วันพฤหัสบดีที่ 30 มิถุนายน พ.ศ. 2565

ยานสำรวจดาวอังคารที่ใช้ Windows 98 ได้รับการอัปเดตเป็นครั้งแรกในรอบ 2 ทศวรรษ

Windows 98
ภาพจาก Wikipedia

วิศวกรจาก Istituto Nazionale di Astrofisica (INAF) ของอิตาลีได้ปรับปรุงระบบ Window 98 ของยานอวกาศ Mars Express เป็นครั้งแรกในรอบ 19 ปี ยานสำรวจของ European Space Agency ใช้เครื่องมือ Mars Advanced Radar for Subsurface and Ionospheric Sounding (MARSIS) เพื่อส่งคลื่นวิทยุความถี่ต่ำไปยังพื้นดาวอังคารเพื่อช่วยทำแผนที่โครงสร้างใต้ผิวดินในขณะที่ค้นหาน้ำไปด้วย 

เจ้าหน้าที่ของ INAF กล่าวว่าการอัปเดตนี้จะทำให้ Mars Express มองเห็นดาวอังคาร และดวงจันทร์ของมันคือ Phobos ของได้ละเอียดยิ่งขึ้น Andrea Cicchetti ของ INAF กล่าวว่าวิธีการก่อนหน้าของยานอวกาศในการจัดเก็บข้อมูลความละเอียดสูงนั้นทำให้หน่วยความจำบนเครื่องบินหมดไปอย่างรวดเร็ว

ในทางตรงกันข้าม "ด้วยการทิ้งข้อมูลที่เราไม่ต้องการ ซอฟต์แวร์ใหม่ช่วยให้เราสามารถเปิด MARSIS ได้นานขึ้นห้าเท่า และสำรวจพื้นที่ได้ขนาดใหญ่กว่ามากในแต่ละครั้ง" เขากล่าว

อ่านข่าวเต็มได้ที่: TechRadar

วันพุธที่ 29 มิถุนายน พ.ศ. 2565

เทคโนโลยีช่วยให้รถขับเคลื่อนด้วยตัวเองเรียนรู้จากหน่วยความจำของตัวเอง

self-driving-car
Cornell University Chronicle

เทคโนโลยีที่พัฒนาโดยนักวิจัยของ Cornell University มีเป้าหมายที่จะเติมเต็มยานยนต์ไร้คนขับด้วยความสามารถในการสร้าง "ความทรงจำ" จากประสบการณ์ก่อนหน้านี้เพื่อใช้ในการนำทาง

นักวิจัยได้รวบรวมชุดข้อมูลการเดินทางของ Ithaca365 โดยการขับรถด้วยเซ็นเซอร์ LiDAR  เป็นระยะทาง 15 กิโลเมตร (9.3 ไมล์) 40 ครั้งในระยะเวลา 18 เดือนในสภาพแวดล้อมต่างๆ สภาพอากาศ และช่วงเวลาของวัน

วิธีการนี้ใช้โครงข่ายประสาทเทียมในการคำนวณตัวอธิบายของวัตถุที่รถวิ่งผ่าน จากนั้นบีบอัดและจัดเก็บคุณสมบัติ Spatial-Quantized Sparse History (SQuaSH) เหล่านี้บนแผนที่เสมือน เมื่อรถวิ่งไปตามตำแหน่งเดิม มันจะสามารถสืบค้นฐานข้อมูล SQuaSH ที่จัดเก็บเส้นทางไว้และเรียกคืนความรู้นั้นได้

อ่านข่าวเต็มได้ที่: Cornell University Chronicle

วันอังคารที่ 28 มิถุนายน พ.ศ. 2565

สอนฟิสิกส์ให้ AI อาจทำให้มันค้นคว้าทั้งหมดได้ด้วยตัวเอง

ai-physics
ภาพจาก  SciTechDaily

นักวิจัยจาก Duke University พบว่าการเพิ่มความรู้ทางฟิสิกส์ที่รู้จักกันอยู่แล้วลงในอัลกอริธึมการเรียนรู้ของเครื่อง (machine learning) สามารถทำให้พวกมันหาข้อมูลเชิงลึกใหม่ ๆ ของคุณสมบัติของวัสดุ พวกเขาพัฒนาโครงข่ายประสาทเทียมเพื่อระบุลักษณะของเมตาแมททีเรียล (metamaterial) เกี่ยวกับข้อมูลของวัสดุ และทำนายปฏิสัมพันธ์กับสนามแม่เหล็กไฟฟ้า

