วันพฤหัสบดีที่ 9 พฤศจิกายน พ.ศ. 2566

การเรียนรู้ของเครื่องอาจทำนายน้ำท่วมได้ดีขึ้น

flood
ภาพจาก IEEE Spectrum

ทีมนักอุทกวิทยาและนักวิจัยเครือข่ายคอมพิวเตอร์ในอิตาลี สเปน และฟินแลนด์ได้พัฒนาตัวแบบการเรียนรู้ของเครื่อง (machine learning) ที่ใช้ 30 นาทีแรกของพายุ ในการคาดการณ์การเกิดน้ำไหลบ่าหรือน้ำท่วมได้นานถึงหนึ่งชั่วโมงก่อนที่จะเกิดขึ้น

นักวิจัยได้ฝึกตัวแบบด้วยพารามิเตอร์ข้อมูลเข้า เช่น ปริมาณน้ำฝนและความดันบรรยากาศที่ได้รับจากเซ็นเซอร์ของสถานีตรวจอากาศ พารามิเตอร์ข้อมูลผลลัพธ์ เช่น การดูดซับของดินและปริมาณน้ำไหลบ่า รวมกับข้อมูลที่รวบรวมและข้อมูลสังเคราะห์ที่สร้างขึ้นโดยใช้ตัวแบบทางทฤษฎีแบบดั้งเดิม

Andrea Zanella จากมหาวิทยาลัย Padova แห่งอิตาลี อธิบายว่าที่จำเป็นต้องมีข้อมูลสังเคราะห์ เนื่องจากมีข้อมูลไม่เพียงพอที่จะสร้างตัวแบบการเรียนรู้ของเครื่องที่เชื่อถือได้สำหรับอุทกวิทยา ซึ่งเป็นการศึกษาวัฏจักรของน้ำในโลก

นักวิจัยกล่าวว่าการเพิ่มเซ็นเซอร์และอัตราการรวบรวมข้อมูลที่หลากหลายอาจช่วยแก้ปัญหาได้

อ่านข่าวเต้มได้ที่: IEEE Spectrum

วันพุธที่ 8 พฤศจิกายน พ.ศ. 2566

ส่วนขยาย Google Slide ช่วยให้ซอฟต์แวร์นำเสนอเข้าถึงได้มากขึ้นจากผู้พิการทางสายตา

A11yBoard
ภาพจาก UW News

นักวิจัยจาก University of Washington และ Stanford University ได้สร้างส่วนขยายเบราว์เซอร์สำหรับ Google Slides และแอปพลิเคชันโทรศัพท์ที่ติดตั้งในเครื่อง เพื่อช่วยให้ผู้ใช้ที่ตาบอดสามารถใช้งานเค้าโครงสไลด์และข้อความได้

A11yBoard ผสานรวมคอมพิวเตอร์เดสก์ท็อปและอุปกรณ์เคลื่อนที่ เพื่อให้ผู้ใช้ที่มีความบกพร่องทางการมองเห็นสามารถทำงานกับเสียง การสัมผัส ท่าทาง การรู้จำเสียงพูด และการค้นหาเพื่อดูว่าวัตถุต่าง ๆ อยู่ที่ตำแหน่งใดบนสไลด์ และเคลื่อนย้ายวัตถุเหล่านั้นไปรอบ ๆ ในรูปแบบต่าง ๆ

นักวิจัยได้พัฒนา ปรับปรุง และทดสอบอินเทอร์เฟซกับผู้เข้าร่วมที่ตาบอด และแสดงให้เห็นว่า A11yBoard ปรับปรุงความสามารถในการเข้าใจเนื้อหาภาพและทำงานร่วมกันในการสร้างสไลด์โดยไม่ต้องเปลี่ยนสไลด์กลับไปกลับมา

อ่านข่าวเต็มได้ที่: UW News

วันอังคารที่ 7 พฤศจิกายน พ.ศ. 2566

ป้องกันรถยนต์ไฟฟ้าจากเสียงรบกวนจากชิป

Integrated-circuit
ภาพจาก The University of Texas at Dallas

นักวิทยาศาสตร์จาก University of Texas at Dallas (UTD) ได้สร้างเซ็นเซอร์อัจฉริยะเพื่อปกป้องยานพาหนะไฟฟ้า (EV) จาก "เสียงรบกวน" ที่เกี่ยวข้องกับการรบกวนทางแม่เหล็กไฟฟ้า (EMI)

Dongsheng Brian Ma จาก UTD กล่าวว่า EMI เกิดจากชิปคอมพิวเตอร์ที่อัดแน่นอยู่ใน EV เซ็นเซอร์ตรวจจับสภาวะต่างๆ เช่น แรงดันไฟฟ้าขาเข้าและกระแสโหลดที่สามารถส่งสัญญาณ EMI ที่เพิ่มขึ้นในวงจรไฟฟ้า และใช้มาตรการตอบโต้จากชิปเพื่อลดการรบกวน

