AI เรียนแบบรูปของภาษามนุษย์ได้

ภาพจาก MIT News

นักวิจัยจาก Massachusetts Institute of Technology, Cornell University, และ McGill University  ได้พัฒนาแบบจำลองปัญญาประดิษฐ์ (artificial intelligence) ที่สามารถเรียนรู้กฎเกณฑ์และแบบรูป (pattern) ของภาษามนุษย์ได้โดยอัตโนมัติ โดยไม่ต้องอาศัยคำแนะนำโดยเฉพาะเจาะจงจากมนุษย์

แบบจำลองนี้ได้รับการฝึกอบรมและทดสอบปัญหาจากตำราภาษาศาสตร์ใน 58 ภาษาที่เกี่ยวข้องกับการเปลี่ยนแปลงรูปแบบคำ นักวิจัยตั้งข้อสังเกตว่าตัวแบบสามารถกำหนดชุดกฎที่ถูกต้องเพื่ออธิบายการเปลี่ยนแปลงรูปแบบคำจาก 60% ของปัญหา

Kevin Ellis จาก Cornell กล่าวว่า "สิ่งหนึ่งที่น่าประหลาดใจที่สุดคือเราสามารถเรียนรู้ข้ามภาษาได้ แต่ดูเหมือนจะไม่สร้างความแตกต่างมากนัก นั่นบอกเราสองสิ่ง บางทีเราอาจต้องการวิธีการที่ดีกว่าสำหรับการเรียนรู้ข้ามปัญหา และบางที ถ้าเราไม่สามารถคิดวิธีการเหล่านั้นได้ งานนี้อาจช่วยให้เราตรวจสอบแนวคิดต่าง ๆ ที่เรามีเกี่ยวกับความรู้ที่จะแบ่งปันข้ามปัญหาได้"

อ่านข่าวเต็มได้ที่: MIT News

การรู้จำใบหน้าอาจมีปัญหาในการรู้จำใบหน้าของเราถ้าเราแก่ขึ้นห้าปี

ภาพจาก New Scientist

การทดสอบที่ออกแบบโดย Marcel Grimmer แห่งมหาวิทยาลัยวิทยาศาสตร์และเทคโนโลยีแห่งนอร์เวย์ และเพื่อนร่วมงานพบว่าอัลกอริธึมการจดจำใบหน้าเริ่มประสบปัญหาในการระบุตัวบุคคลหลังจากที่บุคคลมีอายุเพิ่มขึ้น 5 ปี 

นักวิจัยใช้โปรแกรมเปิดเผยโค้ดต้นฉบับของเครื่องมือจดจำใบหน้าที่ต่างจากตำรวจและผู้ผลิตสมาร์ทโฟนใช้ และสังเคราะห์ภาพคนที่มีอายุเพิ่มขึ้นด้วยปัญญาประดิษฐ์ (artificial intelligence) จำนวน 50,000 ภาพ 

Grimmer กล่าวว่าความแม่นยำของเครื่องมือลดลงอย่างต่อเนื่องนับจากจุดที่ภาพอ้างอิงเริ่มถูกปรับเปลี่ยน อัลกอริทึมที่ใช้ในการทำให้ใบหน้าแก่โดยสังเคราะห์จากภาพอ้างอิงยังได้รับการพิสูจน์ว่ามีประสิทธิภาพมากกว่าเมื่อเป้าหมายอยู่ระหว่าง 20 ถึง 40 ปี เมื่อเทียบกับเด็กและผู้สูงอายุ ความหมายก็คือ รูปภาพใหม่ ๆ อาจต้องถูกใช้บ่อยขึ้นเพื่อรักษาความถูกต้องและความปลอดภัย

อ่านข่าวเต็มได้ที่: New Scientist

ภารกิจของ NASA ส่งผู้ช่วยเสียงขึ้นไปดวงจันทร์

ภาพจาก Space.com

ภารกิจ Artemis 1 ของ NASA มีกำหนดจะเปิดตัวในวันที่ 26 สิงหาคม 2022  (แต่ล่าช้า) โดยจะนำผู้ช่วยเสียงที่ใช้เทคโนโลยีของ Alexa โดยตั้งชื่อมันว่า Callisto ขึ้นสู่วงโคจรของดวงจันทร์ 

ออกแบบโดยวิศวกรของ Lockheed Martin, Cisco และ Amazon Callisto มีเป้าหมายที่จะปรับปรุงยานอวกาศในอนาคตด้วยข้อมูลแบบเรียลไทม์ การเชื่อมต่อที่เพิ่มขึ้น และการตอบสนองต่อภารกิจเฉพาะ

