ชายผิวดำมีแนวโน้มที่จะถูกวินิจฉัยโรคปอดผิดพลาดเนื่องจากความลำเอียงในซอฟต์แวร์

ภาพจาก Associated Press

ผลการศึกษาที่ตีพิมพ์เมื่อสัปดาห์ที่แล้วชี้ว่าอคติที่ฝังอยู่ในซอฟต์แวร์ อาจเป็นสาเหตุของการวินิจฉัยปัญหาของปอดในกลุ่มชายผิวดำ

นักวิจัยวิเคราะห์ประวัติทางการแพทย์ของชายผิวดำมากกว่า 2,700 คนและชายผิวขาว 5,700 คน ซึ่งได้รับการประเมินโดยแพทย์ของ University of Pennsylvania Health System ระหว่างปี พ.ศ. 2553 ถึง พ.ศ. 2563 พวกเขามุ่งเน้นไปที่การตรวจสมรรถภาพทางกายและปริมาตรปอดเพื่อประเมินว่ามีกี่คนที่ระบุว่ามีปัญหาในการหายใจโดยใช้อัลกอริทึมที่อยู่บนฐานของเชื้อชาติ

จากการศึกษาพบว่าผู้ป่วยชายผิวดำอีกเกือบ 400 คนอาจได้รับการวินิจฉัยว่ามีปัญหาการหายใจถ้าใช้อัลกอริทึมตัวใหม่

Darshali Vyas จาก Massachusetts General Hospital กล่าวว่า อัลกอริทึมที่ปรับปรุงด้านเชื้อชาติแล้ว ช่วยยกระดับเกณฑ์การวินิจฉัยสำหรับผู้ป่วยผิวดำ ซึ่งอัลกอริทึมเดิมอาจทำให้พวกเขามีโอกาสน้อยลงที่จะเริ่มยาบางชนิดหรือได้รับการส่งต่อสำหรับกระบวนการทางการแพทย์หรือการปลูกถ่ายปอด

อ่านข่าวเต็มได้ที่: Associated Press

คลาสออนไลน์ด้านคอมพิวเตอร์ที่มีชื่อเสียงที่สุดจะนำ AI มาช่วย

ภาพจาก  Bloomberg

David J. Malan จาก Harvard University กล่าวว่าชั้นเรียน CS50 วิทยาการคอมพิวเตอร์เบื้องต้น ของคณะจะใช้ปัญญาประดิษฐ์ (artificial intelligenmce) หรือ AI เพื่อมอบหมายงานที่มีการให้คะแนน สอนการเขียนโปรแกรม และปรับแต่งเคล็ดลับการเรียนรู้สำหรับนักเรียน

Malan ได้รับการยอมรับในการเปลี่ยน CS50 ให้เป็นหลักสูตรการเรียนรู้ออนไลน์ที่ได้รับความนิยมมากที่สุดในโลก เขากล่าวว่าการปรับการสนับสนุนให้รองรับกับคำถามของนักเรียนในระดับที่ใหญ่ขึ้นเป็นสิ่งที่ท้าทาย เนื่องจากมีนักเรียนออนไลน์มากกว่าครู

ทีมของ Malan กำลังปรับแต่งระบบ AI เพื่อให้คะแนนงานของนักเรียน และทดสอบผู้ช่วยสอนเสมือนจริงที่จะประเมินและให้ข้อเสนอแนะเกี่ยวกับการเขียนโค้ด โดยถามคำถามที่กระตุ้นให้คิดและให้คำแนะนำเพื่อช่วยให้พวกเขาเรียนรู้

Malan กล่าวว่าการใช้ AI ของหลักสูตรสามารถเพิ่มจุดแข็งด้านการเรียนการสอนของวิชา โดยเฉพาะอย่างยิ่งในด้านการเพิ่มคุณภาพและการเข้าถึงการเรียนรู้ออนไลน์

อ่านข่าวเต็มได้ที่: Bloomberg

เครื่องติดตามอัลตราซาวด์แบบไร้สายตรวจจับวัตถุที่เคลื่อนที่

ภาพจาก UC San Diego Today

วิศวกรที่ University of California, San Diego และ  Massachusetts Institute of Technology ได้พัฒนาเซ็นเซอร์อัลตราซาวนด์แบบครบวงจรที่สามารถตรวจสอบเนื้อเยื่อระดับลึกของวัตถุที่กำลังเคลื่อนไหวได้

