วันพฤหัสบดีที่ 22 กันยายน พ.ศ. 2565

เราฝึกสอนเครือข่ายประสาทเทียมขนาดใหญ่บนอุปกรณ์ขนาดเล็กได้แล้ว

neiral-network
ภาพจาก IEEE Spectrum

วิธีการฝึกสอนแบบใหม่ขยายความสามารถของอุปกรณ์ขนาดเล็ก ในการฝึกสอนเครือข่ายประสาทเทียมขนาดใหญ่ ในขณะที่อาจช่วยปกป้องความเป็นส่วนตัว

Shishir Patil และเพื่อนร่วมงานที่  University of California, Berkeley ได้รวมเทคนิคการถ่ายโอนและการสร้างใหม่โดยใช้ฮิวริสติกที่ไม่ได้ดีที่สุดเพื่อลดความต้องการหน่วยความจำสำหรับการฝึกสอนผ่านระบบ private optimal energy training  หรือ POET 

ผู้ใช้ป้อนรายละเอียดทางเทคนิคของอุปกรณ์และข้อมูลเกี่ยวกับสถาปัตยกรรมของเครือข่ายประสาทเทียมที่พวกเขาต้องการฝึกสอน ระบุหน่วยความจำ และเวลาที่ต้องการใช้ ระบบสร้างจะกระบวนการฝึกสอนที่ใช้พลังงานน้อยที่สุด การทดสอบแสดงให้เห็นว่าระบบสามารถลดการใช้หน่วยความจำได้ประมาณ 80% โดยไม่เพิ่มการใช้พลังงานอย่างมีนัยสำคัญ

อ่านข่าวเต็มได้ที่: IEEE Spectrum

วันอังคารที่ 20 กันยายน พ.ศ. 2565

JavaScript ไม่ใช่ภาษาเขียนโปรแกรมนิยมของนักพัฒนาอีกต่อไปแล้ว

screen-coding
Photo by Juanjo Jaramillo on Unsplash

รายงาน State of Software Delivery ปี 2022 ของ CircleCI พบว่า TypeScript ได้ยึดบัลลังก์ของ JavaScript ในการเป็นภาษาการเขียนโปรแกรมที่นักพัฒนาชื่นชอบมากที่สุดไปแล้ว 

บริษัทมองถึงการเปลี่ยนไปใช้คุณลักษณะที่เป็นมิตรต่อนักพัฒนาของ TypeScript และส่งมอบ (commit) โค้ด การทำงานบ่อยกว่า JavaScript

CircleCI ยังพบว่าความนิยมของ Python นั้นคงที่ในอันดับที่สี่ ในขณะที่ HTML, Java และ PHP ก็ติด 10 อันดับแรกด้วย "ทีมจัดส่ง (delivery) ซอฟต์แวร์ชั้นยอดกำลังใช้เครื่องมือและแนวทางปฏิบัติที่เป็นมิตรกับนักพัฒนา ซึ่งช่วยให้พวกเขาสามารถดำเนินการอัตโนมัติ ปรับขนาด และประสบความสำเร็จในการเปลี่ยนแปลงเมื่อจำเป็น Michael จาก CircleCI กล่าว

อ่านข่าวเต็มได้ที่: TechRadar

วันจันทร์ที่ 19 กันยายน พ.ศ. 2565

นักวิทยาศาสตร์พยายามสอนหุ่นยนต์ให้หัวเราะในช่วงเวลาที่ถูกต้อง

Erica-robot
ภาพจาก The Guardian (U.K.)

Koji Inoue และเพื่อนร่วมงานที่มหาวิทยาลัยเกียวโตของญี่ปุ่นได้พัฒนาระบบปัญญาประดิษฐ์ (artificial intelligence) ที่สามารถแนะนำหุ่นยนต์ให้หัวเราะอย่างถูกวิธีในเวลาที่เหมาะสม 

นักวิจัยได้รวบรวมข้อมูลจากการพูดคุยแบบการพูดคุยทำความรู้จักอย่างรวดเร็ว (speed-dating) มากกว่า 80 ครั้งระหว่างนักเรียนชายกับหุ่นยนต์ Erica ซึ่งในตอนแรกนั้นถูกควบคุมจากระยะไกลโดยใช้นักแสดงหญิง

ทีมงานได้อธิบายข้อมูลการสนทนาสำหรับการหัวเราะคนเดียว การหัวเราะในกลุ่มการเข้าสังคม และเสียงหัวเราะที่เกี่ยวข้องกับความสนุกสนาน จากนั้นจึงฝึกระบบการเรียนรู้ของเครื่องเพื่อตัดสินใจว่าจะหัวเราะหรือไม่ และเลือกประเภทเสียงหัวเราะที่เหมาะสม

