ชิป AI ที่ใช้พลังงานต่ำมาก

ภาพจาก  IEEE Spectrum

นักวิจัยจาก Indian Institute of Technology, Bombay (IIT Bombay) ประเทศอินเดีย ได้ประกาศเปิดตัวชิปปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่มีพลังงานต่ำมาก ซึ่งอำนวยความสะดวกให้กับโครงข่ายประสาทเทียม Spiking Neural Network (SNN)  ซึ่งจำลองการประมวลผลสัญญาณประสาทของสมอง

นักวิจัยได้พัฒนา SNN ที่ชาร์จตัวเก็บประจุโดยใช้อุโมงค์กระแสไฟแบบแบนด์ต่อแบนด์ (band-to-band-tunneling current) Udayan Ganguly ของ IIT Bombay อธิบายว่า "เมื่อเทียบกับเซลล์ประสาทเทียม อันล้ำสมัยที่ใช้ในโครงข่าย SNN แบบฮาร์ดแวร์ เราประหยัดพลังงานต่ำกว่า 5,000 เท่าต่อหนึ่งสไปก์ (spike) ในพื้นที่คล้าย ๆ กัน และพลังงานที่ใช้ในการสแตนด์บายก็ต่ำกว่า 10 เท่า"

เมื่อนักวิจัยได้นำ SNN ไปใช้กับตัวแบบการรู้จำคำพูด ซึ่งเลียนแบบจากเยื่อหุ้มหูของสมอง ตัวแบบดังกล่าวก็สามารถรู้จำคำพูดได้

อ่านข่าวเต็มได้ที่: IEEE Spectrum

สกุลเงินคริปโตที่อยู่บนฐานของฟิสิกส์ส่งพลังงานผ่านบล็อกเชน

ภาพจาก Lawrence Livermore National Laboratory

นักวิจัยจาก U.S. Department of Energy's Lawrence Livermore National Laboratory (LLNL) ได้พัฒนา E-Stablecoin ซึ่งเป็นสกุลเงินดิจิทัลบนฐานของฟิสิกส์ซึ่งเชื่อมต่อพลังงานไฟฟ้ากับเทคโนโลยีบล็อกเชน 

Maxwell Murialdo และ Jon Belof แห่ง LLNL  กล่าวว่า E-Stablecoin เป็นสกุลเงินดิจิทัลที่ได้รับหลักประกันโดยตรงจากปริมาณไฟฟ้า 1 กิโลวัตต์ชั่วโมง นั่นคือถ้าใครที่ถือเหรียญนี้หนึ่งเหรียญเท่ากับมีปริมาณไฟฟ้า 1 กิโลวัตต์ชั่วโมง ทำให้ E-Stablecoin เป็นโทเค็นดิจิทัลตัวแรกที่มีหลักประกันเป็นสินทรัพย์ทางฟิสิกส์ หรือพูดง่าย ๆ คือในการสร้างเหรียญนี้หนึ่งเหรียญต้องใช้ไฟ 1 กิโลวัตต์ชั่วโมง และถ้าเหรียญถูกทำลาย (ใช้) ก็จะได้ ปริมาณไฟฟ้า 1 กิโลวัตต์ชั่วโมงกลับมา 

ด้วยวิธีการนี้ E-Stablecoin เป็นเหรียญแบบมูลค่าเสถียร (stable coin) ตัวแรกที่ไม่ต้องใช้คนกลางมาเป็นผู้ตรวจสอบเหมือนเหรียญแบบมูลค่าเสถียรตัวอื่นที่ผูกกับเงินดอลลาร์สหรัฐ E-Stablecoin อาจถูกส่งไปยังที่ห่างไกลที่ไม่มีเครือข่ายไฟฟ้า หรืออาจกล่าวว่ามันเป็นพลังงานที่นำกลับมาใช้ใหม่ได้อย่างมีประสิทธิภาพ

Belof กล่าวว่า "ด้วยการย้อนกลับทางอุณหพลศาสตร์ (thermodynamic reversibility) - ในขอบเขตของความเข้าใจด้านกลศาสตร์ทางสถิติ (statistical mechanics) สมัยใหม่ เรามองเห็นบล็อกเชนในอนาคตที่ไม่เพียงแต่ฝังรากในทรัพย์สินในชีวิตจริง เช่น การใช้พลังงาน แต่ยังเป็นผู้ดูแลทรัพยากรธรรมชาติที่รับผิดชอบมากขึ้นในด้านสิ่งแวดล้อม

