของกล้องห้ารุ่นที่ใช้โดยรถขับเคลื่อนด้วยตนเอง โดยมีซอฟต์แวร์โอเพนซอร์ซสองชุดอ่านภาพที่ถ่ายไว้ 

เลเซอร์ที่มีความยาวคลื่น 650 นาโนเมตรและความยาวคลื่น 520 นาโนเมตรทำให้ภาพทั้งหมดเป็นสีแดงหรือสีเขียวตามลำดับ ในขณะที่การกะพริบของเลเซอร์ที่ความถี่สูงทำให้เกิดสีในบางส่วนของภาพเท่านั้น การเพิ่มแถบแนวนอนสีเขียวหรือสีแดงทำให้ชุดซอฟต์แวร์ทั้งสองตรวจพบสัญญาณไฟจราจรอย่างไม่ถูกต้องโดยเฉลี่ยว่าเป็นสีเขียว 30%  และสีแดง 86% ของเวลาทั้งหมด ระหว่างกล้องทุกตัว

อ่านข่าวเต็มได้ที่: New Scientist

เครื่องมือที่อาจทำนายความเสี่ยงของงานคุณจากระบบอัตโนมัติ

Photo by Owen Beard on Unsplash

นักวิทยาศาสตร์จาก Swiss Federal Institute of Technology (EPFL) ในเมืองโลซานน์  และ University of Lausanne ในสวิตเซอร์แลนด์ได้ออกแบบอัลกอริธึมเพื่อทำนายว่าแต่ละอาชีพมีความเสี่ยงจากระบบอัตโนมัติอย่างไร 

ดัชนีความเสี่ยงด้านระบบอัตโนมัติ (automation risk index) หรือ ARI จะตรวจสอบจำนวนข้อกำหนดในรายละเอียดงานที่หุ่นยนต์สามารถทำได้เมื่อเปรียบเทียบกับมนุษย์ จัดอันดับความสำคัญของทักษะเหล่านี้ และประเมินความสามารถในปัจจุบันของหุ่นยนต์ที่จะทำมัน 

ในการจัดอันดับงาน 967 ตำแหน่งโดย ARI ที่ระบุไว้ในฐานข้อมูล Occupation Information Network นักฟิสิกส์ได้รับการพิจารณาให้เป็นอาชีพที่ปลอดภัยที่สุดจากระบบอัตโนมัติ ในขณะที่พบว่าคนงานบรรจุหีบห่อ และคนงานในโรงฆ่าสัตว์มีความเสี่ยงสูงสุด

นักวิจัยยังได้จัดทำดัชนีความยืดหยุ่นนี้เป็นเว็บไซต์เพื่อผู้ใช้สามารถค้นหาเพื่อค้นหาความเสี่ยงด้านระบบอัตโนมัติที่เกี่ยวข้องกับตำแหน่งงาน และงานที่มีความเสี่ยงต่ำกว่า ซึ่งใครที่สนใจสามารถทดลองเข้าไปค้นหาดูได้จากลิงก์นี้ครับ https://lis2.epfl.ch/resiliencetorobots/#/

 อ่านข่าวเต็มได้ที่: Silicon Republic

บอทสามารถตรวจพบผู้ใช้ Twitter ที่มีความซึมเศร้า 9 จาก 10 ราย

ภาพจาก Brunel University London (U.K.)

อัลกอริทึมที่พัฒนาโดยนักวิจัยจาก Brunel University London และ University of Leicester ในสหราชอาณาจักร สามารถตรวจสอบสภาพจิตใจของบุคคลได้โดยการแยกและวิเคราะห์จุดข้อมูล 38 จุดจากโปรไฟล์ Twitter สาธารณะของพวกเขา

นักวิจัยได้ฝึกอบรมบอทบนฐานข้อมูลสองฐานข้อมูลที่มีประวัติการทวีตของผู้ใช้หลายพันคน และข้อมูลเพิ่มเติมเกี่ยวกับสุขภาพจิตของพวกเขา โดยไม่รวมเอาผู้ใช้ที่มีการทวีตน้อยกว่า 5 ทวีต จากนั้นจึงแก้ไขคำที่สะกดผิดและตัวย่อโดยใช้ซอฟต์แวร์ภาษาธรรมชาติ

อัลกอริทึมระบุภาวะซึมเศร้าด้วยความแม่นยำ 88.39% ในชุดข้อมูลหนึ่ง และ 70.69% ในอีกชุดหนึ่ง Abdul Sadka แห่ง Brunel กล่าวว่า "แม้จะไม่ได้แม่นยำ 100% แต่ฉันไม่คิดว่าโซลูชันการเรียนรู้ของเครื่องใด ๆ จะสามารถบรรลุความน่าเชื่อถือได้ที่ระดับ 100% อย่างไรก็ตาม ยิ่งคุณเข้าใกล้ตัวเลข 90 เปอร์เซ็นต์มากเท่าไหร่ ก็ยิ่งดีเท่านั้น”

อ่านข่าวเต็มได้ที่: Brunel University London (U.K.)