เมื่อทักษะทางภาษาของ AI เก่งขึ้น นักวิทยาศาสตร์ก็เริ่มกังวล

นักวิจัยผู้สร้าง BLOOM ภาพจาก  Associated Press

นักวิทยาศาสตร์กังวลเกี่ยวกับการใช้ตัวแบบภาษาขนาดใหญ่ในแชทบ็อตและเทคโนโลยีอื่น ๆ ซึ่งไม่ใช่เรื่องเล็กน้อย เพราะผู้สร้างพวกมันปกปิดการทำงานภายในและข้อบกพร่องที่อาจทำให้ระบบดังกล่าวแพร่กระจายข้อมูลที่ผิด 

Percy Liang แห่ง Stanford University กล่าวว่าบริษัทต่างๆ เผชิญกับแรงกดดันจากการแข่งขันที่จะไม่เปิดเผยเทคโนโลยีที่เป็นรากฐานของตัวแบบภาษาขนาดใหญ่ หรือเป็นพันธมิตรกับมาตรฐานของชุมชน

นักวิทยาศาสตร์กลุ่มหนึ่งทำงานร่วมกับรัฐบาลของฝรั่งเศสเพื่อเปิดตัวแบบภาษาขนาดใหญ่ BigScience Large Open-science Open-access Multilingual Language Mode (BLOOM) ซึ่งพัฒนาขึ้นเพื่อเป็นคู่แข่งกับตัวแบบแบบปิดเช่น GPT-3 ของ Microsoft BLOOM ทำงานได้กับ 46 ภาษา ในขณะที่ระบบส่วนใหญ่เน้นที่ภาษาอังกฤษหรือจีน

อ่านข่าวเต็มได้ที่: Associated Press

อุปกรณ์ติดตามสุขภาพแบบสวมใส่ทำงานได้โดยไม่ต้องใช้แบตเตอรี

ภาพจาก University of California, Irvine

นักวิจัยจาก University of California, Irvine (UCI) ได้พัฒนาอุปกรณ์สวมใส่แบบไร้สายที่ให้พลังงานตนเอง ซึ่งสามารถตรวจสอบชีพจรของผู้ใช้ได้ นักวิจัยระบุว่าการเปลี่ยนแปลงในวงจรเซ็นเซอร์จะช่วยให้สามารถตรวจสอบอัตราการเต้นของหัวใจ อุณหภูมิร่างกาย ความดันโลหิต และสัญญาณชีพอื่นๆ ได้เช่นกัน

สายรัดข้อมือมีเครื่อง triboelectric nanogenerators (TENGs) ที่แปลงการกระแทกทางกลหรือแรงดันเป็นไฟฟ้า เพื่อให้พลังงานแก่อุปกรณ์ เพื่อให้สามารถแสดงอัตราชีพจรของผู้ใช้บนจอแสดงผล LED นอกจากนี้ยังมีเทคโนโลยีการสื่อสารระยะใกล้เพื่อให้พลังงานแบบไร้สาย และการแลกเปลี่ยนข้อมูลระหว่างสายรัดข้อมือกับอุปกรณ์เคลื่อนที่ที่อยู่ใกล้เคียง

Rahim Esfandyar-Pour ของ UCI กล่าวว่าสายรัดข้อมือ "ช่วยให้สามารถตรวจสอบสุขภาพได้อย่างต่อเนื่องโดยไม่ต้องใช้แบตเตอรี่ ทำงานแบบไร้สาย และตามความต้องการได้ในทุกที่ทุกเวลา สร้างจากวัสดุที่มีต้นทุนต่ำและมีความยืดหยุ่น และยังสามารถปรับแต่งให้ตรงกับข้อกำหนดของเซ็นเซอร์อิเล็กทรอนิกส์ชีวภาพที่สวมใส่ได้หลากหลาย

อ่านข่าวเต็มได้ที่: University of California, Irvine

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