วิเคราะห์พฤติกรรมสัตว์จากวิดีโอ ด้วยระบบอัตโนมัติ
สำหรับนักวิจัยที่ต้องมีส่วนร่วมในการศึกษาพฤติกรรมสัตว์ โดยปกติแล้วมักใช้เวลาหลายชั่วโมงกับวิดีโอที่พวกเขาต้องวิเคราะห์ด้วยตนเอง ซึ่งนักวิจัยจะต้องดำเนินการผ่านการบันทึกที่กินเวลาหลายสัปดาห์หรือหลายเดือน โดยการสังเกตพฤติกรรมของสัตว์อย่างลำบาก ดังนั้นนักวิจัยจาก ETH Zurich และ University of Zurich จึงได้คิดค้นวิธีวิเคราะห์การบันทึกวิดีโอดังกล่าวได้โดยอัตโนมัติ โดยอัลกอริทึมการวิเคราะห์ภาพที่พวกเขาพัฒนาขึ้นนั้น ใช้ประโยชน์จาก computer vision และ machine learning ซึ่งมันสามารถแยกแยะสัตว์แต่ละตัวและระบุพฤติกรรมเฉพาะได้ เช่น สัตว์ที่บ่งบอกถึงความอยากรู้ ความกลัว หรือมีปฏิสัมพันธ์ทางสังคมกับสมาชิกคนอื่นในสายพันธุ์ของพวกมัน
โดยงานนี้ นักวิจัยได้ฝึกอบรมอัลกอริทึม ของ machine learning ด้วยวิดีโอของหนูและลิงที่ถูกกักขังไว้ แต่นักวิจัยได้กล่าวว่า วิธีการนี้สามารถใช้ได้กับสัตว์ทุกชนิด และวิธีการใหม่นี้ยังสามารถนำมาใช้ในการปรับปรุงการเลี้ยงสัตว์ ทำให้สามารถตรวจสอบพฤติกรรมที่ผิดปกติได้ตลอด 24 ชั่วโมงโดยอัตโนมัติ โดยการตรวจหาปฏิสัมพันธ์ทางสังคมที่ไม่พึงประสงค์หรือการเริ่มมีโรค ทำให้ผู้ดูแลสามารถตอบสนองต่อการปรับปรุงสภาพสำหรับสัตว์ที่อยู่ในความดูแลได้อย่างรวดเร็ว
ขณะนี้นักวิจัย ETH กำลังร่วมมือกับสวนสัตว์ซูริก ที่ต้องการปรับปรุงการเลี้ยงสัตว์และดำเนินการวิจัยพฤติกรรมอัตโนมัติ ตัวอย่างเช่น ในการศึกษาที่ตีพิมพ์เมื่อเร็ว ๆ นี้ซึ่งตรวจสอบรูปแบบพฤติกรรมการนอนหลับของช้าง ที่นักวิจัยสวนสัตว์ต้องใส่คำอธิบายประกอบการบันทึกวิดีโอตอนกลางคืนด้วยตนเอง ความหวังของพวกเขาคือวิธีการใหม่นี้จะช่วยให้พวกเขาสามารถดำเนินการอัตโนมัติและเพิ่มการค้นพบดังกล่าวได้มากขึ้นในอนาคต
อ้างอิง : https://techxplore.com/news/2022-04-automated-analysis-animal-behavior-ai.html
Poisoned AI วิกฤตความปลอดภัยทางไซเบอร์ที่จะเกิดขึ้น
ในช่วงทศวรรษที่ผ่านมา AI ได้ถูกนำมาใช้งานเป็นจำนวนมาก ซึ่งในขณะเดียวกันเทคนิคที่ใช้แฮกข้อมูลหรือใช้ในการโจมตีทางไซเบอร์ก็มีการพัฒนามากขึ้นเช่นกัน การรวมกันระหว่าง AI และ cybersecurity (ความปลอดภัยทางไซเบอร์) จึงเป็นเรื่องที่เกิดขึ้นอย่างหลีกเลี่ยงไม่ได้เนื่องจาก cybersecurity ก็ต้องการเครื่องมือที่ดีขึ้นและ AI ก็ต้องการ use case ที่มากขึ้น แต่เช่นเดียวกันก็มีปัญหามากมายที่ตามมาโดยเฉพาะภัยคุกคามที่อาจจะสามารถหลีกเลี่ยงการปกป้องจากวิธีการของ cybersecurity โดยไม่สามารถถูกตรวจจับได้ ภัยคุกคามที่กล่าวถึงนั่นคือ “data poisoning” หรือการควบคุมเปลี่ยนแปลงข้อมูลที่จะถูกนำไปใช้สอน AI ทำให้การป้องกันทางไซเบอร์ที่ใช้ AI นั้นไม่สามารถตรวจจับความผิดปกติเหล่านั้นได้ซึ่งปัจจุบันหลายบริษัทยังไม่พร้อมที่จะรับมือกับปัญหานี้
