อัลกอริทึมทำนายได้อย่างแม่นยำเมื่อวัยรุ่นมีแนวโน้มที่จะมีความคิดและพฤติกรรมฆ่าตัวตาย

ภาพจาก Brigham Young University

นักวิจัยจากมหาวิทยาลัย Brigham Young, Johns Hopkins และ Harvard ได้พัฒนาอัลกอริทึมที่พวกเขากล่าวว่ามีความแม่นยำถึง 91% ในการทำนายความคิดและพฤติกรรมการฆ่าตัวตาย ( suicidal thoughts and behavior) หรือ STB ในหมู่วัยรุ่น นักวิจัยได้ตรวจสอบข้อมูลจากนักเรียนมัธยมต้นและมัธยมปลาย 179,384 คน รวมทั้งผู้เข้าร่วมในการสำรวจสุขภาพและการป้องกันความเสี่ยงของนักเรียนในปี 2017 โดยมีการประมวลผลข้อมูลทั้งหมด 1.2 พันล้านประเด็น ทีมงานใช้อัลกอริทึมหลายตัวกับข้อมูล ซึ่งทำให้ได้ตัวแบบการเรียนรู้ของเครื่อง (machine learning) ที่คาดการณ์ได้อย่างถูกต้องว่าวัยรุ่นคนใดจะมี STB ในภายหลัง ผู้หญิงมีแนวโน้มที่จะมี STB มากกว่าผู้ชาย ในขณะที่วัยรุ่นที่ไม่มีพ่อดูแลก็มีแนวโน้มที่จะคิดฆ่าตัวตายมากกว่า

อ่านข่าวเต็มได้ที่: Brigham Young University

เอาชนะการดื้อยาปฏิชีวนะโดยใช้ซุปเปอร์คอมพิวเตอร์

ภาพจาก University of Portsmouth (U.K.)

ทีมนักวิทยาศาสตร์นานาชาติได้ใช้ซูเปอร์คอมพิวเตอร์เพื่อเสริมสร้างประสิทธิภาพของยาปฏิชีวนะที่มีอยู่ในตอนนี้เพื่อต่อต้านการดื้อต่อเชื้อแบคทีเรีย นักวิจัยได้กำหนดกลยุทธ์เพื่อสร้างตัวแบบหลาย ๆ ด้านของยาปฏิชีวนะที่มีการออกแบบใหม่พร้อม ๆ กัน ซึ่งรวมถึงการละลาย การแทรกซึมของแบคทีเรีย และการยับยั้งการผลิตโปรตีน ซูเปอร์คอมพิวเตอร์ชั้นนำของยุโรปสร้างตัวแบบนี้เสร็จภายในเวลาไม่กี่สัปดาห์ แต่ทีมงานใช้เวลาหลายปีในการตรวจสอบวิธีการทดลอง Gerhard Koenig จาก University of Portsmouth แห่งสหราชอาณาจักรกล่าวว่า "การใช้วิธีการคำนวณช่วยให้การพัฒนาอนุพันธ์ของยาปฏิชีวนะใหม่เร็วขึ้น และราคาถูกลง และการทำนายว่าสารประกอบทางเคมีจะทำงานก่อนที่จะสังเคราะห์หรือไม่ก็ช่วยหลีกเลี่ยงความสิ้นเปลืองทางเคมี"

อ่านข่าวเต็มได้ที่: University of Portsmouth (U.K.)

บั๊กในโค้ดช่วยให้นักวิจัยสร้างเครื่องมือถอดรหัสมัลแวร์ Secret BlackMatter

Photo by Clint Patterson on Unsplash

นักวิจัยจากบริษัทรักษาความปลอดภัยทางไซเบอร์ Emsisoft ช่วยกู้คืนไฟล์ที่เข้ารหัสของผู้ที่ตกเป็นเหยื่อของมัลแวร์เรียกค่าไถ่ BlackMatter นักวิจัยระบุว่าช่องโหว่ในกระบวนการเข้ารหัสของ BlackMatter ทำให้สามารถกู้คืนไฟล์ที่เข้ารหัสได้โดยที่เหยื่อไม่ต้องจ่ายค่าไถ่ พวกเขาไม่ได้ประกาศจุดอ่อนที่ค้นพบเมื่อต้นปีนี้เพราะกลัวว่ากลุ่ม BlackMatter จะแก้ไข Fabian Wosar แห่ง Emsisoft กล่าวว่า "ตั้งแต่นั้นมา เราได้ยุ่งอยู่กับการช่วยเหลือผู้ที่ตกเป็นเหยื่อ BlackMatter กู้คืนข้อมูลของพวกเขา ด้วยความช่วยเหลือของหน่วยงานบังคับใช้กฎหมาย, CERT  (Computer Emergency Readiness Teams) และพันธมิตรภาคเอกชนในหลายประเทศ เราสามารถเข้าถึงเหยื่อจำนวนมากได้ ช่วยพวกเขาหลีกเลี่ยงการต้องจ่ายหลายสิบล้านดอลลาร์ตามที่ถูกเรียกร้อง

