การเรียนรู้ของเครื่องสามารถระบุว่าคนที่ซื้อปืนมีความเสี่ยงฆ่าตัวตายหรือไม่

ภาพจาก The Hill

การวิจัยโดยนักวิทยาศาสตร์จาก University of California, Davis (UC Davis) ชี้ว่าการเรียนรู้ของเครื่อง (machine learning) สามารถใช้ข้อมูลการจัดซื้อปืนพกเพื่อระบุผู้ซื้อปืนที่เสี่ยงต่อการฆ่าตัวตายได้ 

นักวิจัยวิเคราะห์ข้อมูลจากฐานข้อมูล Dealer's Record of Sale ของแคลิฟอร์เนีย โดยใช้ การจำแนกแบบ random forest เพื่อประเมินความสามารถของข้อมูลในการทำนายผู้ที่มีความเสี่ยงในการฆ่าตัวตายสูงภายในหนึ่งปีของการซื้อปืน 

พวกเขาประเมินอัตราการฆ่าตัวตายของผู้ซื้อปืน 0.07% ภายในปีนั้น และระบุปัจจัยเสี่ยง 41 ประการสำหรับการฆ่าตัวตายด้วยอาวุธปืน รวมถึงอายุที่มากขึ้น การซื้อครั้งแรก เป็นคนผิวขาว การอาศัยอยู่ใกล้กับผู้ขาย และการซื้อปืนรีโวลเวอร์ (revolver) 

Hannah S. Laqueur ของ UC Davis กล่าวว่า "การศึกษาครั้งนี้มีส่วนสนับสนุนให้มีหลักฐานเพิ่มขึ้นว่าวิธีการคำนวณจากคอมพิวเตอร์ สามารถช่วยระบุกลุ่มที่มีความเสี่ยงสูง และสามารถพัฒนาให้เกิดการแทรกแซงบุคคลเหล่านั้นได้"

อ่านข่าวเต็มได้ที่: The Hill

สอน AI ให้ถามข้อมูลทางคลีนิค

ภาพจาก MIT Computer Science and Artificial Intelligence Laboratory

นักวิทยาศาสตร์ของ Massachusetts Institute of Technology (MIT) และผู้เชี่ยวชาญทางการแพทย์ได้รวบรวมชุดข้อมูลของคำถามที่แพทย์ถามมากกว่า 2,000 ข้อเมื่อตรวจสอบบันทึกสุขภาพอิเล็กทรอนิกส์ (electronic health record) หรือ EHRs 

ตัวแบบการเรียนรู้ของเครื่อง (machine learning) หรือ ML ที่ได้รับการฝึกอบรมเกี่ยวกับชุดข้อมูลนี้ถามคำถามที่ถือดีมาก เมื่อเทียบกับคำถามจริงจากผู้เชี่ยวชาญทางการแพทย์ มากกว่า 60% ของเวลาทั้งหมด ในทางตรงกันข้าม ตัวแบบที่ได้รับการฝึกฝนเจากคำถามทางคลินิกที่ใช้ชุดข้อมูลที่เปิดเผยต่อสาธารณะสามารถถามคำถาม 25% ของคำถามที่แพทย์ถาม

Peter Szolovits แห่ง MIT กล่าวว่า "คุณค่าของงานนี้อยู่ที่การรวบรวมคำถามที่ถามโดยแพทย์เกี่ยวกับผู้ป่วยแต่ละรายอย่างรอบคอบ ซึ่งเราสามารถพัฒนาวิธีการที่ใช้ข้อมูลเหล่านี้ และตัวแบบภาษาทั่วไปเพื่อถามคำถามที่ดีขึ้น"

อ่านข่าวเต็มได้ที่: MIT Computer Science and Artificial Intelligence Laboratory

อัลกอริทึมความยุติธรรมทางอาญาทำนายความเสี่ยงของการพิจารณาคดีแบบมีอคติ

Photo by Tingey Injury Law Firm on Unsplash

American Civil Liberties Union, Carnegie Mellon University,  Idaho Justice Project, และ University of Pennsylvania ได้พัฒนาอัลกอริธึมความยุติธรรมทางอาญาเพื่อทำนายความน่าจะเป็นที่จำเลยจะได้รับการพิจารณาโทษแบบมีอคติในศาล