Machine learning หรือรูปแบบหนึ่งของ AI ที่ถูกพัฒนาและใช้ในปัจจุบันนั้นเป็นเป้าหมายที่จะถูกทำการโจมตีโดย data poisoning ซึ่งปกติในการที่เราจะสอนให้ machine learning ที่ไม่รู้จักว่าสุนัขคืออะไรให้มันเรียนรู้และจดจำสุนัข เราจะต้องป้อนข้อมูลรูปภาพของสุนัขเป็นจำนวนมากให้กับมันจนสุดท้ายแล้วตัวอัลกอริทึมนั้นสามารถจดจำได้ว่ารูปที่ส่งเข้าไปคือสุนัขหรือไม่ ซึ่งวิธีการเดียวกันนี้ถูกนำไปใช้กับ cybersecurity สำหรับการตรวจจับซอฟต์แวร์ที่เป็นอันตราย (malicious software) โดยบริษัทที่ทำการใช้ AI สำหรับใช้งาน cybersecurity จะทำการป้อนข้อมูลที่ถูกจำแนกว่าเป็นซอฟต์แวร์ที่ปลอดภัยหรือซอฟต์แวร์ที่เป็นอันตรายให้กับตัว AI ได้เรียนรู้ ซึ่งระบบ machine learning โดยเฉพาะเทคนิคที่เรียกว่า neural network นั้นจำเป็นต้องใช้ข้อมูลจำนวนมหาศาลเพื่อสอนให้ตัวระบบสามารถคาดเดาและแยกแยะได้ถูกต้อง ซึ่งแม้แต่บริษัทขนาดใหญ่จำนวนมากก็ยังมีข้อมูลที่ไม่มากพอสำหรับมัลแวร์ทุกชนิด ด้วยเหตุผลนั้นพวกเขาจึงต้องพึ่งพาข้อมูลนอกเหนือจากในบริษัทของเขารวมไปถึงข้อมูลแบบ crowd-sourced หรือข้อมูลที่มาจากฝูงชนหรือผู้คนเข้ามาร่วมให้ข้อมูลแบบสาธารณะ
ซึ่งด้วยช่องว่างตรงนี้ทำให้แฮกเกอร์ทำการโจมตีตัวโมเดล AI โดยทำการจงใจสร้างชุดโค้ดที่เป็นอันตรายแต่ทำการบอกกับโมเดลว่าชุดโค้ดเหล่านั้นเป็นชุดโค้ดที่ปลอดภัยแล้วทำการใส่ชุดโค้ดพวกนั้นลงไปในชุดข้อมูลขนาดใหญ่ซึ่งทำให้หลายคนไม่ได้ทำการตรวจสอบข้อมูลทั้งหมดว่าถูกต้องหรือเปล่าเนื่องจากเป็นสิ่งที่ยากมากสำหรับคนเราในการมานั่งตรวจสอบข้อมูลจำวนมหาศาลขนาดนั้น ในงานนำเสนอที่ Hitcon Security Conference ในไทเปเมื่อปีที่แล้วนักวิจัย Cheng Shin-Ming และ Tseng Ming-Huei แสดงให้เห็นว่าแฮกเกอร์สามารถหลีกเลี่ยงการป้องกันจากการใช้ data poisoning น้อยกว่า 0.7% ของข้อมูลที่ส่งไปยังระบบ machine learning นั่นเป็นสิ่งที่บอกว่าตัวระบบ machine learning สามารถถูกโจมตีได้เพียงข้อมูลไม่กี่ตัวอย่างจากข้อมูลโอเพนซอร์ซที่ไม่ผ่านการตรวจสอบจำนวนไม่มากเท่านั้น อย่างไรก็ตามอุตสาหกรรม cybersecurity ได้ให้ความสำคัญกับปัญหานี้โดยการบังคับให้บริษัทที่เกี่ยวข้องใช้วิธีการต่างๆ ให้มากขึ้นเพื่อเสริมการป้องกัน วิธีหนึ่งที่จะช่วยป้องกัน data poisoning สำหรับนักวิทยาศาสตร์ที่พัฒนาแบบโมเดล AI คือทำการตรวจสอบข้อมูลที่ใช้ในการสอนโมเดลอย่างสม่ำเสมอ