ระบบ ultrasonic system-on-patch (USoP) ที่สวมใส่ได้ และทำงานโดยอัตโนมัติ มีวงจรควบคุมที่ยืดหยุ่นซึ่งโต้ตอบกับอาร์เรย์ทรานสดิวเซอร์อัลตราซาวนด์เพื่อรวบรวมและส่งข้อมูลแบบไร้สาย ในขณะที่อัลกอริทึมการเรียนรู้ของเครื่อง (machine learning) จะตีความข้อมูลและตรวจสอบวัตถุที่กำลังเคลื่อนที่

อัลกอริทึมสามารถวิเคราะห์สัญญาณที่ได้รับและเลือกช่องสัญญาณที่เหมาะสมที่สุดเพื่อติดตามวัตถุ นักวิจัยพบว่า USoP ช่วยให้ติดตามสัญญาณทางสรีรวิทยาได้อย่างต่อเนื่อง เช่น ความดันโลหิตส่วนกลาง อัตราการเต้นของหัวใจ และการเต้นของหัวใจจากเนื้อเยื่อลึกถึง 164 มิลลิเมตร นานถึง 12 ชั่วโมง

อ่านข่าวเต็มได้ที่: UC San Diego Today

สร้างโฮโลแกรมของภาพ Mona Lisa

ภาพจาก AIP Publishing

ทีมนักวิจัยนานาชาติได้พัฒนาเทคนิคฮอโลกราฟีที่พวกเขาใช้เพื่อสร้างภาพโมนาลิซาขึ้นมาใหม่ ภาพโฮโลแกรมถูกสร้างขึ้นโดยการบันทึกและสร้างแบบรูปการรบกวนของแสงหรือคลื่นเสียงขึ้นมาใหม่ 

การทำงานนี้ให้ภาพและเสียงที่สมจริง โดยสามารถนำไปใช้ในด้านความบันเทิง ภาพถ่ายทางการแพทย์ การสื่อสาร และอื่น ๆ อีกมากมาย

“เราเลือกที่จะสร้าง Mona Lisa ขึ้นใหม่เพื่อพิสูจน์แนวคิด”  "Wang หนึ่งในนักวิจัยกล่าว "มันมีชื่อเสียงมากจนแทบไม่มีใครไม่รู้จัก มันเต็มไปด้วยการเปลี่ยนเลเยอร์ที่ละเอียดอ่อนจำนวนนับไม่ถ้วน ซึ่งช่วยเพิ่มความนุ่มนวล ความคลุมเครือ และความลึกลับของภาพวาด ดังนั้นจึงเป็นวิธีที่ดีในการแสดงให้เห็นถึงประสิทธิภาพของวิธีการของเรา

วิธีการนี้สร้างโฮโลแกรมของ Mona Lisa ขึ้นมาได้สำเร็จ และเน้นไปที่รายละเอียดที่ตาซ้ายของเธอ แม้ว่าโฮโลแกรมโมนาลิซาจะเป็นแบบสองมิติ แต่เทคนิคนี้สามารถต่อยอดเพื่อสร้างภาพสามมิติได้เช่นกัน

อ่านข่าวเต็มได้ที่: AIP Publishing

วิธีใหม่ช่วยให้โรงเรียนคาดการณ์และป้องกันการลาออกกลางคัน

Photo by Kenny Eliason on Unsplash

นักวิจัยจาก Cornell University ได้พัฒนาแนวทางใหม่เพื่อช่วยโรงเรียนคาดการณ์และป้องกันการออกกลางคันของนักเรียน

การใช้เทคนิคการสร้างตัวแบบที่ใช้ร่วมกัน ซึ่งรวมการเรียนรู้ของเครื่องและข้อมูลของนักเรียน นักการศึกษาสามารถระบุนักเรียนที่มีความเสี่ยงและเข้าช่วยเหลือก่อนที่จะเลิกเรียน

ด้วยการทำงานร่วมกันและรวบรวมข้อมูลที่โดยไม่ระบุชื่อ โรงเรียนสามารถสร้างตัวแบบการคาดการณ์ที่แม่นยำยิ่งขึ้น และระบุเป้าหมายในการเข้าช่วยเหลือได้

ในการศึกษานำร่องในเขตการศึกษา 3 แห่งในนิวยอร์ก วิธีการสร้างตัวแบบที่ใช้ร่วมกันนี้ประสบความสำเร็จในการทำนายการเลิกเรียนกลางคันด้วยอัตราความแม่นยำที่น่าประทับใจคือ 94% 

โดยสรุปวิธีการนี้มีศักยภาพในการปฏิวัติการป้องกันการออกกลางคันและปรับปรุงอัตราการสำเร็จการศึกษาทั่วโลก

อ่านข่าวเต็มได้ที่: Cornell Chronicle