อัลกอริทึมมจะพิจารณาตัวแปรที่ดูเหมือนไม่มีสาระสำคัญ เช่น เพศและเชื้อชาติของผู้พิพากษาและจำเลย ตลอดจนรายละเอียดของคดีเช่น บทลงโทษขั้นต่ำ และลักษณะของการกระทำความผิด เพื่อคาดการณ์แนวโน้มที่ผู้พิพากษาจะลงโทษจำคุกนานแบบผิดปกติ  (นานกว่าที่เคยสั่งลงโทษเมื่อเปรียบเทียบกับร้อละ 90 ของคดีที่มีปัจจัยคล้าย ๆ กัน) 

ทีมนักพัฒนาบอกว่าอัลกอริธึมอาจช่วยจำเลยที่ทำผิดให้สามารถโต้แย้งเพื่อลดโทษที่รุนแรงอย่างไม่เป็นสัดส่วนได้

อ่านข่าวเต็มได้ที่: Government Technology

เมื่อนักเล่นเกมเริ่มทำตัวน่ารังเกียจ

Photo by Florian Olivo on Unsplash

นักวิจัยจาก Utrecht University ของเนเธอร์แลนด์ได้พัฒนาตัวแบบปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่สามารถระบุพฤติกรรมที่เป็นพิษในหมู่นักเล่นเกมแบบได้แบบเรียลไทม์ ตัวแบบนี้ออกแบบมาเพื่อคัดกรองภาษาที่เป็นปัญหา หรือเพื่อช่วยผู้ดำเนินรายการในการตัดสินใจคว่ำบาตรผู้เล่นที่ใช้ภาษาดังกล่าว

ผู้เข้าร่วมดูวิดีโอของเกมเมอร์ที่เล่น Overwatch และให้คะแนนระดับความเป็นพิษผ่านช่องทางแชทด้วยเสียงของเกม ซึ่งเน้นสิ่งที่ Julian Frommel ของ Utrecht เรียกว่า "ความท้าทายของความรู้สึกนึกคิด" ในการตรวจจับความเป็นพิษโดยอัตโนมัติ

นักวิจัยใช้ข้อมูลนี้เพื่อสร้างและตรวจสอบตัวแบบ AI ซึ่งสามารถคาดการณ์ความเป็นพิษได้อย่างแม่นยำถึง 86.3% Frommel กล่าวว่าตัวแบบดังกล่าวมีค่าใช้จ่ายในการคำนวณเพียงเล็กน้อย และ "สามารถดำเนินการอัตโนมัติ และนำไปใช้เป็นแนวทางที่ไม่รุกล้ำมากเกินไปในหลายเกมที่ใช้ช่องทางแชทด้วยเสียง"

อ่านข่าสเต็มได้ที่: IEEE Spectrum 

เส้นใยอัจฉริยะสัมผัสได้ว่าผู้ใช้เคลื่อนไหวอย่างไร

ภาพจาก MIT News

นักวิจัยจาก Massachusetts Institute of Technology (MIT), Wellesley College,  และ Nanyang Technological University ของสิงคโปร์ ได้ประดิษฐ์สิ่งทออัจฉริยะที่สามารถสัมผัสท่าทางและการเคลื่อนไหวของผู้สวมใส่ได้

นักวิจัยใช้เทอร์โมฟอร์มเพื่อละลายเส้นด้ายพลาสติกเล็กน้อย เพิ่มความแม่นยำของเซ็นเซอร์ความดันที่ใช้ทอเป็นสิ่งถักทอหลายชั้นที่เรียกว่า 3DKnITS พวกเขาใช้กระบวนการนี้เพื่อผลิตรองเท้าอัจฉริยะ และเสื่อที่ทอขึ้นมา จากนั้นจึงประกอบระบบฮาร์ดแวร์และซอฟต์แวร์เพื่อวัดและตีความข้อมูลจากเซ็นเซอร์ความดันที่อยู่ในนั้น

ระบบบอกการเคลื่อนไหวและท่าโยคะของคนที่ยืนอยู่บนเสื่ออัจฉริยะได้โดยมีความแม่นยำประมาณ 99% Irmandy Wicaksono แห่ง MIT กล่าวว่ากระบวนการผลิตช่วยให้สร้างต้นแบบได้อย่างรวดเร็ว และสามารถขยายไปสู่การผลิตในระดับโรงงานได้

อ่านข่าวเต็มได้ที่: MIT News