สมาร์ตโฟนทำนายความเสี่ยงที่จะเสียชีวิต

ภาพจาก  Carl R. Woese Institute for Genomic Biology (University of Illinois at Urbana-Champaign)

นักวิทยาศาสตร์จาก University of Illinois at Urbana-Champaign ได้สร้างตัวแบบสถานะสุขภาพและความเสี่ยงต่อการเสียชีวิตโดยใช้ข้อมูลเซ็นเซอร์ของสมาร์ตโฟน

นักวิจัยใช้บันทึกสุขภาพของผู้เข้าร่วม 100,000 คนจาก Biobank ในสหราชอาณาจักร  โดยผู้เข้าร่วมสวมอุปกรณ์ที่ติดตั้งเซ็นเซอร์ตรวจจับความเคลื่อนไหวเป็นเวลาหนึ่งสัปดาห์ โดยวัดแรงของการเดินที่ปล่อยออกมาในช่วงสั้น ๆ ของการเคลื่อนตัวตามปกติ

นักวิจัยได้สร้างตัวแบบการเคลื่อนไหวที่เป็นลายเซ็นของเซสชั่นการเดินเหล่านี้จากชุดข้อมูล เพื่อคาดการณ์ความเสี่ยงในการตาย และตรวจสอบจาก  Death Registry ของสหราชอาณาจักรเพื่อดูว่าผู้เข้าร่วมรายใดเสียชีวิตในระยะเวลาห้าปี

พวกเขาพบว่าผู้เข้าร่วมการศึกษาที่ทำกิจกรรมในระดับปานกลางถึงสูงมีอัตราการเสียชีวิตต่ำกว่าผู้ที่ไม่ได้ทำกิจกรรม

อ่านข่าวเต็มได้ที่: Carl R. Woese Institute for Genomic Biology (University of Illinois at Urbana-Champaign)

Google แจ้งเตือนก่อนเกิดแผ่นดินไหวได้อย่างไร

Photo by Pawel Czerwinski on Unsplash

ในเช้าวันที่ 25 ต.ค. ผู้ใช้ Android กว่า 1 ล้านคนในบริเวณอ่าวซานฟรานซิสโกได้รับการแจ้งเตือนเกี่ยวกับแผ่นดินไหวขนาด 4.8 ก่อนที่จะเกิดขึ้นหลายวินาที การแจ้งเตือนของ Android  ใช้ข้อมูลจากโปรแกรม ShakeAlert ของ U.S. Geological Survey (USGS) ซึ่ง Google ได้รวมไว้ในแอป MyShake

USGS ใช้เครือข่ายเซ็นเซอร์ 1,300 ตัวในการตรวจจับคลื่นไหวสะเทือนแบบอ่อน โดยจะส่งการแจ้งเตือนไปยังศูนย์ประมวลผลข้อมูลเมื่อมีการทริกเกอร์เซ็นเซอร์สี่ตัวพร้อมกัน จากนั้นระบบ ShakeAlert จะระบุว่าว่าคลื่น ที่แรงกว่าจะเกิดขึ้นหรือไม่

Google ยังใช้ประโยชน์จากมาตรวัดความเร่งของสมาร์ทโฟนเพื่อระบุสัญญาณของแผ่นดินไหว และใช้ข้อมูลที่รวบรวมจากโทรศัพท์หลายเครื่องเพื่อระบุตำแหน่งและส่งการแจ้งเตือน 

อ่านข่าวเต็มได้ที่: Wired

อัลกอริทึมส่งโฆษณาของ Facebook มีอคติทางเชิ้อชาติ เพศ และอายุ

Photo by Dima Solomin on Unsplash

นักวิจัยของ Northeastern University พบว่าอัลกอริธึมการแสดงโฆษณาของ Facebook ส่งโฆษณาไปยังผู้ใช้ตามเชื้อชาติ เพศ และอายุ ตัวอย่างเช่น “เมื่อคุณเลือกที่จะเลือกภาพที่มีผู้หญิงกับผู้ชาย โดยทั่วไปแล้วโฆษณาจะไปถึงผู้หญิงมากกว่า ยกเว้นถ้าเทียบระหว่างภาพของหญิงสาวกับผู้ชายที่มีอายุมากกว่า โฆษณาจะถูกส่งไปที่ผู้ชาย” Alan Mislove จาก Northeastern University อธิบาย

