วันศุกร์ที่ 9 กันยายน พ.ศ. 2565

Google Chrome ออกแพตช์แก้ไขช่องโหว่แบบซีโรเดย์ที่มีความรุนแรงมากไปแล้วหกครั้งในปีนี้

ภาพจาก Ars Technica

วิศวกรของ Google ได้เผยแพร่การอัปเดตฉุกเฉินสำหรับเบราว์เซอร์ Chrome เพื่อแก้ไขข้อบกพร่องซีโร่เดย์ (Zero-day) ที่มีความรุนแรงสูง 

Google กล่าวว่าช่องโหว่ (CVE-2022-3075) เกิดจาก "การตรวจสอบข้อมูลไม่เพียงพอใน Mojo" ซึ่งเป็นองค์ประกอบ Chrome สำหรับการส่งข้อความระหว่างและภายในโพรเซสระหว่างเบราว์เซอร์และระบบปฏิบัติการ

"Google ทราบดีว่ามีรายงานว่ามีช่องโหว่สำหรับ CVE-2022-3075 อยู่ทั่วไป" บริษัทอธิบายโดยไม่เปิดเผยว่าแฮ็กเกอร์กำลังใช้ประโยชน์จากช่องโหว่ หรือเพียงแค่ครอบครองโค้ดที่ใช้เจาะระบบ" 

วิศวกรยังได้ปรับปรุงเบราว์เซอร์ Edge ของ Microsoft ที่ใช้เอ็นจิ้น Chromium เดียวกันกับ Chrome เพื่อแก้ไขข้อผิดพลาดเดียวกัน การใช้ประโยชน์จาก Mojo ถือเป็นช่องโหว่ซีโรเดย์ ครั้งที่หกที่ Chrome พบในปีนี้

อ่านข่าวเต็มได้ที่: Ars Technica

วันพฤหัสบดีที่ 8 กันยายน พ.ศ. 2565

ระบบทำให้ตรวจจับโรคหัวใจผ่านแอปได้

heart
Photo by camilo jimenez on Unsplash

นักวิทยาศาสตร์จาก American Institute of Physics ได้สร้างระบบที่สามารถตรวจจับการตีบของลิ้นหัวใจเอออร์ตา (aortic valve) ได้ ซึ่งพวกเขากำลังพยายามแปลงให้เป็นแอปพลิเคชันโทรศัพท์

Mohanachandran Nair Sindhu Swapna จากมหาวิทยาลัย Kerala ของอินเดียกล่าวว่าระบบนี้สร้างขึ้นโดยใช้เครื่องตรวจฟังเสียงและคอมพิวเตอร์เท่านั้น สามารถวิเคราะห์สภาพได้ ซึ่งทำให้เสียง "ตุบ-ตับ" ของหัวใจเกิดขึ้นพร้อมกันแทนที่จะแยกกัน

นักวิจัยใช้กรเรียนรู้ของเครื่อง (machine learning) เพื่อตรวจสอบกราฟของคะแนนของหัวใจและเพื่อระบุพาหะของหลอดเลือดตีบด้วยผลลัพธ์ที่แม่นยำ 100% Swapna กล่าวว่า "วิธีการที่เสนอนี้สามารถขยายไปยังสัญญาณเสียงหัวใจ สัญญาณเสียงปอด หรือสัญญาณเสียงไอ"

อ่านข่าวเต็มได้ที่: Newsweek


วันพุธที่ 7 กันยายน พ.ศ. 2565

เพิ่มประสิทธิภาพการผสมของไหลด้วยการเรียนรู้ของเครื่อง

RL-for-Fluid-Mixing
ภาพจาก Tokyo University of Science (Japan)

นักวิจัยในญี่ปุ่นได้เสนอแนวทางการเรียนรู้ของเครื่อง (machine learning) เพื่อเพิ่มประสิทธิภาพการผสมของไหล (fluid) สำหรับการไหลแบบราบ

นักวิจัยใช้การเรียนรู้การแบบเสริมแรง (reinforcement learning) หรือ RL ซึ่งตัวแทนอัจฉริยะ (intelligent agent) ดำเนินการในสภาพแวดล้อมเพื่อทำให้รางวัลสะสมมีค่าสูงสุด

