วันพุธที่ 25 ตุลาคม พ.ศ. 2566

หมวกคลื่นสมองช่วยชีวิตด้วยการระบุอาการหลอดเลือดสมองตีบ

cap-detect-lov
ภาพจาก Interesting Engineering

ฝาครอบคลื่นสมอง StrokePointer ออกแบบโดยนักวิจัยในประเทศเนเธอร์แลนด์ สามารถวินิจฉัยโรคหลอดเลือดสมองตีบตัน ( large vessel occlusion) หรือ LVO ได้ในขณะที่ผู้ป่วยอยู่ในรถพยาบาล

นักวิจัยของ Amsterdam University Medical Centers (UMC)  กล่าวว่าฝาครอบดังกล่าวช่วยให้สามารถตรวจคลื่นสมองไฟฟ้าเพื่อตรวจหาโรคหลอดเลือดสมองตีบ รวมถึงการวัดขอบเขตของการอุดตันของหลอดเลือดในสมองเพื่อกำหนดวิธีการรักษาที่เหมาะสม

นักวิจัยใช้ StrokePointer ในรถพยาบาลของเนเธอร์แลนด์ 12 คันระหว่างปี 2018 ถึง 2022 โดยข้อมูลที่รวบรวมจากผู้ป่วยเกือบ 400 รายเสริมความมั่นใจว่าหมวกสามารถ "ระบุผู้ป่วยโรคหลอดเลือดสมองตีบได้อย่างแม่นยำ"

TrainecT บริษัทที่แตกมาจาก Amsterdam UMC มุ่งหวังที่จะจำหน่าย StrokePointer โดยเว็บไซต์ของบริษัทระบุว่าอัลกอริทึมของหมวกได้รับการฝึกอบรมบนฐานข้อมูล  EEG ของคนไข้ก่อนเข้าโรงพยาบาลที่ใหญ่ที่สุดในโลก เพื่อวินิจฉัยโรคหลอดเลือดสมอง LVO ในผู้ป่วยที่สงสัยว่าเป็นโรคหลอดเลือดสมองเฉียบพลัน โดยมีความแม่นยำในการวินิจฉัยมากกว่า 80%

อ่านข่าวเต็มได้ที่: Interesting Engineering

วันอังคารที่ 24 ตุลาคม พ.ศ. 2566

เผยโฉมอนาคตของจอแสดงผล VR ความละเอียดสูง

hi-res-vr-display
ภาพจาก SPIE

นักวิทยาศาสตร์กำลังทำงานเพื่อปรับปรุงเทคโนโลยีการแสดงผลความเป็นจริงเสมือน (virtual reality) หรือ VR เพื่อเอาชนะปัญหาความละเอียดต่ำทำให้ผู้ใช้เห็นรูปแบบคล้ายตารางบนหน้าจอ

ความละเอียดโดยทั่วไปของจอแสดงผล VR ที่ 500 ถึง 600 พิกเซลต่อนิ้ว (PPI) ในปี 2560 ได้พัฒนาเป็นประมาณ 1,200 PPI ในขณะที่จอแสดงผลคริสตัลเหลว 4K VR ความละเอียด 2,117 PPI 4K ที่เสนอโดยนักวิจัยที่ศูนย์พัฒนาเทคโนโลยี Innolux ของไต้หวัน ซึ่งมีแนวโน้มอย่างมากที่จะพัฒนาคุณภาพของรูปภาพต่อไป

Yung-Hsun Wu จาก Innolux กล่าวว่า "เรามุ่งเน้นไปที่การเพิ่มอัตราส่วนรูรับแสงของพิกเซล ประสิทธิภาพของคริสตัลเหลว และการส่งผ่านข้อมูล ขณะเดียวกันก็เสนอวิธีการลดการใช้พลังงานและเพิ่มประสิทธิภาพของแบ็คไลท์ (backlight)"

อ่านข่าวเต็มได้ที่: SPIE

วันจันทร์ที่ 23 ตุลาคม พ.ศ. 2566

ชิปของ IBM เพิ่มความเร็วให้ AI

mainboard
ภาพจาก Nature

นักวิจัยที่ IBM ได้พัฒนาโปรเซสเซอร์ที่สามารถเพิ่มความเร็วปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ในขณะที่ใช้พลังงานน้อยลง

ชิป NorthPole ทำให้ไม่จำเป็นต้องเข้าถึงหน่วยความจำภายนอกบ่อยครั้ง ทำให้ได้รับประสิทธิภาพที่ "น่าทึ่ง" Damien Querlioz จากมหาวิทยาลัย Paris-Saclay ของฝรั่งเศส กล่าว

