ดวงจันทร์เกิดขึ้นได้อย่างไร ซุปเปอร์คอมพิวเตอร์อาจเพิ่งพบคำตอบ

Photo by Pedro Lastra on Unsplash

สมมติฐานจากการจำลองโดยใช้ซูเปอร์คอมพิวเตอร์ของนักวิจัยจากมหาวิทยาลัย Durham แห่งสหราชอาณาจักร ชี้ให้เห็นว่าดวงจันทร์อาจก่อตัวขึ้นภายในไม่กี่ชั่วโมงหลังจากที่ชิ้นส่วนของโลกแตกออกจากการชนกับดาวเคราะห์เก่าแก่ที่รู้จักกันในชื่อ Theia ตรงกันข้ามกับความเชื่อที่มีมาช้านานว่าดวงจันทร์ก่อตัวขึ้นหลังการชนกันหลายพันปี

นักวิจัยใช้ซูเปอร์คอมพิวเตอร์ COSMA ของ Durham เพื่อเรียกใช้โปรแกรม SWIFT (SPH With Inter-dependent Fine-grained Tasking) ซึ่งจำลองการชนกันหลายร้อยครั้งระหว่าง โลก และ Theia ในมุม การหมุน และความเร็วที่ต่างกัน 

นักวิจัยจำลองอนุภาคได้มากถึง 100 ล้านอนุภาค ซึ่งสูงกว่าความละเอียดในการจำลองก่อนหน้านี้ Jacob Kegerreis จาก Durham กล่าวว่า "ตัวอย่างเพิ่มเติมจากพื้นผิวดวงจันทร์อาจเป็นประโยชน์อย่างมากสำหรับการค้นพบใหม่นี้ และให้ความมั่นใจมากขึ้นเกี่ยวกับองค์ประกอบและวิวัฒนาการของดวงจันทร์ ซึ่งเราสามารถย้อนรอยไปยังตัวแบบจำลองอย่างตัวแบบของเราได้"

อ่านข่าวเต็มได้ที่: Live Science

DeepMind สร้างอัลกอริทึมที่เร็วกว่าเพื่อแก้ปริศนาทางคณิตศาสตร์ที่ยากมาก

ภาพจาก Nature

นักวิจัยจากห้องปฏิบัติการปัญญาประดิษฐ์ (artificial intelligence)  DeepMind ได้สร้างอัลกอริธึมที่สามารถแก้ปัญหาการคำนวณทางคณิตศาสตร์ที่ยากโดยมีประสิทธิภาพการคำนวณที่ดีขึ้น 

นักวิจัยได้ออกแบบอัลกอริทึม AlphaTensor เพื่อคูณเมทริกซ์ ซึ่งประกอบด้วยการคูณตัวเลขที่จัดเรียงในกริดที่ใช้แสดงข้อมูล 

AlphaTensor ใช้การเรียนรู้แบบเสริมกำลัง (reinforcement learning) และการค้นหาทรี (tree)  ซึ่งเป็นแนวทางการเล่นเกมที่ AI จะตรวจสอบผลลัพธ์ของความเป็นไปได้ในการท่องไปยังกิ่งต่าง ๆ ของทรี เพื่อวางแผนการขั้นต่อไป

นักวิจัยได้ทดสอบ AlphaTensor กับเมทริกซ์ขนาดต่าง ๆ สูงสุดที่ขนาด 5 x 5 ซึ่งในบางกรณีมันพบวิธีลัดที่นักคณิตศาสตร์เจอก่อนหน้านี้ ในขณะที่บางกรณีมันก็พบทางลัดใหม่ ๆ ของตัวมันเอง

อ่านข่าวเต็มได้ที่: Nature

ทำเนียบขาวเปิดตัวกฎหมายสิทธิทาง AI

Photo by Tabrez Syed on Unsplash

เมื่อวันที่ 4 ต.ค. ฝ่ายบริหารของ Biden ได้เผยแพร่ร่างสำหรับ AI Bill of Rights ซึ่งเสนอแนวทางสำหรับรัฐบาลสหรัฐฯ ในการปกป้องสิทธิพลเมืองทั้งโลกจริง และดิจิทัลในโลกที่จะพึ่งพาปัญญาประดิษฐ์ (artificial intelligence) หรือ AI มากขึ้น