Masanobu Inubushi แห่งมหาวิทยาลัยวิทยาศาสตร์แห่งโตเกียวกล่าวว่าโปรแกรมดังกล่าว "ระบุการควบคุมการไหลที่มีประสิทธิภาพ ซึ่งจบลงด้วยการผสมที่รวดเร็วแบบทวีคูณโดยไม่ต้องมีความรู้มาก่อน"

วิธีการ RL ยังช่วยให้เกิดการถ่ายโอนการเรียนรู้ที่มีประสิทธิภาพของ "เครื่องผสม" ที่ผ่านการฝึกอบรมมาแล้ว ซึ่งช่วยลดเวลาและค่าใช้จ่ายในการฝึกอบรมได้อย่างมาก

อ่านข่าวเต็มได้ที่: Tokyo University of Science (Japan)

วันอังคารที่ 6 กันยายน พ.ศ. 2565

อัลกอริทึมปรับการใช้ยาปฏิชีวนะให้เหมาะสมในที่ที่สุขอนามัยและสุขาภิบาลไม่ดี

polluted-water
ภาพจาก University of Florida Health

กลุ่มนักวิทยาศาสตร์นานาชาติได้พัฒนาเครื่องมือที่ใช้ปัญญาประดิษฐ์ซึ่ งใช้อัลกอริทึมคำนวณว่าอาการท้องร่วงเกิดจากไวรัสเพียงอย่างเดียวหรือไม่ เพื่อจำกัดการใช้ยาปฏิชีวนะอย่างผิด ๆ 

อัลกอริทึมการทำนายอาการท้องร่วง (Diarrheal Etiology Prediction) หรือ DEP จะขุดชุดข้อมูลที่มีประวัติทางคลินิก อาการเฉพาะของผู้ป่วย และข้อมูลสภาพอากาศในท้องถิ่น นักวิจัยใช้มันเพื่อตรวจสอบสมมติฐานของพวกเขาว่า มันจะช่วยในการตัดสินใจของแพทย์ในการสั่งจ่ายยาปฏิชีวนะให้กับเด็กที่มีอาการท้องร่วงหรือไม่

โครงการนี้มีแพทย์เข้าร่วม 30 คนและใช้บันทึกสุขภาพของผู้ป่วยเกือบ 1,000 คนอายุระหว่าง 2 เดือนถึง 5 ขวบ ในสถานที่ 7 แห่งในบังกลาเทศและมาลี

อ่านข่าวเต็มได้ที่: University of Florida Health


วันจันทร์ที่ 5 กันยายน พ.ศ. 2565

หุ่นยนต์สุนัขเรียนรู้ที่จะเดินบนสภาพแวดล้อมที่ยากลำบากได้ใน 20 นาที

robot-dog
ภาพจาก New Scientist

นักวิจัยจาก University of California, Berkeley (UC Berkeley) ได้พัฒนาอัลกอริทึมการเรียนรู้ของเครื่อง (machine learning) ที่ช่วยให้สุนัขหุ่นยนต์เรียนรู้ที่จะเดินทางในภูมิประเทศที่ยากลำบากในเวลาเพียง 20 นาที

อัลกอริทึม Q-learning ไม่ต้องการตัวแบบของภูมิประเทศเป้าหมาย Sergey Levine จาก UC Berkeley กล่าวว่า ผลที่ได้คือ "เราไม่จำเป็นต้องเข้าใจว่าสภาพแวดล้อมกายภาพเป็นอย่างไร เราเพียงแค่ปล่อยหุ่นยนต์เข้าไปในสภาพแวดล้อมและเปิดใช้งาน"  อัลกอริทึมจะสอนหุ่นยนต์โดยให้รางวัลสำหรับการกระทำที่ประสบความสำเร็จแต่ละครั้งจนกว่าจะถึงเป้าหมายสูงสุด 

นักวิจัยแสดงให้เห็นว่าหุ่นยนต์สามารถเดินบนภูมิประเทศที่ไม่เคยพบมาก่อน รวมทั้งหญ้า ชั้นเปลือกไม้ ที่นอนเมมโมรี่โฟม และเส้นทางเดินป่า หลังจากให้ฝึกในพื้นที่แต่ละแบบประมาณ 20 นาที

อ่านข่าวเต็มได้ที่: New Scientist