NorthPole มีโครงข่ายประสาทเทียมหลายชั้น ชั้นล่างจะดูดซับข้อมูลในขณะที่แต่ละเลเยอร์ที่ต่อเนื่องกันจะระบุรูปแบบที่ซับซ้อนมากขึ้น และส่งข้อมูลไปยังเลเยอร์ถัดไปจนกว่าชั้นบนสุดจะสร้างเอาต์พุต

ชิปดังกล่าวประกอบด้วยคอร์ประมวลผล 256 คอร์ ซึ่งแต่ละคอร์มีหน่วยความจำของตัวเอง ซึ่งช่วยลดปัญหาคอขวดของ Von Neumann ตามข้อมูลของ Dharmendra Modha ของ IBM

นักวิจัยกล่าวว่าการเชื่อมต่อแกนเข้าด้วยกันในรูปแบบที่จำลองมาจากการเชื่อมต่อไวท์-แมทเตอร์ (white-matter) ในเปลือกสมองของมนุษย์ ช่วยให้ NorthPole มีประสิทธิภาพเหนือกว่า AI ที่มีอยู่อย่างมากในการทดสอบตามเกณฑ์มาตรฐาน

อ่านข่าวเต็มได้ที่: Nature

วันอาทิตย์ที่ 22 ตุลาคม พ.ศ. 2566

ศูนย์ข้อมูลยังทำงานได้ถึงแม้จะใช้ระบบความเย็นที่น้อยกว่าในปัจจุบัน

data-center
ภาพจาก New Scientist

Shengwei Wang และเพื่อนร่วมงานที่ Hong Kong Polytechnic University พบว่าการใช้งานศูนย์ข้อมูลที่อุณหภูมิสูงกว่าที่พวกเขาใช้งานอยู่ในปัจจุบันสามารถลดการใช้พลังงานลงได้อย่างมาก ในขณะเดียวกันก็รักษาประสิทธิภาพการคำนวณไว้ได้

นักวิจัยได้ตั้งโปรแกรมตัวแบบคอมพิวเตอร์เพื่อจำลองประสิทธิภาพของอุปกรณ์เทคโนโลยีสารสนเทศที่อุณหภูมิต่างๆ ใน 57 เมืองทั่วโลก พวกเขาพบว่าเซิร์ฟเวอร์ที่ทำงานที่อุณหภูมิ 41 องศาเซลเซียส (106 องศาฟาเรนไฮต์) สามารถประหยัดพลังงานที่ใช้ในการทำความเย็นได้มากถึง 56% เมื่อเทียบกับเซิร์ฟเวอร์ที่ทำงานที่อุณหภูมิ 22 องศาเซลเซียส (72 องศาฟาเรนไฮต์) 

วิธีการนี้จะให้ผลการประหยัดพลังงานได้มากที่สุดในสถานที่ซึ่งมีอุณหภูมิแวดล้อมสูงซึ่งต้องการระบบทำความเย็นมากที่สุด เช่น บราซิลหรือแอฟริกาตะวันตก ตามข้อมูลของนักวิจัย

อ่านข่าวเต็มได้ที่: New Scientist

วันเสาร์ที่ 21 ตุลาคม พ.ศ. 2566

ChatGPT 'อนุมาน' ข้อมูลส่วนบุคคลจากข้อความที่ไม่ระบุตัวตนได้

LLM
ภาพจาก Gizmodo

การศึกษาโดยนักวิทยาศาสตร์คอมพิวเตอร์ที่ ETH Zurich ในสวิตเซอร์แลนด์ พบว่าตัวแบบภาษาขนาดใหญ่ (large language models) หรือ LLM จาก OpenAI, Meta, Google และ Anthropic สามารถอนุมานเชื้อชาติ อาชีพ สถานที่ ข้อมูลส่วนบุคคลอื่น ๆ ของผู้ใช้ได้จากข้อความที่ไม่ระบุตัวตน

การค้นพบนี้ทำให้เกิดความกังวลว่านักต้มตุ๋น แฮกเกอร์ และหน่วยงานบังคับใช้กฎหมาย สามารถใช้ LLM เพื่อระบุข้อมูลเบื้องหลังของผู้ใช้จากวลีและประเภทของคำที่พวกเขาใช้

การทดสอบ LLM เกี่ยวข้องกับตัวอย่างข้อความจากฐานข้อมูลความคิดเห็นจากโปรไฟล์ Reddit มากกว่า 500 โปรไฟล์ GPT4 ของ OpenAI มีอัตราความแม่นยำ 85% ถึง 95% ในการระบุข้อมูลส่วนตัวจากข้อความ

อ่านข่าวเต็มได้ที่: Gizmodo