วันอาทิตย์ที่ 11 กันยายน พ.ศ. 2565

การมีอคติของภาษาอังกฤษในการคอมพิวเตอร์แก้ได้ด้วยรูปภาพ

phone-describe-image
ภาพจาก University of Copenhagen (Denmark)

เกณฑ์มาตรฐานที่ใช้รูปภาพสามารถเอาชนะอคติทางวัฒนธรรมที่เกิดจากชุดข้อมูลการฝึกอบรมการเรียนรู้ของเครื่อง (machine learning) หรือ ML ที่เขียนเป็นภาษาอังกฤษได้

กลุ่มนักวิจัยนานาชาติที่นำโดย University of Copenhagen (KU)  ของเดนมาร์ก ได้พัฒนาเครื่องมือ Image-Grounded Language Understanding Evaluation (IGLUE) ซึ่งสามารถให้คะแนนประสิทธิภาพของทางแก้ปัญหาของ ML ใน 20 ภาษา

ป้ายกำกับรูปภาพใน ML มักเป็นภาษาอังกฤษ ในขณะที่ IGLUE ครอบคลุมตระกูลภาษา 11 ตระกูล บทภาพยนตร์ 9 เรื่อง และพื้นที่มาโครทางภูมิศาสตร์ 3 แห่ง

ภาพของ IGLUE นำเสนอองค์ประกอบเฉพาะวัฒนธรรมที่จัดทำโดยอาสาสมัครในประเทศที่มีความหลากหลายทางภูมิศาสตร์ในภาษาธรรมชาติของพวกเขา

Emanuele Bugliarello จาก KU กล่าวว่านักวิจัยหวังว่าวิธีการพื้นฐานของ IGLUE สามารถปรับปรุงวิธีแก้ปัญหา "ซึ่งช่วยผู้พิการทางสายตาในการติดตามเนื้อเรื่องของภาพยนตร์หรือการสื่อสารด้วยภาพประเภทอื่น"

อ่านข่าวเต็มได้ที่: University of Copenhagen (Denmark)

วันเสาร์ที่ 10 กันยายน พ.ศ. 2565

ยุคต่อไปของการช่วยการได้ยิน อ่านริมฝีปากได้แม้ใส่หน้ากากอนามัย

hearing-aids-read-lip-through-mask
ภาพจาก University of Glasgow (U.K.)

ทีมนานาชาติที่นำโดยนักวิจัยจาก University of Glasgow แห่งสหราชอาณาจักรได้พัฒนาระบบที่สามารถอ่านริมฝีปากได้อย่างแม่นยำผ่านหน้ากากอนามัย โดยใช้การตรวจจับด้วยคลื่นความถี่วิทยุ (radio frequency) หรือ RF และปัญญาประดิษฐ์ (artificial intelligence) หรือ AI  

นักวิจัยได้ให้อาสาสมัครพูดเสียงสระซ้ำในขณะที่สวมหน้ากากและถอดหน้ากาก โดยมีสัญญาณ RF จากเซ็นเซอร์เรดาร์เฉพาะ และเครื่องส่งสัญญาณ Wi-Fi ที่ใช้สแกนใบหน้าขณะพูดและในขณะที่อยู่นิ่ง 

ตัวอย่างข้อมูลผลลัพธ์ที่ได้ 3,600 ตัวอย่างถูกใช้เพื่อฝึกอัลกอริทึมการเรียนรู้ของเครื่อง (machine learning) และการเรียนรู้เชิงลึก (deep learning) เพื่อรับรู้การเคลื่อนไหวของริมฝีปากและปากที่เกี่ยวข้องกับเสียงสระแต่ละเสียง

เนื่องจากสัญญาณ RF สามารถทะลุผ่านหน้ากากได้ อัลกอริทึมการเรียนรู้ของเครื่องและการเรียนรู้เชิงลึกจึงสามารถเรียนรู้ที่จะระบุการก่อตัวของเสียงสระจากผู้พูดที่สวมหน้ากาก

อ่านข่าวเต็มได้ที่: University of Glasgow (U.K.)

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)