หุ่นยนต์เรียนงานบ้านด้วยการดูคนทำ

ภาพจาก Carnegie Mellon University School of Computer Science

Shikhar Bahl, Deepak Pathak และ Abhinav Gupta แห่ง Carnegie Mellon University พัฒนาอัลกอริธึมการเรียนรู้หุ่นยนต์ด้วยการเลียนแบบมนุษย์ในธรรมชาติ (In-the-Wild Human Imitating Robot Learning) หรือ  WHIRL เพื่อสอนหุ่นยนต์ให้ทำงานโดยการสังเกตสิ่งที่คนทำ 

WHIRL ช่วยให้หุ่นยนต์ได้รับความรู้จากวิดีโอที่แสดงปฏิสัมพันธ์ของมนุษย์กับสิ่งต่าง ๆ และนำข้อมูลนั้นไปใช้กับงานใหม่ ทำให้เหมาะสมกับการเรียนรู้การทำงานบ้าน นักวิจัยได้ติดตั้งกล้องให้กับหุ่นยนต์ และใช้อัลกอริธึม เพื่อให้หุ่นยนต์ได้เรียนรู้การทำงานมากกว่า 20 งานในสภาพแวดล้อมทางธรรมชาติ

ในแต่ละกรณี หุ่นยนต์จะเฝ้าดูมนุษย์ทำงานหนึ่งครั้ง จากนั้นจึงฝึกฝนและเรียนรู้ที่จะทำงานให้เสร็จด้วยตัวเอง “แทนที่จะรอให้หุ่นยนต์ถูกตั้งโปรแกรมหรือฝึกให้ทำงานต่าง ๆ ให้สำเร็จก่อนที่จะนำไปใช้ในบ้านคน เทคโนโลยีนี้ช่วยให้เราส่งหุ่นยนต์ไปที่บ้าน และให้พวกมันเรียนรู้วิธีการทำงานให้ลุล่วง พร้อมทั้งปรับตัวให้เข้ากับสภาพแวดล้อมด้วยการมองเท่านั้น" Pathak อธิบาย

อ่านข่าวเต็มได้ที่: Carnegie Mellon University School of Computer Science

การเขียนโค้ดที่ผิดพลาดทำให้ผู้คนเป็นล้านเข้าถึงบริการไม่ได้

Photo by Kenny Eliason on Unsplash

ชาวแคนาดาหลายล้านคนไม่สามารถใช้โทรศัพท์มือถือ อินเทอร์เน็ต หรือบริการโทรศัพท์บ้านอย่างน้อยหนึ่งวันเนื่องจากข้อผิดพลาดในการเขียนโปรแกรม เมื่อวันที่ 8 กรกฎาคม เมื่อ Rogers Communications กำลังอัปเกรดโครงสร้างพื้นฐานไร้สาย/บรอดแบนด์

บริษัทโทรคมนาคมมีเครือข่ายหลักเพียงเครือข่ายเดียวที่รองรับบริการทั้งหมดของตน และเอกสารของบริษัทระบุว่าโค้ดบางส่วนได้ลบตัวกรองการกำหนดเส้นทางระหว่างระยะที่หกของการอัพเกรดโครงสร้างพื้นฐานที่มีทั้งหมดเจ็ดระยะ

การลบโค้ดดังกล่าว ทำให้ช่องสัญญาณอินเทอร์เน็ตที่เป็นไปได้ทั้งหมดส่งผ่านเราเตอร์ ส่งผลให้อุปกรณ์หลายเครื่องใช้หน่วยความจำและการประมวลผลเกินกว่าขอบเขตของตัวเอง ทำใหเครือข่ายหยุดทำงาน Rogers ใช้อุปกรณ์จากผู้ผลิตหลายรายในเครือข่าย และซัพพลายเออร์ของเราเตอร์มีการจัดการทราฟฟิกและการป้องกันโอเวอร์โหลดที่แตกต่างกัน ซึ่งจากเอกสารระบุว่าเป็นสาเหตุของการหยุดทำงาน

อ่านข่าวเต็มได้ที่: The Globe and Mail (Canada)

การเขียนโค้ดที่ผิดพลาดทำให้ตัวประมวลผลกราฟิกของอินเทลทำงานช้าลงร้อยเท่าในการทำเรย์เทรซซิง

Photo by Nana Dua on Unsplash

ข้อผิดพลาดในการเขียนโค้ดของไดรเวอร์ของหน่วยประมวลผลกราฟิก (graphic processing unit) หรือ GPU ของอินเทล (Intel) บนระบบปฏิบัติการลินุกซ์ (Linux) ซึ่งตั้งใจจะทำให้การทำเรย์เทรซซิง (ray tracing) เร็วขึ้น 100 เท่า กลับทำงานช้าลง ท่ามกลางข่าวที่ว่าไดรเวอร์ของ Arc GPU ของอินเทลก็มีปัญหากับวินโดวส์ (Windows) 

