ช่องโหว่ใน AI ทำให้หุ่นยนต์เหยียดเชื้อชาติและเพศ

ภาพจาก Johns Hopkins University Hub

นักวิจัยจากมหาวิทยาลัย Johns Hopkins University,  Georgia Institute of Technology (Georgia Tech) และ University of Washington พบว่า หุ่นยนต์ที่ติดตั้งโมเดลปัญญาประดิษฐ์ที่สามารถดาวน์โหลดได้แบบสาธารณะ ซึ่งสร้างด้วยโครงข่ายประสาท CLIP แสดงอคติทางเพศและเชื้อชาติอย่างมีนัยสำคัญ

หุ่นยนต์ได้รับคำสั่ง 62 คำสั่งที่เกี่ยวข้องกับการเลือกบล็อกที่มีใบหน้ามนุษย์ที่หลากหลายและวางลงในกล่อง นักวิจัยพบว่าหุ่นยนต์เลือกผู้ชายบ่อยกว่าผู้หญิง 8 % และเลือกผู้ชายผิวขาวและเอเชียมากที่สุด และผู้หญิงผิวดำน้อยที่สุด

หุ่นยนต์ยังระบุด้วยว่าผู้หญิงเป็น "แม่บ้าน" มากกว่าผู้ชายผิวขาว ผู้ชายผิวดำเป็น "อาชญากร" มากกว่าผู้ชายผิวขาว 10% ผู้ชายลาตินเป็น "ภารโรง" มากกว่าผู้ชายผิวขาว 10% และผู้ชายเป็น "แพทย์" มากกว่าผู้หญิงทั้งหมดไม่ว่าเชื้อชาติอะไร

Andrew Hundt แห่ง Georgia Tech กล่าวว่า "หุ่นยนต์ได้เรียนรู้การเหมารวมที่เป็นพิษผ่านโมเดลโครงข่ายประสาทเทียมที่มีข้อบกพร่องเหล่านี้"

อ่านข่าวเต็มได้ที่: Johns Hopkins University Hub

นักวิจัยเปิดเผยโค้ดการตัวจำลองภาพแบบเหมือนจริงของการขับเคลื่อนอัตโนมัติ

ภาพจาก MIT News

ทีมวิจัยที่นำโดยนักวิจัยของ Massachusetts Institute of Technology (MIT) ได้พัฒนาเครื่องมือจำลองที่ขับเคลื่อนด้วยข้อมูล ซึ่งช่วยให้ยานยนต์ที่ขับเคลื่อนอัตโนมัติเรียนรู้ที่จะขับรถในโลกแห่งความเป็นจริง และแก้ไขจากสถานการณ์ที่เกือบชนกันได้

โค้ดเบื้องหลังระบบจำลองภาพแบบเหมือนจริง VISTA 2.0 กำลังถูกเปิดเผยสู่สาธารณะ Daniela Rus แห่ง MIT กล่าวว่า "ด้วยการเปิดตัวครั้งนี้ ชุมชนการวิจัยจะสามารถเข้าถึงเครื่องมือใหม่อันทรงพลังสำหรับทำให้การวิจัยและพัฒนาการควบคุมที่มีประสิทธิภาพแบบปรับได้สำหรับการขับขี่แบบอัตโนมัติทำได้เร็วขึ้น"

Alexander Amini จาก MIT กล่าวว่า "VISTA 2.0 แสดงให้เห็นถึงความสามารถในการจำลองข้อมูลเซ็นเซอร์ได้ดีกว่ากล้องสองมิติแบบ RGB มากเท่านั้น แต่ยังดีกว่า LiDAR สามมิติ ซึ่งมีจำนวนมิติสูงมากด้วยจุดนับล้าน กล้องติดตามตามเหตุการณ์ไม่ปกติ และแม้แต่การโต้ตอบแบบไดนามิกกับยานพาหนะอื่น ๆ "

อ่านข่าวเต็มได้ที่: MIT News

ยานสำรวจดาวอังคารที่ใช้ Windows 98 ได้รับการอัปเดตเป็นครั้งแรกในรอบ 2 ทศวรรษ

ภาพจาก Wikipedia

วิศวกรจาก Istituto Nazionale di Astrofisica (INAF) ของอิตาลีได้ปรับปรุงระบบ Window 98 ของยานอวกาศ Mars Express เป็นครั้งแรกในรอบ 19 ปี ยานสำรวจของ European Space Agency ใช้เครื่องมือ Mars Advanced Radar for Subsurface and Ionospheric Sounding (MARSIS) เพื่อส่งคลื่นวิทยุความถี่ต่ำไปยังพื้นดาวอังคารเพื่อช่วยทำแผนที่โครงสร้างใต้ผิวดินในขณะที่ค้นหาน้ำไปด้วย 