อ่านข่าวเต็มได้ที่: Tech Crunch

NASA และ ESA ร่วมมือกันเพื่อเผยแพร่แพลตฟอร์มวิทยาศาสตร์แบบเปิดเผยรหัสในคลาวด์

ภาพจาก NASA

National Aeronautics and Space Administration หรือ NASA และ European Space Agency หรือ ESA ได้พัฒนา Multi-Mission Algorithm and Analysis Platform (MAAP) ซึ่งเป็นเครื่องมือเปิดเผยรหัส (open source) สำหรับวิเคราะห์ข้อมูล Earth Science ในระบบคลาวด์ MAAP ให้การเข้าถึงข้อมูลวิทยาศาสตร์เกี่ยวกับโลก (Earth science) จาก NASA และ ESA อย่างราบรื่น ดังนั้นนักวิจัยสามารถทำงานร่วมกันเพื่อพัฒนาอัลกอริทึมและโค้ดได้ นอกจากนี้ยังช่วยให้พวกเขาวิเคราะห์และนำเสนอภาพของชุดข้อมูลขนาดใหญ่ที่ได้จากดาวเทียม สถานีอวกาศนานาชาติ และแหล่งข้อมูลอื่น ๆ ในขั้นต้น MAAP จะมุ่งเน้นไปที่การวัดชีวมวลเหนือพื้นดิน ในการกำหนดขนาดและปริมาณคาร์บอนของป่าไม้ของโลก เพื่อช่วยในการจัดการการเปลี่ยนแปลงสภาพภูมิอากาศโลก แหล่งข้อมูลเพิ่มเติมเพื่อแก้ไขปัญหาวิทยาศาสตร์เกี่ยวกับโลกในส่วนที่กว้างกว่านี้ จะถูกเพิ่มใน MAAP เวอร์ชัน 2 ซึ่งกำหนดจะเผยแพร่ในช่วงฤดูใบไม้ผลิ 

อ่านข่าวเต็มได้ที่: NASA

คำที่ใช้ในงานวิจัยด้านการทำเหมืองข้อความนั้นมีอคติ

Photo by Shahadat Rahman on Unsplash

นักวิจัยของ Cornell University พบรายการคำศัพท์ที่บรรจุและแบ่งปันกันเพื่อหาปริมาณอคติในข้อความออนไลน์ มักประกอบด้วยคำหรือ "กลุ่มคำ (seeds)" ที่มีอคติทั้งโดยตัวมันเองและกลุ่มของมัน ตัวอย่างเช่น การมีคำว่า "แม่ (mom)" ในกลุ่มคำที่ใช้วิเคราะห์ข้อความที่เกี่ยวกับเรื่องเพศในการทำงานบ้านจะทำให้ได้ผลลัพธ์เป็นเพศหญิง Maria Antoniak จาก Cornell กล่าวว่า "เป้าหมายไม่ใช่เพื่อด้อยค่าการค้นหา แต่เพื่อช่วยให้นักวิจัยคิดถึงความเสี่ยงที่อาจเกิดขึ้นจากกลุ่มคำที่ใช้สำหรับการตรวจจับอคติ"  เธอกล่าวว่ากลุ่มคำบางกลุ่มไม่มีเอกสาร หรืออยู่ลึกเข้าไปในรหัสของตัวแบบและชุดข้อมูล Antoniak แนะนำให้นักวิจัยด้านมนุษยศาสตร์ดิจิทัลและการประมวลผลภาษาธรรมชาติ ติดตามต้นกำเนิดของชุดกลุ่มคำและคุณสมบัติของมัน ตรวจสอบและทดสอบด้วยตนเอง และจัดทำเอกสารเกี่ยวกับกลุ่มคำและเหตุผลของการได้มาของกลุ่มคำนี้ 

อ่านข่าวเต็มได้ที่: Cornell Chronicle