อัลกอริทึมที่สามารถทำนายความประทับใจแรกพบของใบหน้าได้
เมื่อคนสองคนมาพบกัน ก็คงปฏิเสธไม่ได้ว่า เมื่อเจอหน้ากันแล้วก็จะมีการตัดสินทุกอย่าง ตั้งแต่อายุของอีกฝ่ายไปจนถึงความฉลาดหรือความน่าเชื่อถือ โดยพิจารณาจากรูปลักษณ์เท่านั้น แม้ว่าความประทับใจแรกพบมักจะไม่แม่นยำ แต่ก็ทรงพลังอย่างยิ่ง เพราะมันสามารถส่งผลกระทบต่อทุกอย่างตั้งแต่การตัดสินใจจ้างงานไปจนถึงการพิจารณาคดีอาญา
ด้วยเหตุนี้ นักวิจัยจาก Stevens Institute of Technolog ร่วมกับ Princeton University และ University of Chicago จึงได้พัฒนา AI ที่สามารถใช้เพื่อทำนายความประทับใจแรกพบเหล่านี้ และคาดการณ์ได้อย่างแม่นยำว่าผู้คนจะถูกรับรู้อย่างไรจากภาพถ่ายใบหน้าของพวกเขา โดยนักวิจัยกล่าวว่า “มีงานวิจัยจำนวนมากที่เน้นการสร้างแบบจำลองลักษณะทางกายภาพของใบหน้าของผู้คน แต่งานนี้เรากำลังนำสิ่งนั้นมารวมกับวิจารณญาณของมนุษย์และใช้การเรียนรู้ของเครื่องเพื่อศึกษาความประทับใจครั้งแรกของผู้คนที่มีต่อกัน”
ในงานนี้ได้ให้ผู้คนหลายพันคนให้ข้อมูลความประทับใจครั้งแรกต่อภาพถ่ายใบหน้าที่สร้างด้วยคอมพิวเตอร์มากกว่า 1,000 ภาพ โดยจัดอันดับโดยใช้เกณฑ์ เช่น ความฉลาด เคร่งศาสนา น่าเชื่อถือ หรือสายสังคม ซึ่งคำตอบนั้นจะถูกใช้เพื่อฝึกโครงข่ายประสาทเทียมเพื่อตัดสินคนได้ในทันทีว่ามีความประทับใจแรกเป็นอย่างไร โดยอิงจากภาพถ่ายใบหน้าของพวกเขาเท่านั้น ซึ่งอัลกอริทึมนี้ ไม่ได้ให้ข้อเสนอแนะหรืออธิบายว่าทำไมถึงตัดสินแบบนั้น แต่จะช่วยให้เราเข้าใจว่าเราถูกมองเป็นอย่างไร ซึ่งจะช่วยให้คุณตัดสินใจได้ว่าคุณควรจะนำเสนอตัวเองอย่างไร”
อ้างอิง : https://techxplore.com/news/2022-04-algorithm-opinions.html
รถบัสโดยสารไร้คนขับ เตรียมทดสอบในสกอตแลนด์
บริษัทในสหราชอาณาจักรเตรียมทดสอบให้บริการรถบัสโดยสารแบบไร้คนขับ เพื่อเตรียมนำร่องรับส่งผู้โดยสารในสกอตแลนด์ภายในสิ้นปี และคาดว่าจะกลายเป็นมิติใหม่ของการให้บริการขนส่งสาธารณะแบบอัตโนมัติอีกด้วย โดยรถบัสรองรับผู้โดยสารได้ 36 คน ภายในติดตั้งระบบขับเคลื่อนอัตโนมัติ ซึ่งระบบเป็นการทำงานร่วมกันของเรดาร์ ไลดาร์ (LiDAR) และกล้องออปติคัล ผสานเข้ากับเทคโนโลยีการควบคุมเอไอ โดยตอนนี้บริษัทเคลมว่า สามารถให้การขับเคลื่อนอัตโนมัติได้ถึงระดับที่ 4 หรือระดับที่ไม่ต้องมีมนุษย์เข้าควบคุม ซึ่งความสามารถในระดับนี้ จะทำให้ยานยนต์สามารถขับเคลื่อนเองได้อย่างเต็มประสิทธิภาพ เช่น มันจะสามารถควบคุมความเร็ว การเลี้ยว ในสภาพการจราจรที่ซับซ้อน ซึ่งรวมถึง มอเตอร์เวย์ ถนนสายหลักและสายรอง ช่องทางเดินรถ วงเวียน ทางแยก และสัญญาณไฟจราจรต่าง ๆ ได้ด้วย
