นักวิจัยพัฒนาขั้นตอนวิธีแจกจ่ายวัคซีนที่มีประสิทธิภาพ

ภาพจาก Daily Evergreen (WA)

นักวิจัยจาก Washington State University (WSU) และ Pacific Northwest National Laboratory ของกระทรวงพลังงานสหรัฐฯได้พัฒนาขั้นตอนที่สามารถระบุภูมิภาคที่ควรแจกจ่ายวัคซีนเพื่อเพิ่มภูมิคุ้มกันให้เร็วมากขึ้น นักวิจัยบอกว่าโปรแกรมนี้ใช้ประชากรที่สร้างโดยตัวแบบคอมพิวเตอร์้พื่อคำนวณการที่โรคจะแพร่ผ่านการติดต่อกันโดยตรงระหว่างกัน และระบุกลุ่มของคนที่ควรได้รับการฉีดวัคซีนเพื่อหยุดการติดเชื้อ นักวิจัยยังบอกอีกว่าพวกเขาได้ใช้ซุปเปอร์คอมพิวเตอร์ประสิทธิภาพสูงในการขยายจำนวนสถานการณ์ที่นำมาใช้ในการสร้างตัวแบบ เนื่องจากประสิทธิภาพที่สูงขึ้นจะทำให้สามารถทดสอบสถานการณ์ต่าง ๆ ได้เร็วขึ้น

อ่านข่าวเต็มได้ที่: Daily Evergreen (WA)

TLDR: AI สำหรับสรุปบทความวิจัยให้อยู่ในประโยคเดียว

Credit: Agnese Abrusci/Nature

 Allen Institute for Artificial Intelligence (AI2) ผู้สร้างเครื่องมือ Semantic Scholar ซึ่งเป็นเครื่องมือค้นหาทางวิทยาศาสตร์แบบไม่เสียค่าใช้จ่าย ได้ประกาศเปิดตัวซอฟต์แวร์ที่เรียกว่า TLDR (too long, didn't read, ยาวไปไม่อ่าน) ที่จะเขียนบทคัดย่อของบทความวิจัยออกมาเป็นประโยคหนึ่งประโยคได้โดยอัตโนมัติ ในตอนนี้โปรแกรมสร้างประโยคได้จากบทความด้านวิทยาการคอมพิวเตอร์จำนวน 10 ล้านบทความ ซึ่งทางผู้พัฒนาบอกว่าในสาขาอื่น ๆ จะถูกเพิ่มเข้ามาหลังจากได้ปรับปรุงซอฟต์แวร์แล้ว 

ผลการทดสอบเบื้องต้นพบว่า TLDR ช่วยให้ผู้อ่านสามารถจำแนกข้อมูลจากผลการค้นหาได้เร็วกว่าการอ่านจากชื่อเรื่องหรือบทคัดย่อ โดยเฉพาะอย่างยิ่งเมื่อการอ่านนั้นต้องทำผ่านโทรศัพท์มือถือ 

ซอฟต์แวร์นี้ใช้โครงข่ายประสาทเทียมเชิงลึกซึ่งถูกฝึกโดยชุดข้อมูลที่เป็นข้อความจำนวนมาก ซึ่งรวมถึงการจับคู่ชื่อเรื่องของบทความวิจัยและตัวบทความวิจัยหลายหมื่นชิ้น ดังนั้นเครือข่ายนี้จึงสามารถเรียนรู้ที่จะสร้างประโยคที่กระชับได้ 

อ่านข่าวเต็มได้ที่: Nature

เพิ่มเติมเสริมข่าว: ใครอยากลองเล่นโปรแกรมใช้ลิงก์นี้ครับ ลองไปคัดลอกบทคัดย่อ มาใส่ดูครับ และถ้ามีบทนำ และบทสรุปด้วย จะได้ผลลัพธ์ที่ดีขึ้นครับ นั่นคือนักวิจัยที่เดิมต้องการจะสแกนบทความเร็ว ๆ ว่าเกี่ยวกับอะไร มักจะต้องอ่านและสรุปสามส่วนนี้ด้วยตัวเอง ตอนนี้ก็อาจใช้โปรแกรมนี้ช่วยกรองก่อนได้ระดับหนึ่งครับ แต่ยังไงก็ตามมันก็ยังเป็นโปรแกรมเบื้องต้นอยู่นะครับ และก็เหมือนที่ข่าวบอกตอนนี้ยังใช้ได้กับฟิลด์วิทยาการคอมพิวเตอร์เท่านั้น

การฝึกสอน AI ด้วยข้อมูลส่วนใหญ่ที่เป็นใบหน้าที่กำลังยิ้มจะลดความเที่ยงตรงและทำให้เกิดความลำเอียง

Image Credit: SDI Productions

นักวิจัยจาก Universitat Oberta de Catalunya ของสเปนและ Universidad Autonoma de Madrid ร่วมกับทีมงานจาก Massachusetts Institute of Technology พบว่าระบบรู้จำใบหน้ามีความลำเอียงต่อการแสดงออกทางใบหน้าบางประการ นักวิจัยได้ทดลองกับตัวแบบการรู้จำใบหน้าชั้นนำ 3 ตัว ที่ถูกฝึกสอนโดยใช้ฐานข้อมูลแบบเปิดเผยรหัส (open source database) เช่น VGGFace2 และ  MS1M-ArcFace โดยวัดประสิทธิภาพกับคลังข้อมูล 4 ชุด 