ด้วยการให้ข้อมูลข้อจำกัดทางกายภาพที่ทราบกันอยู่แล้วของเมตาแมททีเรียล อัลกอริธึมสามารถทำนายคุณสมบัติของเมตาแมททีเรียลได้เร็ว แม่นยำยิ่งขึ้น และมีข้อมูลเชิงลึกเพิ่มเติมกว่าวิธีที่เคยใช้มาก่อน 

Jordan Malof แห่ง Duke กล่าวว่า "การบังคับให้โครงข่ายประสาทเทียมปฏิบัติตามกฎฟิสิกส์ ทำให้เราป้องกันไม่ให้เครือข่ายค้นหาความสัมพันธ์ที่อาจเข้ากับข้อมูลได้ แต่ความจริงแล้วเป็นไปไม่ได้"

อ่านข่าวเต็มได้ที่: SciTechDaily

วันจันทร์ที่ 27 มิถุนายน พ.ศ. 2565

75% ของเว็บไซต์ระดับท้อปของโลกยอมให้ใช้รหัสผ่านแย่ ๆ

 

login-screen
Photo by Mourizal Zativa on Unsplash

Arvind Narayanan จาก Princeton University และเพื่อนร่วมงานพบว่า 75% ของเว็บไซต์ภาษาอังกฤษชั้นนำ 120 แห่งอนุญาตให้ใช้รหัสผ่านที่อ่อนแอ ในขณะที่กว่าครึ่งของเว็บไซต์เหล่านั้นยังยอมให้ใช้รหัสผ่านที่มักจะรั่วไหลและเดาได้ง่าย 40 รายการ 

นักวิจัยตรวจสอบรหัสผ่าน 40 รายการนั้นด้วยตนเองบนแต่ละเว็บไซต์ เลือกรหัสผ่าน 20 ตัวแบบสุ่มจากกลุ่มตัวอย่างรหัสผ่านที่ใช้บ่อยที่สุด 100,000 รายการ ที่ตรวจพบในการละเมิดข้อมูล รวมทั้งรหัสผ่าน 20 ตัวแรกที่ถูกคาดเดาโดยโปรแกรมถอดรหัสรหัสผ่าน

มีเว็บไซต์เพียง 15 แห่งที่บล็อกรหัสผ่านที่ทดสอบทั้งหมด 40 รายการ รวมถึง Google, Adobe, Twitch, GitHub และ Grammarly มีเพียง 23 ไซต์จาก 120 ไซต์เท่านั้นที่มีเครื่องวัดความแข็งแรงของรหัสผ่าน ซึ่งกระตุ้นให้ผู้ใช้สร้างรหัสผ่านที่แข็งแรงเพียงพอ ในขณะที่ 54 ไซต์ยังคงใช้วิธีการสร้างรหัสผ่านที่ได้คะแนนต่ำ

อ่านข่าวเต็มได้ที่: New Scientist

วันอาทิตย์ที่ 26 มิถุนายน พ.ศ. 2565

หุ่นยนต์แมวไล่จับหนู

cat-mouse-robots
ภาพจาก New Scientist

การสาธิตเกมแมวไล่จับหนูโดยหุ่นยนต์แมวและหนูในห้องปฏิบัติการ บ่งบอกถึงศักยภาพของหุ่นยนต์ที่ทำสร้างขึ้นมาเพื่อภารกิจค้นหาและกู้ภัย หรือการสำรวจสัตว์ป่าด้วยคำแนะนำจากมนุษย์เพียงเล็กน้อย

หุ่นยนต์ Tianjicat ที่สร้างขึ้นโดยนักวิจัยที่มหาวิทยาลัย Tsinghua ของจีน ใช้ชิป neuromorphic ของ TianjicX ซึ่งสามารถเรียกใช้กระบวนการปัญญาประดิษฐ์ (artificial intelligence) หรือ AI หลายขั้นตอนพร้อมกันได้ 

นักวิจัยมอบหมายให้ Tianjicat ไล่ล่าหุ่นยนต์หนูที่ตั้งโปรแกรมให้เคลื่อนที่แบบสุ่มในห้องที่มีอุปสรรค Tianjicat ติดตามหุ่นยนต์เมาส์โดยใช้การจดจำภาพและการตรวจจับเสียง และกำหนดเส้นทางการไล่ล่าที่เหมาะสมที่สุดในขณะที่หลีกเลี่ยงการชนกับสิ่งกีดขวาง

นักวิจัยกล่าวว่าชิป TianjicX ลดปริมาณพลังงานที่จำเป็นสำหรับการตัดสินใจของ Tianjicat ในระหว่างการไล่ล่าประมาณครึ่งหนึ่ง

อ่านข่าวเต็มได้ที่: New Scientist

เพิ่มเติมเสริมข่าว: ดูวีดีโอได้จาก youtube