อ้างอิง : https://www.tnnthailand.com/news/tech/112094/
Pony.ai สตาร์ทอัพรถไร้คนขับเจ้าแรกที่ได้ใบอนุญาตขับแท็กซี่ในจีน
โพนีดอทเอไอ (Pony.ai) บริษัทสตาร์ทอัพรถไร้คนขับสัญชาติจีน ได้รับใบอนุญาตขับแท็กซี่เป็นเจ้าแรกในจีนแล้ว ทำให้สามารถให้บริการรถแท็กซี่ไร้คนขับเช่นเดียวกับแท็กซี่ทั่วไปได้ไม่เกิน 100 คัน ในเขตหนานซา เมืองกว่างโจว ทางตอนใต้ของประเทศ โดยบริษัทกล่าวว่าการจะได้ใบอนุญาตขับแท็กซี่ในเขตหนานซา ต้องใช้เวลาถึง 24 เดือนในการทดสอบการขับขี่อัตโนมัติในจีนและ/หรือประเทศอื่น ๆ และต้องไม่มีส่วนเกี่ยวข้องในอุบัติเหตุจราจรที่ต้องรับผิด ตลอดจนปัจจัยอื่น ๆ ทางบริษัทกล่าวว่ามีแผนจะเปิดตัวธุรกิจโรโบแท็กซี่เชิงพาณิชย์ในอีก 2 เมืองใหญ่ของจีนในปีหน้า โดยได้เริ่มทดสอบรถยนต์ไร้คนขับในเมืองดังกล่าวและในแคลิฟอร์เนียไปแล้ว
อ้างอิง : https://www.infoquest.co.th/2022/193777
กระจกสุขภาพอัจฉริยะช่วยวิเคราะห์สุขภาพของผู้ใช้
ด้วยเทรนรักษาสุขภาพที่กำลังมาในตอนนี้หนึ่งสินค้าที่ได้รับความสนใจอย่างมากก็คือ “กระจกอัจฉริยะสำหรับการฟิตเนส” โดยกระจกอัจฉริยะดังกล่าวได้มีการวางขายในสหราชอาณาจักรครั้งแรกโดยบริษัท Vaha และในปีที่ผ่านมาก็มีหลายบริษัทได้ส่งสินค้าของพวกเขาลงแข่งในตลาด เช่น Tonal, NordicTrack, ProForm หรือ iFit โดยกระจกส่วนมากนั้นจะเป็นกระจกสูง 180 ซม. มีคอมพิวเตอร์อยู่ในตัวและทำการเชื่อมต่อกับอินเทอร์เน็ตเพื่อออนไลน์ตลอดเวลาโดยมันสามารถทำงานเป็นหน้าจอสำหรับแสดงวิดีโอได้เช่นกัน
ความสามารถพิเศษของกระจกเหล่านี้ก็คือ มันมาพร้อมกับกล้องและลำโพงซึ่งจะทำให้ trainer สามารถมองเห็นการเคลื่อนไหวของเราได้รวมไปถึงการให้คำแนะนำหรือปรับปรุงท่าออกกำลังกายให้เรา นอกจากนั้นกระจกเหล่านี้โดยทั่วไปจะมาพร้อมกับเซนเซอร์จำนวนมากที่เชื่อมต่อกับปัญญาประดิษฐ์ หรือ AI เพื่อให้คำแนะนำเกี่ยวกับการเคลื่อนไหวในการออกกำลังของเราให้ดีขึ้น มากไปกว่านั้นมีบริษัทที่ใช้เทคโนโลยีคล้าย ๆ กันในการสร้าง “กระจกสุขภาพอัจฉริยะ” (smart wellness mirrors) หรือกระจกที่ใช้เซนเซอร์และ AI ในการวิเคราะห์สุขภาพผิวของผู้ใช้งาน อย่างเช่น ผลิตภัณฑ์กระจกในห้องน้ำของบริษัท CareOS ที่ใช้กล้องและรังสีอัลตราไวโอเลตและอินฟราเรดในการวิเคราะห์ผิวและทำการแนะนำกิจวัตรการดูแลผิวให้แก่ผู้ใช้งาน