นักวิจัยใช้ซอฟต์แวร์ Affectiva ในการจำแนกภาพจากคลังข้อมูลที่ใช้ทดสอบ โดยจำแนกจากการแสดงออกทางใบหน้า ซึ่งนักวิจัยพบว่ากว่า 60% มีการแสดงออกปกติ และ 90% ของชุดข้อมูลเป็นใบหน้าแบบปกติและกำลังมีความสุข โดยการแสดงออกว่าประหลาดใจและเบื่อหน่ายมีไม่เกิน 6% ในขณะที่ความรู้สึกเศร้า กลัว และโกรธมีน้อยมาก (ต่ำกว่า 1%) นอกจากนี้ยังมีความแตกต่างตามเพศด้วย เช่นจำนวนของผู้หญิงที่กำลังมีความสุข มีจำนวนเกือบเป็นสองเท่าของผู้ชาย 

นักวิจัยบอกว่า การขาดความหลากหลายในการแสดงความรู้สึกทางใบหน้าจากฐานข้อมูลใบหน้าที่มีไว้สำหรับการพัฒนาและประเมินระบบรู้จำใบหน้า ทำให้มีข้อเสียหลายประการ และประการหนึ่งก็คือช่องโหว่ด้านความมั่นคงของระบบที่กำลังใช้กันอยู่

อ่านข่าวเต็มได้ที่:  Venture Beat

ช่วงการแพร่ระบาดทำให้ผู้สร้างภาพยนตร์ต้องนำเทคโนโลยีใหม่มาใช้

ภาพจาก Al Seib/Los Angeles Times

COVID-19 ทำให้ผู้สร้างภาพยนตร์ต้องนำเทคโนโลยีใหม่ ๆ มาใช้เพื่อป้องกันทีมงานถ่ายทำจากโคโรนาไวรัส โดยใช้ผลิตภัณฑ์ของบริษัทอย่าง Safe Haus Group ซึ่งมีระบบอย่าง Safe Set ซึ่งเจ้าหน้าที่ด้านความปลอดภัยใช้สแกนบัตรประจำตัวที่เข้ารหัสสีและมีชิปที่รวบรวมและติดตามข้อมูลการเคลื่อนไหวของนักแสดงและเจ้าหน้าที่กองถ่าย ว่าใครที่มีการติดต่อกับคนที่ผลการทดสอบ COVID-19 เป็นบวก

ในขณะเดียวกันช่างภาพอย่าง Aaron Grasso และผู้อำนวยการสร้างอย่าง Josh Shadid ก็ได้แรงบันดาลใจในการเปิดบริษัทใหม่ พวกเขาสร้างหุ่นยนต์ถ่ายภาพชื่อ Solo Cinebot ซึ่งตอนนี้มีบริษัทที่นำไปใช้ก็อย่างเช่น Netflix และ Warner Bros. ที่จะช่วยถ่ายนักแสดงจากระยะไกลเพื่อใช้ในแคมเปญการตลาด 

ผลิตภัณฑ์เหล่านี้สอดคล้องกับระเบียบด้านความปลอดภัยที่เกี่ยวกับการแพร่ระบาดของโรค ซึ่งกำหนดให้บริษัทผลิตภาพยนตร์ขนาดใหญ่แบ่งนักแสดงและทีมงานให้ทำงานอยู่ในโซนที่ต่างกัน

อ่านข่าวเต็มได้ที่: Los Angeles Times

สอนหุ่นยนต์ให้ขับรถด้วยบทเรียนง่าย ๆ เพียงไม่กี่บทเรียน

ภาพจาก  iStock 

นักวิจัยจาก University of Southern California (USC) Viterbi School of Engineering ได้พัฒนาระบบที่ทำให้หุ่นยนต์สามารถเรียนรู้งานที่ซับซ้อนได้โดยอัตโนมัติ โดยดูจากการสาธิตเพียงไม่กี่ครั้ง และการสาธิตนั้นก็อาจไม่ต้องสมบูรณ์แบบด้วย ระบบจะประเมินคุณภาพของการสาธิตแต่ละครั้ง เรียนรู้จากข้อผิดพลาดและความสำเร็จ ทีมของ  USC Viterbi ใช้ signal temporal logic ในการประเมินคุณภาพของการสาธิตแต่ละครั้งและจัดลำดับการสาธิตเหล่านั้น นักวิจัยบอกว่าวิธีการใช้สามัญสำนึกแบบนี้จะช่วยให้หุ่นยนต์เข้าใจว่า ส่วนไหนของการสาธิตที่เป็นบวก ส่วนไหนที่เป็นลบ ซึ่งเหมือนวิธีที่คนเราใช้ นักวิจัยยังบอกอีกว่า ถ้าเราต้องการให้หุ่นยนต์เป็นเพื่อนร่วมทีมที่ดีและช่วยเหลือผู้คน สิ่งแรกที่พวกมันต้องทำคือการปรับตัวเข้ากับสิ่งที่มนุษย์นิยมทำอย่างมีประสิทธิภาพ และวิธีการที่พัฒนาขึ้นมานี้ทำให้หุ่นยนต์เข่าใจเรื่องดังกล่าว

อ่านข่าวเต็มได้ที่: University of Southern California