นักวิจัยได้ทดสอบอารมณ์ขันของ Erica ด้วยการสร้างบทสนทนาเพื่อพูดคุยกับกับบุคคลหนึ่งคน และรวมเอาอัลกอริทึมเสียงหัวเราะร่วมกันเข้าไว้ในซอฟต์แวร์การสนทนา อัลกอริทึมได้รับคะแนนสูงสุดจากอาสาสมัคร 130 คน ที่ทบทวนการสนทนาเหล่านั้นเพื่อหาความเห็นอกเห็นใจ ความเป็นธรรมชาติ ความเหมือนมนุษย์ และความเข้าใจ

อ่านข่าวเต็มได้ที่: The Guardian (U.K.)


วันเสาร์ที่ 17 กันยายน พ.ศ. 2565

หน้ากากดิจิทัลปกป้องความเป็นส่วนตัวของผู้ป่วย

difital-mask
ภาพจาก University of Cambridge (U.K.)


นักวิจัยจากสหราชอาณาจักรและจีนได้สร้าง "หน้ากากดิจิทัล" ที่อนุญาตให้เก็บภาพใบหน้าในเวชระเบียนในขณะที่ปกป้องการดึงข้อมูลชีวภาพ (biometric) ส่วนบุคคล 

นักวิจัยใช้การสร้างภาพใหม่แบบสามมิติ และอัลกอริทึมการเรียนรู้เชิงลึก (deep )เพื่อลบคุณสมบัติที่ระบุตัวตนได้ออกจากภาพใบหน้าในขณะที่ยังคงรักษาคุณลักษณะที่เกี่ยวข้องกับโรคไว้

หน้ากากดิจิทัลจะอ่านวิดีโอใบหน้าของผู้ป่วย และให้ผลลัพธ์เป็นวิดีโอตามอัลกอริทึม และใช้การสร้างใหม่ 3 มิติ โดยทิ้งข้อมูลไบโอเมตริกส่วนบุคคลของผู้ป่วยให้มากที่สุดเท่าที่จะเป็นไปได้ เพื่อขัดขวางการระบุตัวตน

Patrick Yu-Wai-Man จาก University of Cambridge แห่งสหราชอาณาจักรกล่าวว่าหน้ากากดิจิทัล "นำเสนอแนวทางปฏิบัติในการปกป้องความเป็นส่วนตัวของผู้ป่วยในขณะที่ยังคงให้ข้อมูลที่เป็นประโยชน์ต่อแพทย์"

อ่านข่าวเต็มได้ที่: University of Cambridge (U.K.)

วันพฤหัสบดีที่ 15 กันยายน พ.ศ. 2565

ระบบ AI ทำนายว่าจะป้องกันไฟป่าได้อย่างไร

sattelite-image
Aalto University (Finland)

ตัวแบบโครงข่ายประสาทเทียม (neural network) ที่พัฒนาขึ้นโดยนักวิจัยจาก Aalto University ของฟินแลนด์ สามารถทำนายประสิทธิภาพของกลยุทธ์การจัดการที่ดินแบบต่างๆ เพื่อช่วยบรรเทาไฟป่าได้

การวิเคราะห์มุ่งเน้นไปที่จังหวัด Central Kalimantan ตอนกลางของเกาะบอร์เนียว ตัวแบบคาดการณ์การกระจายของไฟป่าจากการวัดที่ตรวจจับได้ก่อนฤดูที่จะเกิดไฟป่าแต่ละฤดูตั้งแต่ปีค.ศ. 2022 ถึง 2019 

นักวิจัยวิเคราะห์ปัจจัย 31 ประการ จากนั้นคาดการณ์ความน่าจะเป็นของการเกิดไฟป่าในแต่ละจุดบนแผนที่ ผลลัพธ์คือการคาดการณ์การกระจายของไฟป่าประจำปีซึ่งถูกต้อง 80% ถึง 95% ของเวลาทั้งหมด

จากนั้นพวกเขาได้จำลองผลกระทบของกลยุทธ์การจัดการที่ดินแบบต่างๆ ต่อการเกิดไฟ และพบว่าการเปลี่ยนพื้นที่ป่าพุ่ม (shrubland) และป่าละเมาะ (scrubland) เป็นป่าชายเลน (swamp forest) จะลดอัตราการเกิดไฟป่าลงครึ่งหนึ่ง

อ่านข่าวเต็มได้ที่: Aalto University (Finland)