บอทสามารถตรวจพบผู้ใช้ Twitter ที่มีความซึมเศร้า 9 จาก 10 ราย

ภาพจาก Brunel University London (U.K.)

อัลกอริทึมที่พัฒนาโดยนักวิจัยจาก Brunel University London และ University of Leicester ในสหราชอาณาจักร สามารถตรวจสอบสภาพจิตใจของบุคคลได้โดยการแยกและวิเคราะห์จุดข้อมูล 38 จุดจากโปรไฟล์ Twitter สาธารณะของพวกเขา

นักวิจัยได้ฝึกอบรมบอทบนฐานข้อมูลสองฐานข้อมูลที่มีประวัติการทวีตของผู้ใช้หลายพันคน และข้อมูลเพิ่มเติมเกี่ยวกับสุขภาพจิตของพวกเขา โดยไม่รวมเอาผู้ใช้ที่มีการทวีตน้อยกว่า 5 ทวีต จากนั้นจึงแก้ไขคำที่สะกดผิดและตัวย่อโดยใช้ซอฟต์แวร์ภาษาธรรมชาติ

อัลกอริทึมระบุภาวะซึมเศร้าด้วยความแม่นยำ 88.39% ในชุดข้อมูลหนึ่ง และ 70.69% ในอีกชุดหนึ่ง Abdul Sadka แห่ง Brunel กล่าวว่า "แม้จะไม่ได้แม่นยำ 100% แต่ฉันไม่คิดว่าโซลูชันการเรียนรู้ของเครื่องใด ๆ จะสามารถบรรลุความน่าเชื่อถือได้ที่ระดับ 100% อย่างไรก็ตาม ยิ่งคุณเข้าใกล้ตัวเลข 90 เปอร์เซ็นต์มากเท่าไหร่ ก็ยิ่งดีเท่านั้น”

อ่านข่าวเต็มได้ที่: Brunel University London (U.K.)

AI กำลังอธิบายตัวเองให้คนฟัง และดูเหมือนจะได้ผล

ภาพจาก Reuters

บริษัทสตาร์ทอัพและบริษัทเทคโนโลยีรายใหญ่กำลังลงทุนอย่างหนักในด้านปัญญาประดิษฐ์ที่อธิบายได้ (eXplainable artificial intelligence) หรือ XAI เนื่องจากหน่วยงานกำกับดูแลของสหรัฐอเมริกาและสหภาพยุโรปรณรงค์เพื่อให้เกิดความเป็นธรรมและความโปร่งใสจากการตัดสินใจโดยอัตโนมัติ

ผู้สนับสนุน XAI กล่าวว่าได้ช่วยให้ AI มีประสิทธิภาพมากขึ้นในด้านต่างๆ เช่น การดูแลสุขภาพและการขาย Microsoft เห็นว่ารายรับจากการสมัครสมาชิก LinkedIn เพิ่มขึ้น 8% หลังจากให้บริการซอฟต์แวร์ CrystalCandle แก่ทีมขาย ซึ่งระบุลูกค้าที่มีความเสี่ยงที่จะยกเลิกสมาชิกพร้อมทั้งอธิบายเหตุผล ส่วนผู้ที่ยังคลางแคลงบอกว่าคำอธิบายของ AI ว่าทำไมมันถึงทำนายได้ยังมีความไม่น่าเชื่อถืออยู่มาก 

LinkedIn กล่าวว่าเราไม่สามารถตัดสินความครบถ้วนสมบูรณ์ของอัลกอริธึมได้หากไม่เข้าใจเหตุผล ในขณะที่เครื่องมือเช่น CrystalCandle สามารถช่วยให้แพทย์เรียนรู้ว่าเพราะอะไร AI จึงคาดการณ์ว่าบางคนมีความเสี่ยงที่จะเป็นโรคมากขึ้น

อ่านข่าวเต็มได้ที่: Reuters

การท่องเน็ตที่ให้ความรู้สึกทันทีทันใด

ภาพจาก  Duke Today

นักวิจัยจาก   Duke University, University of Illinois, Yale University, และ ETH Zurich ของสวิตเซอร์แลนด์ ได้พัฒนาการออกแบบสำหรับเครือข่ายอินเทอร์เน็ตความเร็วแสงใน 120 เมืองในสหรัฐอเมริกา แทนที่จะใช้สายเคเบิลใยแก้วนำแสงที่ฝังไว้คดเคี้ยวไปมาตามพิ้นดิน เครือข่ายจะนำข้อมูลแบบไร้สายผ่านการส่งสัญญาณคลื่นไมโครเวฟ เนื่องจากสัญญาณเดินทางในอากาศเร็วกว่าแสงที่เดินทางผ่านไฟเบอร์ 50%