อ่านข่าวเต็มได้ที่: Lawrence Livermore National Laboratory

หุ่นยนต์ค้นหากุญแจในกระเป๋าได้ด้วยการฟังในขณะที่มันควานหา

ภาพจาก  New Scientist

Maximilian Du แห่ง Stanford University และเพื่อนร่วมงานได้ฝึกแขนหุ่นยนต์ที่ติดตั้งไมโครโฟนไว้เพื่อค้นหาสิ่งของต่างๆ เช่น กุญแจในกระเป๋าถือ โดยฟังเสียงที่มันกระทบกันในขณะค้นหา “โดยพื้นฐานแล้วในสภาพแวดล้อมแบบนั้น เหมือนกับว่าคุณเอื้อมมือลงไป คุณไม่รู้ว่ากุญแจอยู่ที่ไหน แต่แล้วเมื่อคุณได้ยินเสียงของกุญแจ คุณก็จะบอกตำแหน่งมันได้ จากนั้นเมื่อรู้ตำแหน่ง คุณก็จะหยิบมันออกมาได้" Du กล่าว

นักวิจัยฝึกหุ่นยนต์โดยให้คนสาธิตวิธีการการกระทำผ่านชุดหูฟังความจริง และตัวควบคุมความจริงเสมือน (virtual reality) ของ Oculus โดยมีคำแนะนำเพิ่มเติมจากคนเพื่อแก้ไขการทำงานของมัน Olivia Lee จากสแตนฟอร์ดกล่าวว่าวิธีการนี้เพิ่มประสิทธิภาพได้ 20%

อ่านข่าวเต็มได้ที่: New Scientist

Meta อาจทำให้เราสร้างตัวตนสามมิติของเราจากกล้องโทรศัพท์

Photo by Dima Solomin on Unsplash

 Meta  (Facebook) เสนอขั้นตอนง่าย ๆ แก่ผู้ใช้ในการสร้างอวาตาร์เสมือนจริงของตนเองโดยใช้สมาร์ทโฟน โดยนักวิจัยจาก Meta's Reality Labs ได้พัฒนาวิธีการใหม่ในการสร้างอวตารสามมิติ (3D) ที่เหมือนจริงกระบวนการนี้จะทำด้วยการที่ผู้ใช้เลื่อนกล้องของสมาร์ทโฟนผ่านใบหน้าจากด้านหนึ่งไปอีกด้านหนึ่ง จากนั้นแสดงสีหน้าท่าทางที่แตกต่างกันให้กับระบบ 

นักวิจัยกล่าวว่ากระบวนการนี้ใช้เวลาประมาณสามนาทีครึ่ง และใช้โครงข่ายประสาทเทียมที่ได้รับการฝึกฝนมาก่อนหน้านี้โดยข้อมูลใบหน้า 3 มิติที่บันทึกจากตัวอย่าง 255 ตัวอย่างจากกลุ่มของกล้องที่ความล้ำสมัย กระบวนการเรนเดอร์ใช้เวลาประมาณหกชั่วโมง และสามารถทำได้ในระบบคลาวด์ ทำให้ผู้ใช้แต่ละรายไม่ต้องใช้พีซีระดับไฮเอนด์

อ่านข่าวเต็มได้ที่: Gizmodo Australia

นักวิจัยสอนหุ่นยนต์ให้มองเห็นน้ำ

ภาพจาก Carnegie Mellon University School of Computer Science

ทีมนักวิจัยของ Carnegie Mellon University (CMU) ได้สอนหุ่นยนต์ให้ระบุน้ำและเทลงในแก้วโดยใช้การเรียนรู้แบบแยกความแตกต่าง (contrastive learning) สำหรับการแปลภาพที่ไม่จับคู่กัน นักวิจัยเล่นวิดีโอ YouTube หลังแก้วน้ำใส เพื่อฝึกหุ่นยนต์ให้มองเห็นพื้นหลังผ่านแก้วน้ำ ซึ่งช่วยสอนให้หุ่นยนต์เทน้ำลงในแก้วได้สูงระดับหนึ่ง

ทีมงานได้ทดสอบการจดจำน้ำของหุ่นยนต์โดยใช้แก้วที่มีรูปร่างและขนาดต่าง ๆ David Held จาก CMU กล่าวว่า "เช่นเดียวกับที่เราฝึกแบบจำลองเพื่อแปลภาพม้าให้ดูเหมือนม้าลาย เราสามารถฝึกแบบจำลองในลักษณะเดียวกันนี้ เพื่อแปลภาพของเหลวสีเป็นภาพของเหลวใสได้ เราใช้ตัวแบบนี้ เพื่อให้หุ่นยนต์สามารถเข้าใจของเหลวที่โปร่งใสได้"

อ่านข่าวเต็มได้ที่: Carnegie Mellon University School of Computer Science