ร่างดังกล่าวไม่ได้กำหนดรูปแบบการบังคับใช้กฎหมายอย่างเฉพาะเจาะจง ได้รับการพัฒนาโดยการปรึกษาหารือกับหน่วยงานต่าง ๆ และรวมข้อเสนอแนะจากนักเทคโนโลยี กลุ่มประชาสังคม ธุรกิจ และนักวิจัยในอุตสาหกรรม

Alondra Nelson แห่งสำนักงานนโยบายวิทยาศาสตร์และเทคโนโลยีทำเนียบขาว (White House Office of Science and Technology Policy) กล่าวว่า "รัฐบาลของ Biden-Harris กำลังบอกว่าเราต้องทำงานร่วมกัน ไม่ใช่แค่เพียงทุกส่วนของรัฐบาลเท่านั้น แต่ในทุกภาคส่วน เพื่อสร้างความเท่าเทียมที่ศูนย์กลาง และเพื่อให้สิทธิพลเมืองเป็นศูนย์กลางอย่างแท้จริง ในวิธีการที่เราสร้างและกำกับการใช้เทคโนโลยี เราสามารถ และควรจะคาดหวังในสิ่งที่ดีขึ้น และเรียกร้องในสิ่งที่ดีกว่าจากเทคโนโลยีของเรา"

อ่านข่าวเต็มได้ที่: Associated Press

Meta ใช้ AI สร้างวีดีโอจากคำ

Photo by Dima Solomin on Unsplash

นักวิจัยของ Meta กำลังสร้างวิดีโอจากข้อความเตือนสั้น ๆ โดยใช้งานวิจัย Make-A-Video ซึ่งใช้ตัวแบบปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ในการแปลงข้อความเป็นรูปภาพ เพื่อตรวจสอบว่าคำสอดคล้องกับรูปภาพอย่างไร และใช้การเรียนรู้โดยไม่ต้องฝึกสอนเพื่อสร้างการเคลื่อนไหวที่สมจริงด้วยการวิเคราะห์วีดีโอ

นักวิจัยกล่าวว่าตัวแบบ AI แปลงข้อความเป็นรูปภาพของพวกเขาได้รับการฝึกอบรมโดยใช้ข้อมูลจากอินเทอร์เน็ต ดังนั้นจึงได้เรียนรู้ "และมีแนวโน้มว่าจะมีอคติทางสังคมที่เกินจริง ซึ่งรวมถึงอคติที่เป็นอันตรายด้วย" 

Mark Zuckerberg CEO ของ Meta โพสต์บน Facebook ว่า "การสร้างวิดีโอนั้นยากกว่าภาพถ่ายมาก เพราะนอกจากจะต้องสร้างแต่ละพิกเซลอย่างถูกต้องแล้ว ระบบยังต้องคาดการณ์ว่าจะมีการเปลี่ยนแปลงอย่างไรเมื่อเวลาผ่านไป"

อ่านข่าวเต็มได้ที่: CNN Business

หุ่นยนต์นักวิ่ง Cassie บันทึกสถิติโลกใน Guinness ในการวิ่ง 100 เมตร

ภาพจาก USA Today

หุ่นยนต์ที่พัฒนาขึ้นที่ Agility Robotics ของ Oregon State University ได้สร้างสถิติโลก Guinness สำหรับหุ่นยนต์สองเท้าที่วิ่ง 100 เมตรได้ภายใน 24.73 วินาที

หุ่นยนต์ที่รู้จักกันในชื่อ Cassie ใช้การเรียนรู้ของเครื่อง (machine learning) เพื่อควบคุมการเคลื่อนไหวของมันเมื่อวิ่งกลางแจ้ง Devin Crowley แห่ง Oregon State กล่าวว่า "วิธีการเรียนรู้ด้วยเครื่องถูกใช้ในการรู้จำแบบรูป (pattern recognition) มานานแล้ว เช่น การรู้จำภาพ (image recognition) แต่การสร้างการควบคุมพฤติกรรมของหุ่นยนต์นั้นใหม่และแตกต่างออกไป" 

Jonathan Hurst แห่ง Oregon State กล่าวเสริมว่า "การใช้วิธีการเรียนรู้เพื่อควบคุมหุ่นยนต์เป็นฟิลด์ที่ใหม่มาก และการวิ่ง 100 เมตรนี้แสดงให้เห็นว่ามีประสิทธิภาพดีกว่าวิธีการควบคุมอื่น ๆ ผมคิดว่าความก้าวหน้าจะก้าวกระโดดนับจากนี้"

อ่านข่าวเต็มได้ที่: USA Today