วิธีการนี้ใช้เครือข่ายที่สร้างขึ้นเองตั้งแต่ต้นปี 2010 ซึ่งช่วยลดเวลาในการส่งข้อมูลระหว่าง Chicago Mercantile Exchange และตลาดหลักทรัพย์ในรัฐนิวเจอร์ซีย์ได้ภายในเสี้ยววินาที นักวิจัยประเมินว่าการส่งข้อมูลผ่านเครือข่ายดังกล่าวจะมีค่าใช้จ่าย 81 เซนต์ต่อกิกะไบต์ และลดความล่าช้าลงอยู่ใน 5% ของความเร็วที่แสงทำได้ 

อย่างไรก็ตามนักวิจัยบอกว่าไม่ใช่ว่าจะสามารถเปลี่ยนอินเทอร์เน็ตมาใช้แบบนี้ได้ทั้งหมด เพราะเอาจริง ๆ แล้วปริมาณข้อมูลในการรับส่งด้วยวิธีนี้ยังเทียบกับวิธีเดิมไม่ได้ มันเหมาะกับงานที่ต้องการการตอบสนองอย่างทันใดเช่นการที่นักดนตรีอาจจะอยู่ห่างกันเป็นร้อยไมล์ แต่เมื่อเล่นเพลงด้วยกันแล้ว เหมือนกับนั่งเล่นอยู่ในห้องเดียวกัน  

อ่านข่าวเต็มได้ที่: Duke Today

ข้อมูลจากเพื่อน และคนที่ไม่รู้จักสามารถบอกได้ว่าเราอยู่ที่ไหน

ภาพจาก Futurity.org

ทีมนักวิทยาศาสตร์นานาชาติระบุว่าข้อมูลจากเพื่อนและคนแปลกหน้าสามารถใช้ทำนายตำแหน่งของใครบางคนได้ แม้ว่าฟังก์ชันการติดตามข้อมูลบนอุปกรณ์ส่วนตัวของพวกเขาจะถูกปิดไว้ก็ตาม 

Gourab Ghoshal University of Rochester และเพื่อนร่วมงานได้วิเคราะห์ชุดข้อมูลเครือข่ายโซเชียลที่มีข้อมูลตำแหน่งที่อยู่สามชุดที่รวบรวมการเช็คอินนับล้านครั้งบนแอปพลิเคชัน เช่น Brightkite, Facebook และ Foursquare และบันทึกของข้อมูลการโทรมากกว่า 22 ล้านครั้งโดยผู้ใช้ที่ไม่ระบุชื่อเกือบ 36,000 ราย 

ทีมงานใช้ทฤษฎีสารสนเทศและการวัดเอนโทรปี (entropy) เพื่อเรียนรู้ว่ารูปแบบการเคลื่อนไหวของผู้ที่มีความสัมพันธ์ทางสังคมกับบุคคลนั้น สามารถรวบรวมข้อมูลที่จำเป็นต้องใช้ในการประเมินความเคลื่อนไหวของบุคคคลนั้นได้มากถึง 95%  แม้แต่ข้อมูลจากคนแปลกหน้าก็สามารถนำมาใช้ทำนายการเคลื่อนไหวของบุคคลได้ถึง 85%

อ่านข่าวเต็มได้ที่: Futurity.org

แอปประชุมทางไกลอาจยังฟังเสียงเราอยู่ถึงแม้เราจะปิดไมค์แล้ว

Fawaz and Yucheng ภาพจาก  University of Wisconsin-Madison News

Kassem Fawaz และ Yucheng Yang แห่ง University of Wisconsin-Madison พบว่าแอปพลิเคชั่นการประชุมผ่านวิดีโอจำนวนมากยังคงฟังเสียงของเราอยู่เมื่อมีเราปิดไมโครโฟน นักวิจัยได้ทดสอบแอปเหล่านั้นบนระบบปฏิบัติการหลายตัว และได้เรียนรู้ว่าโดยส่วนใหญ่ "เมื่อคุณปิดเสียงตัวเอง แอปเหล่านี้ไม่ได้หยุดเข้าถึงไมโครโฟน" Fawaz กล่าว 

Fawaz ร่วมกับ Yang และเพื่อนร่วมงานที่ Loyola University Chicago ติดตามเสียงในแอปการประชุมทางวิดีโอยอดนิยม และพบว่าพวกมันทั้งหมดเก็บรวบรวมข้อมูลเป็นครั้งคราวขณะปิดเสียง แอพหนึ่งยังคงรวบรวมและส่งข้อมูลไปยังเซิร์ฟเวอร์ในอัตราปกติแม้จะปิดเสียงไมโครโฟน 

นักวิจัยได้ฝึกอบรมตัวแยกประเภทกิจกรรมโดยใช้เสียงจากวิดีโอ YouTube ซึ่งแสดงถึงกิจกรรมพื้นหลังทั่วไป 6 กิจกรรมเพื่อระบุกิจกรรมพื้นหลังจากแอปการประชุมทางวิดีโอที่ปิดเสียง โดยคะแนนความแม่นยำที่ได้อยู่ที่ 82% 

อ่านข่าวเต็มได้ที่: University of Wisconsin-Madison News