อัลกอริทึมช่วยปรับปรุงวิธีการปกป้องข้อมูล

ภาพจาก DGIST

นักวิจัยจาก Daegu Gyeongbuk Institute of Science and Technology (DGIST) ของเกาหลีใต้ได้พัฒนาอัลกอริทึมที่ใช้ประเมินและตรวจสอบความปลอดภัยของการเข้ารหัส โดยใช้ความซับซ้อนในการคำนวณน้อยลง  โดยทั่วไปแล้วมาตรวัด "Min-entropy" จะใช้ในการประมาณและตรวจสอบคุณสมบัติขอต้นทางที่นำมาใช้ในการสร้างตัวเลขสุ่มที่ใช้ในการเข้ารหัสข้อมูล อัลกอริธึมแบบออฟไลน์ที่พัฒนาโดยนักวิจัย จะประเมินค่า min-entropy จากชุดข้อมูลทั้งหมด พวกเขายังพัฒนาเครื่องมือประมาณค่าแบบออนไลน์ ที่ต้องการตัวอย่างข้อมูลที่ไม่มากนัก และเมื่อใช้ตัวอย่างข้อมูลเพิ่มขึ้นก็จะได้ความแม่นยำที่มากขึ้น เนื่องจากเครื่องมือประมาณค่าแบบออนไลน์ไม่ต้องการพื้นที่จัดเก็บสำหรับชุดข้อมูลทั้งหมด จึงเหมาะสำหรับอุปกรณ์อินเทอร์เน็ตของสรรพสิ่ง (Internet of Things) และแอปพลิเคชันอื่น ๆ ที่มีข้อจำกัดด้านหน่วยความจำ พื้นที่จัดเก็บข้อมูล และฮาร์ดแวร์ Yongjune Kim จาก DGIST กล่าวว่า "การประเมินของเราแสดงให้เห็นว่า อัลกอริทึมของเราสามารถประมาณค่า min-entropy ได้เร็วกว่าอัลกอริทึมมาตรฐานปัจจุบัน 500 เท่าในขณะที่ยังคงความแม่นยำในการประมาณค่าเอาไว้" 

อ่านข่าวเต็มได้ที่: Daegu Gyeongbuk Institute of Science and Technology (South Korea)

เพิ่มความเร็วในการรักษาโควิดแบบใหม่

ภาพจาก University of New Mexico

นักวิทยาศาสตร์จาก University of New Mexico (UNM)  และ University of Texas at El Paso ได้พัฒนาเครื่องมือคำนวณ เพื่อช่วยให้นักวิจัยยาระบุโมเลกุลต่อต้านโควิดได้อย่างรวดเร็ว ก่อนที่ไวรัสจะจู่โจมเซลล์ของมนุษย์ หรือหยุดการทำงานของมันในระยะแรกของการติดเชื้อ ทีมงานได้เปิดตัว REDIAL-2020 ซึ่งเป็นชุดตัวแบบการคำนวณแบบโอเพนซอร์สที่สามารถช่วยคัดกรองโมเลกุลขนาดเล็กอย่างรวดเร็ว เพื่อหาลักษณะการต่อสู้กับโควิดที่มีประสิทธิภาพ REDIAL-2020 ใช้อัลกอริทึมการเรียนรู้ของเครื่อง (machine learning) หรือ ML)ที่ประมวลผลข้อมูลจำนวนมากอย่างรวดเร็ว และกำจัดรูปแบบที่นักวิจัยที่เป็นมนุษย์อาจพลาดไป ทีมงานได้ตรวจสอบการคาดการณ์ของ ML โดยเปรียบเทียบชุดข้อมูลจาก National Center for Advancing Translational Sciences กับผลลัพธ์ของยาที่ผ่านการอนุมัติที่บันทึกไว้ในฐานข้อมูล DrugCentral ของ UNM