“อุปกรณ์ของเราตรวจจับจุดเริ่มต้นของ EMI ผ่านทางพารามิเตอร์บางตัวที่เป็นเหมือนลายเซ็น” Ma อธิบาย “เมื่อคุณวัดค่าเหล่านั้น มันจะสะท้อนถึงบางอย่าง คล้ายกับเมื่อแพทย์ทดสอบค่า A1C ที่เพิ่มขึ้น ซึ่งอาจเป็นสัญญาณเตือนหรือตัวบ่งชี้ที่แท้จริงของโรคเบาหวาน”

อ่านข่าวเต็มได้ที่: The University of Texas at Dallas

วันจันทร์ที่ 6 พฤศจิกายน พ.ศ. 2566

ส่วนขยายเว็บเบราส์เซอร์อาจดักจับรหัสผ่านและข้อมูลที่สำคัญอื่น ๆ

man-using-computer
ภาพจาก University of Wisconsin-Madison News

Rishabh 0Khandelwal, Asmit Nayak และ Kassem Fawaz จาก University of Wisconsin-Madison พบว่าส่วนขยายเว็บเบราว์เซอร์สามารถแอบดึงข้อมูลผู้ใช้ เช่น รหัสผ่าน บนเว็บไซต์ยอดนิยมหลายแห่งได้

นักวิจัยพบว่าประมาณ 15% ของไซต์ที่ได้รับการตรวจสอบมากกว่า 7,000 แห่งเก็บข้อมูลที่สำคัญเป็นข้อความธรรมดาในซอร์สโค้ด HTML และส่วนขยายเบราว์เซอร์ที่เป็นอันตรายอาจใช้โค้ดที่เขียนด้วยภาษาโปรแกรมทั่วไปเพื่อขโมยข้อมูลดังกล่าว

พวกเขาประมาณว่า 17,300 (12.5%) ของส่วนขยายเบราว์เซอร์ที่มีอยู่ ได้สิทธิ์ที่จำเป็นในการใช้ประโยชน์จากข้อบกพร่องนี้ และพัฒนาและส่งส่วนขยายของตนเองไปยัง Chrome เว็บสโตร์ ซึ่งก็อนุมัติส่วนขยายดังกล่าว

Fawaz บอกว่าความมั่นคงของเบราว์เซอร์ที่กำหนดค่าในลักษณะนี้ เพื่อให้ส่วนขยายตัวจัดการรหัสผ่านยอดนิยมสามารถเข้าถึงข้อมูลรหัสผ่านได้

อ่านข่าวเต็มได้ที่: University of Wisconsin-Madison News

วันอาทิตย์ที่ 5 พฤศจิกายน พ.ศ. 2566

การใช้ AI โดยไม่เปิดเผยในการดูแลสุขภาพอาจนำไปสู่การเลือกปฏิบัติที่มองไม่เห็น

ai-healthcare
ภาพจาก University of Copenhagen (Denmark)

นักวิจัยจาก University of Copenhagen ของเดนมาร์ก โรงพยาบาลเพื่อการสอน Rigshospitalet และ Technical University of Denmark  ค้นพบอคติที่ซ่อนอยู่ในอัลกอริทึมปัญญาประดิษฐ์ (artificial intelligence) หรือ AI ที่มีจุดประสงค์เพื่อคำนวณความเสี่ยงของภาวะซึมเศร้า

อัลกอริทึมจะทำนายความเสี่ยงของการพัฒนาภาวะซึมเศร้าของแต่ละบุคคลโดยพิจารณาจากการวินิจฉัยภาวะซึมเศร้าที่เกิดขึ้นจริง

อย่างไรก็ตาม นักวิจัยพบว่าตามตัวแปรที่ใช้ในการฝึกอัลกอริทึม เช่น การศึกษา เพศ และชาติพันธุ์ อัลกอริทึมนี้สามารถทำนายความเสี่ยงในกลุ่มประชากรบางกลุ่มได้ดีกว่ากลุ่มอื่น ๆ นักวิจัยคำนวณความแปรผันได้ถึง 15% ระหว่างกลุ่มต่าง ๆ

Melanie Gantz จาก  University of Copenhagen กล่าวว่า "ซึ่งหมายความว่าแม้แต่ตัวแปรด้านภูมิภาค หรือเทศบาล ซึ่งแนะนำอัลกอริทึมเพื่อช่วยจัดสรรทางเลือกในการรักษาโดยสุจริตใจ ก็สามารถบิดเบือนความสารมารถด้านการดูแลสุขภาพได้"

อ่านข่าวเต็มได้ที่: University of Copenhagen (Denmark)