เจ้าหน้าที่ของ INAF กล่าวว่าการอัปเดตนี้จะทำให้ Mars Express มองเห็นดาวอังคาร และดวงจันทร์ของมันคือ Phobos ของได้ละเอียดยิ่งขึ้น Andrea Cicchetti ของ INAF กล่าวว่าวิธีการก่อนหน้าของยานอวกาศในการจัดเก็บข้อมูลความละเอียดสูงนั้นทำให้หน่วยความจำบนเครื่องบินหมดไปอย่างรวดเร็ว

ในทางตรงกันข้าม "ด้วยการทิ้งข้อมูลที่เราไม่ต้องการ ซอฟต์แวร์ใหม่ช่วยให้เราสามารถเปิด MARSIS ได้นานขึ้นห้าเท่า และสำรวจพื้นที่ได้ขนาดใหญ่กว่ามากในแต่ละครั้ง" เขากล่าว

อ่านข่าวเต็มได้ที่: TechRadar

เทคโนโลยีช่วยให้รถขับเคลื่อนด้วยตัวเองเรียนรู้จากหน่วยความจำของตัวเอง

Cornell University Chronicle

เทคโนโลยีที่พัฒนาโดยนักวิจัยของ Cornell University มีเป้าหมายที่จะเติมเต็มยานยนต์ไร้คนขับด้วยความสามารถในการสร้าง "ความทรงจำ" จากประสบการณ์ก่อนหน้านี้เพื่อใช้ในการนำทาง

นักวิจัยได้รวบรวมชุดข้อมูลการเดินทางของ Ithaca365 โดยการขับรถด้วยเซ็นเซอร์ LiDAR  เป็นระยะทาง 15 กิโลเมตร (9.3 ไมล์) 40 ครั้งในระยะเวลา 18 เดือนในสภาพแวดล้อมต่างๆ สภาพอากาศ และช่วงเวลาของวัน

วิธีการนี้ใช้โครงข่ายประสาทเทียมในการคำนวณตัวอธิบายของวัตถุที่รถวิ่งผ่าน จากนั้นบีบอัดและจัดเก็บคุณสมบัติ Spatial-Quantized Sparse History (SQuaSH) เหล่านี้บนแผนที่เสมือน เมื่อรถวิ่งไปตามตำแหน่งเดิม มันจะสามารถสืบค้นฐานข้อมูล SQuaSH ที่จัดเก็บเส้นทางไว้และเรียกคืนความรู้นั้นได้

อ่านข่าวเต็มได้ที่: Cornell University Chronicle

สอนฟิสิกส์ให้ AI อาจทำให้มันค้นคว้าทั้งหมดได้ด้วยตัวเอง

ภาพจาก  SciTechDaily

นักวิจัยจาก Duke University พบว่าการเพิ่มความรู้ทางฟิสิกส์ที่รู้จักกันอยู่แล้วลงในอัลกอริธึมการเรียนรู้ของเครื่อง (machine learning) สามารถทำให้พวกมันหาข้อมูลเชิงลึกใหม่ ๆ ของคุณสมบัติของวัสดุ พวกเขาพัฒนาโครงข่ายประสาทเทียมเพื่อระบุลักษณะของเมตาแมททีเรียล (metamaterial) เกี่ยวกับข้อมูลของวัสดุ และทำนายปฏิสัมพันธ์กับสนามแม่เหล็กไฟฟ้า

ด้วยการให้ข้อมูลข้อจำกัดทางกายภาพที่ทราบกันอยู่แล้วของเมตาแมททีเรียล อัลกอริธึมสามารถทำนายคุณสมบัติของเมตาแมททีเรียลได้เร็ว แม่นยำยิ่งขึ้น และมีข้อมูลเชิงลึกเพิ่มเติมกว่าวิธีที่เคยใช้มาก่อน 

Jordan Malof แห่ง Duke กล่าวว่า "การบังคับให้โครงข่ายประสาทเทียมปฏิบัติตามกฎฟิสิกส์ ทำให้เราป้องกันไม่ให้เครือข่ายค้นหาความสัมพันธ์ที่อาจเข้ากับข้อมูลได้ แต่ความจริงแล้วเป็นไปไม่ได้"

อ่านข่าวเต็มได้ที่: SciTechDaily