Lockheed Martin กล่าวว่า Callisto จะแสดงให้เห็นว่า "เทคโนโลยีเสียง, AI และการประชุมทางวิดีโอที่ใช้แท็บเล็ตแบบพกพาสามารถช่วยปรับปรุงประสิทธิภาพและการรับรู้สถานการณ์สำหรับผู้ที่อยู่บนยานอวกาศได้อย่างไร" รวมทั้งยังให้ "การเข้าถึงข้อมูลภารกิจได้ในแบบเรียลไทม์ การเชื่อมต่อเสมือนกับผู้คนและการส่งข้อมูลกลับมาบนโลก"

Amazon กล่าวว่า Callisto จะเชื่อมโยงกับตัวควบคุมภารกิจโดยใช้ Deep Space Network ของ NASA และจะมีฟีเจอร์การควบคุมเสียงเฉพาะที่ (Local Voice Control) ซึ่ง "อนุญาตให้ Alexa ประมวลผลคำสั่งเสียงในตัวเครื่อง แทนที่จะต้องส่งข้อมูลไปยังระบบคลาวด์"

อ่านข่าวเต็มได้ที่: Space.com

AI ที่ใช้ใยแก้วนำแสงช่วยติดตามการบาดเจ็บของสมอง

ภาพจาก Imperial College London (U.K.)

นักวิจัยจาก Imperial College London ของสหราชอาณาจักรและมหาวิทยาลัย Sichuan ของจีนได้พัฒนาปัญญาประดิษฐ์ (artificial intelligence) ที่ขับเคลื่อนด้วยเซ็นเซอร์ใยแก้วนำแสงเพื่อวัดเครื่องหมายทางชีวภาพ (biomarker) ของอาการบาดเจ็บที่สมองหลายตัวพร้อมกัน

อุปกรณ์นี้ใช้อัลกอริทึมการเรียนรู้ของเครื่อง (machine learning) ที่ได้รับการฝึกอบรมจากข้อมูลก่อนหน้าเพื่อตรวจสอบค่า pH อุณหภูมิ ออกซิเจนที่ละลายในน้ำ (dissolved oxygen) และระดับกลูโคส และเพื่อคาดการณ์ความเข้มข้นของเครื่องหมายทางชีวภาพ

ใยแก้วนำแสงแบบยืดหยุ่นที่ใช้ซิลิกาถูกแทรกเข้าไปในเนื้อเยื่อสมองเพื่อตรวจสอบน้ำไขสันหลัง (cerebrospinal fluid) หรือ CSF ในขณะที่ฟิล์มตรวจจับสี่ชิ้นที่ติดอยู่ที่ปลายของเส้นใยจะวัดปริมาณความเข้มข้นของเครื่องหมายทางชีวภาพแต่ละตัว

Yubing Hu แห่ง Imperial College กล่าวว่า "ผลลัพธ์ที่ให้ความหวังนี้ของเราชี้ให้เห็นถึงทั้งการติดตามเครื่องหมายทางชีวภาพที่แม่นยำ และการคาดการณ์ที่เที่ยงตรงของความก้าวหน้าของการบาดเจ็บ ซึ่งหลังจากการพัฒนาเพิ่มเติมจะสามารถช่วยแพทย์ตรวจสอบทั้งสุขภาพสมองของผู้ป่วยและการตอบสนองต่อการรักษา"

อ่านข่าวเต็มได้ที่: Imperial College London (U.K.)

การชารจ์รถไฟฟ้าที่เร็วสุด ๆ

ภาพจาก American Chemical Society

นักวิจัยจาก Idaho National Laboratory ใช้การเรียนรู้ของเครื่อง (machine learning) เพื่อพัฒนาวิธีการชาร์จอย่างรวดเร็วสำหรับแบตเตอรี่รถยนต์ไฟฟ้า โดยไม่ทำลายแบตเตอรี่หรือทำให้อายุการใช้งานสั้นลง

นักวิจัยได้ฝึกอบรมตัวแบบการเรียนรู้ของเครื่องโดยใช้ข้อมูลเกี่ยวกับสภาพของแบตเตอรี่ลิเธียมไอออนแบบต่างๆ ในระหว่างรอบการชาร์จ/การคายประจุ ข้อมูลเหล่านี้ถูกใช้ในการระบุและเพิ่มประสิทธิภาพโปรโตคอลการชาร์จแบบใหม่ ซึ่งถูกทดสอบกับแบตเตอรีจริง

Eric Dufek แห่ง Idaho National Laboratory กล่าวว่า "เราได้เพิ่มปริมาณพลังงานที่สามารถใส่เข้าไปในเซลล์แบตเตอรี่ได้อย่างมีนัยสำคัญในระยะเวลาอันสั้น ปัจจุบัน เราสามารถชาร์จได้มากกว่า 90% ใน 10 นาที

อ่านข่าวเต็มได้ที่: American Chemical Society