ไดรเวอร์ Mesa Vulkan ซึ่งเป็นแบบเปิดเผยโค้ดต้นฉบับ (open source) ของอินเทล มักจะรับประกันว่าหน่วยความจำชั่วคราวที่ใช้สำหรับการทำเรย์เทรซซิงของ Vulkan จะอยู่ในหน่วยความจำภายใน แต่โค้ดที่ขาดหายไปข้ามการจัดสรรหน่วยความจำในลักษณะนี้

สิ่งนี้ทำให้โปรแกรมควบคุมเปลี่ยนเอาข้อมูลที่ใช้ในการทำเรย์เทรซซิงไปใช้หน่วยความจำระบบภายนอกที่ช้า แล้วจึงย้อนกลับมาใช้หน่วยความจำภายใน เว็บไซต์ข่าวลินุกซ์ชื่อ Phoronix กล่าวว่าวิศวกรที่พัฒนาไดรเวอร์กราฟิกของอินเทลบนลินุกซ์ Lionel Landwerlin ได้ปล่อยโปรแกรมแก้ไข Mesa 22.2 ที่รวมเข้าไปในไดรเวอร์ Vulkan ซึ่งจะให้ผู้ใช้ทั่วไปได้ใช้งานภายในสิ้นเดือนสิงหาคม

อ่านข่าวเต็มได้ที่: Tom's Hardware

ซอฟต์แวร์เรียกค่าไถ่จู่โจมการศึกษาระดับมหาวิทยาลัยมากขึ้น

ภาพจาก Inside Higher Ed

บริษัทความมั่นคงทางไซเบอร์ Sophos รายงานการโจมตีของซอฟต์แวร์เรียกค่าไถ่ทั่วโลกในปีที่แล้วว่า  เกือบ 75% ของการโจมตีของซอฟต์แวร์เรียกค่าไถ่ในสถาบันอุดมศึกษานั้นประสบความสำเร็จ และมีเพียง 2% ของเหยื่อเท่านั้นที่เอาข้อมูลทั้งหมดกลับคืนมาได้ แม้แต่หลังจากจ่ายค่าไถ่แล้ว

ภาคการศึกษาระดับสูงใช้เวลาฟื้นตัวหลังการโจมตีช้าที่สุด โดย 40% ของเหยื่อใช้เวลามากกว่าหนึ่งเดือนในการฟื้นฟู เทียบกับค่าเฉลี่ยทั่วโลกที่อยู่ที่ 20% 

Jeremy Epstein ประธานคณะกรรมการนโยบายเทคโนโลยีของสหรัฐอเมริกาของ ACM กล่าวว่า "เมื่อภาคส่วนใดปรับปรุงการป้องกัน คนเลวจะไปที่ไหนสักแห่งที่การป้องกันต่ำกว่า ที่ทำให้พวกเขาสามารถหาเงินได้ง่าย"

อ่านข่าวเต็มได้ที่: Inside Higher Ed

แอปติดตามการสัมผัสผู้ป่วยของ Google และ Apple อาจถูกโจมตีทางดิจิทัล

ภาพจาก  Ohio State News

แอปพลิเคชันติดตามการสัมผัสผู้ป่วยที่ขับเคลื่อนโดย Google/Apple Exposure Notification framework (GAEN) มีความเสี่ยงต่อการโจมตีซ้ำ (replay attach) ตามสภาพภูมิศาสตร์ ตามการกล่าวอ้างของนักวิจัยจาก Ohio State University (OSU)

การโจมตีจะเกิดจากการที่บุคคลที่สาม ดักจับและใช้ประโยชน์จากข้อมูลติดตามการสัมผัสที่ถูกส่งออกมาจากโทรศัพท์ของผู้ใช้จากพื้นที่หนึ่ง และนำไปส่งซ้ำในพื้นที่ที่ห่างไกลออกไป

Anish Arora แห่ง OSU กล่าวว่า "เนื่องจากเฟรมเวิร์กทำงานเป็นโปรโตคอลไร้สาย ใครๆ ก็เพิ่มข้อมูล โควิดปลอมเข้าไปได้ และการได้ข้อมูลเท็จเหล่านั้น อาจทำลายความเชื่อมั่นของสาธารณชนต่อระบบติดตามการสัมผัสผู้ป่วย"

อ่านข่าวเต็มได้ที่: Ohio State News