อัลกอริธึมของ Facebook ได้รับการฝึกอบรมโดยใช้ข้อมูลของบริษัทแม่ Meta ที่ได้รวบรวมจากโฆษณาทั้งหมดบนแพลตฟอร์มและการตอบสนองที่โฆษณาเหล่านั้นได้รับ Piotr Sapiezynski แห่ง Northeastern University กล่าวว่าอัลกอริทึมนี้ใช้เชื้อชาติ เพศ และอายุในการประมาณการแบบ "หยาบมาก" เกี่ยวกับว่าจะส่งโฆษณาไปที่ใด 

อ่านข่าวเต็มได้ที่: News@Northeastern

เครื่องมือวิชวลไลเซชันช่วยระบุการค้ามนุษย์

ภาพจาก Carnegie Mellon University School of Computer Science

เครื่องมือช่วยสร้างภาพ (visualization) จากข้อมูล TrafficVis ที่พัฒนาโดยนักวิจัยจาก Carnegie Mellon University (CMU) และ Marinus Analytics ที่แยกออกมาจาก CMU และมหาวิทยาลัย McGill ของแคนาดาสามารถช่วยหน่วยงานต่อต้านการค้ามนุษย์ด้วยการระบุรูปแบบในโฆษณาเพื่อนเที่ยวออนไลน์

TrafficVis ใช้ข้อมูลที่รวบรวมโดย InfoShield และอัลกอริทึมที่คล้ายคลึงกัน ซึ่งจะสแกนและจัดกลุ่มความคล้ายคลึงกันในข้อความโฆษณาออนไลน์ เพื่อช่วยผู้บังคับใช้กฎหมายใช้เป็นแนวทางในการสืบสวนและระบุผู้ค้ามนุษย์และเหยื่อได้ดียิ่งขึ้น

InfoShield สามารถรวบรวมโฆษณานับล้านและระบุการใช้ถ้อยคำที่คล้าย ๆ กัน หรือความซ้ำ ๆ เนื่องจากผู้ค้ามนุษย์อาจเขียนโฆษณาสำหรับเหยื่อหลายราย การจัดกลุ่มคุณลักษณะที่คล้ายกันอาจเป็นสัญญาณถึงกิจกรรมที่น่าสงสัย

อ่านข่าวเต็มได้ที่: Carnegie Mellon University School of Computer Science

หุ่นยนต์ทำลายสถิติการพับผ้า

ภาพจาก Ars Technica

นักวิจัยจาก University of California, Berkeley และ Karlsruhe Institute of Technology ของเยอรมนี ได้สร้างสถิติความเร็วในการพับผ้าของหุ่นยนต์ด้วยระบบ SpeedFolding 

SpeedFolding ผสมผสานแมชชีนวิชั่น (machine vision) เครือข่าย BiManual Manipulation Network (BiMaMa-Net) และแขนหุ่นยนต์อุตสาหกรรมสองตัวเพื่อพับเสื้อผ้าในตำแหน่งแบบสุ่มได้ถึง 30 ถึง 40 ชิ้นต่อชั่วโมง ซึ่งนักวิจัยบอกว่าสถิติก่อนหน้านี้ึคือ 6 ชิ้นต่อชั่วโมง

โครงข่ายประสาทเทียม BiMaMa-Net วิเคราะห์ตัวอย่าง 4,300 ตัวอย่างที่มนุษย์และเครื่องจักรช่วยสอนเพื่อเรียนรู้การพับเสื้อผ้า ระบบใช้กล้องเหนือศีรษะเพื่อศึกษาสถานะเริ่มต้นของเสื้อผ้า และคำนวณตำแหน่งที่จะจับ

หุ่นยนต์ SpeedFolding สามารถพับเสื้อผ้าจากตำแหน่งเริ่มต้นแบบสุ่มได้ภายในเวลาไม่ถึงสองนาทีโดยเฉลี่ยที่อัตราความสำเร็จ 93% โดยสามารถทำงานได้กับเสื้อผ้าที่มีวัสดุ รูปร่าง หรือสีที่ต่างจากที่ได้รับการฝึกฝน 

อ่านข่าวเต็มได้ที่: Ars Technica