อ่านข่าวเต็มได้ที่: University of New Mexico

การเรียนรู้ของเครื่องนำภาพถ่ายดิจิทัลให้กลับมามีชีวิต

การสังเคราะห์ภาพเพื่อเปลี่ยนการโฟกัส Image: Courtesy of Nima Kalantari

เทคนิคการเรียนรู้ของเครื่อง (machine learning) หรือ ML ที่พัฒนาโดยนักวิจัยจาก Texas A&M University (TAMU) ช่วยให้ผู้ใช้สามารถสร้างมุมมองใหม่ ๆ ของฉากจากภาพถ่ายเพียงภาพเดียว Nima Kalantari จาก TAMU กล่าวว่า "เราสามารถดาวน์โหลดและใช้ภาพใดก็ได้บนอินเทอร์เน็ต แม้กระทั่งภาพที่มีอายุ 100 ปี และทำให้ภาพนั้นกลับมามีชีวิตอีกครั้ง และมองมันจากมุมที่แตกต่างกัน" Kalantari และนักศึกษาระดับบัณฑิตศึกษา Qinbo Li ได้ฝึกฝนเครือข่ายการเรียนรู้เชิงลึกเพื่อสร้างมุมมองใหม่ ๆ จากภาพเพียงภาพเดียวโดยให้มันศึกษาชุดภาพกว่า 2,000 ภาพ และภาพของมุมมองใหม่ ๆ ที่เกี่ยวข้อง ภาพที่ใช้เป็นข้อมูลแต่ละภาพจะถูกแปลงเป็นภาพแบบมัลติเพลน (multiplane) เพื่อฝึกเครือข่ายให้ระบุตำแหน่งของวัตถุในฉาก

อ่านข่าวเต็มได้ที่: Texas A&M Engineering News

VR อาจช่วยปรับปรุงความสมดุลในผู้สูงอายุ

ภาพจาก University of Bath (U.K.)

นักวิจัยจาก University of Bath ของสหราชอาณาจักรและ FIFA Medical Center of Excellence ของโปรตุเกสกำลังสำรวจการใช้ความจริงเสมือน (virtual reality) หรือ VR เพื่อปรับปรุงความสมดุลและป้องกันการหกล้มในผู้สูงอายุ นักวิจัยได้ตรวจสอบข้อมูลจากการศึกษา 19 ครั้งเพื่อตรวจสอบความถูกต้อง ความน่าเชื่อถือ ความปลอดภัย ความเป็นไปได้ และประสิทธิผลของระบบจอแสดงผลแบบสวมศีรษะสำหรับการประเมินและฝึกความสมดุลในผู้สูงอายุ พวกเขาพบว่า VR ไม่เพียงแต่สามารถประเมินความสมดุลได้อย่างมีประสิทธิภาพช่วยป้องกันการหกล้ม และปรับปรุงการควบคุมท่าทางและรูปแบบการเดิน แต่ยังแยกความแตกต่างระหว่างบุคคลที่มีสุขภาพดีและมีความบกพร่องในการทรงตัวอีกด้วย Dr. Pooya Soltani จาก Bath กล่าวว่า "VR ช่วยให้เรามีความยืดหยุ่นในการเพิ่มเอฟเฟกต์ที่ทำให้สับสน หรือปรับขนาดและลบองค์ประกอบต่าง ๆ เพื่อทดสอบว่าผู้เข้าร่วมรักษาสมดุลได้ดีเพียงใด"

อ่านข่าวเต็มได้ที่: University of Bath (U.K.)

ระบบแนะนำหนังสือของ Amazon อาจนำไปสู่ทฤษฎีสุดขั้ว?

ภาพจาก USA Today

จากการศึกษาโดยสถาบันคลังความคิดที่มีที่ตั้งในลอนดอนคือ Institute for Strategic Dialogue (ISD) พบว่าอัลกอริธึมการแนะนำของ Amazon นำผู้คนไปยังหนังสือเกี่ยวกับทฤษฎีสมคบคิดและความสุดขั้ว รวมถึงผู้เขียนที่ถูกแบนโดยแพลตฟอร์มออนไลน์อื่น ผู้คนที่ดูหนังสือเกี่ยวกับการสมรู้ร่วมคิดใน Amazon มักจะได้รับคำแนะนำเกี่ยวกับหนังสือเพิ่มเติมในเรื่องนั้น รวมถึงหนังสือเกี่ยวกับทฤษฎีสมคบคิดอื่น ๆ Chloe Colliver ของ ISD กล่าวว่าคุณลักษณะต่าง ๆ เช่นการเติมข้อความอัตโนมัติในแถบค้นหา และคำแนะนำเนื้อหาสำหรับผู้เขียนหรือผู้แต่งที่คล้ายกันสามารถนำผู้ใช้ไปสู่เนื้อหาที่รุนแรงได้ Colliver กล่าวว่า "เมื่อคิดว่าระบบแนะนำมีความสำคัญต่อการขายของ Amazon เพียงใด จึงน่าที่จะสันนิษฐานได้ว่าคำแนะนำเกี่ยวกับเนื้อหาที่รุนแรงหรือการสมคบคิดที่เป็นอันตราย ก็สามารถแพร่หลายไปได้อย่างมาก"

อ่านข่าวเต็มได้ที่: USA Today