Dr.Anoob Pakkar-Hull แพทย์ด้านความงามที่ปรึกษาที่ Harley Street Specialist Hospital ในลอนดอนได้ให้ความเห็นเกี่ยวกับความก้าวหน้าที่เกิดขึ้นในระบบ AI และ AR (Augmented Reality) ว่าเทคโนโลยีเหล่านี้นำโอกาสมากมายที่เราสามารถใช้ประโยชน์เพื่อให้ผู้คนสามารถประเมินและจัดการสุขภาพของพวกเขาได้อย่างมีประสิทธิภาพ อย่างไรก็ตามเขาได้กล่าวว่าเขายังมีความกังวลเกี่ยวกับความแม่นยำของเทคโนโลยีและการขาดการพบเจอและการสัมผัสของคนไข้กับหมอ โดยเขาได้บอกว่า “ปัญหาทางการแพทย์บางอย่างต้องคลำ (สัมผัส) เพื่อให้วินิจฉัยสภาพได้อย่างเหมาะสม”
นอกจากนั้น นักจิตวิทยา Dr.Elena Touroni ยังมีความกังวลเกี่ยวกับเกี่ยวกับกระจกสุขภาพอัจฉริยะ โดยเขาได้บอกว่า “ สำหรับคนที่มุ่งเน้นไปที่ความสมบูรณ์แบบ (perfectionist) อาจสังเกตเห็นข้อบกพร่องหลายอย่างในร่างกายของพวกเขาจากกระจกเหล่านี้ซึ่งอาจจะเป็นปัญหามากขึ้นสำหรับพวกเขา”
อ้างอิง : https://www.bbc.com/news/business-61092317
มหาวิทยาลัย NTU ในสิงคโปร์ เปิดตัว 2 ศูนย์วิจัย AI เพื่อทำนายการเกิดโรค
คณะแพทยศาสตร์ที่ Nanyang Technological University Singapore’s Lee Kong Chian School ได้เปิดตัวศูนย์วิจัยใหม่ 2 แห่งที่จะใช้ประโยชน์จาก AI ในการวิเคราะห์ข้อมูลเพื่อตรวจหาโรค โดยศูนย์สารสนเทศชีวการแพทย์ซึ่งเปิดเมื่อปลายสัปดาห์ที่แล้ว พยายามที่จะพัฒนา “อัลกอริทึมขั้นสูง” ที่ทำนายและปรับแต่งการรักษาโรคต่างๆ โดยจะสนับสนุนโครงการวิจัยหลัก 5 โครงการของ LKCMedicine ได้แก่ สุขภาพประชากร ยาระบบทางเดินหายใจและโรคติดเชื้อ โรคผิวหนังและการซ่อมแซมบาดแผล ประสาทวิทยาศาสตร์และสุขภาพจิต ตลอดจนโภชนาการ เมตาบอลิซึม และสุขภาพ
ในขณะเดียวกัน ศูนย์วิจัยภาวะสมองเสื่อมได้เปิดดำเนินการในวันจันทร์ ศูนย์จะดำเนินการศึกษาระยะยาวห้าปีเพื่อให้กระจ่างเกี่ยวกับภาวะสมองเสื่อมในเอเชีย ตลอดจนพัฒนาโซลูชันการวินิจฉัยที่ขับเคลื่อนด้วย AI เพื่อทำนายหรือประเมินความก้าวหน้าของภาวะสมองเสื่อมได้อย่างแม่นยำ ด้วยอุปกรณ์ล้ำสมัยและความเชี่ยวชาญของนักวิจัย 15 คน ศูนย์ข้อมูลชีวการแพทย์จะ “ระบุแนวโน้ม รูปแบบ และความผิดปกติในข้อมูลเพื่อให้ได้มาซึ่งข้อมูลเชิงลึกที่จะช่วยให้นักวิจัยและแพทย์ตัดสินใจได้ดีขึ้น” ส่งผลให้ การค้นพบและการพัฒนาวิธีการวินิจฉัยและการรักษาโรคที่มีประสิทธิภาพ ซึ่งรวมถึงความผิดปกติทางจิต
จุดมุ่งหมายอีกประการของศูนย์นี้คือการพัฒนาการวิจัยด้านชีวการแพทย์โดยการวิเคราะห์ข้อมูลด้านชีวการแพทย์สำหรับชุมชนวิทยาศาสตร์ของมหาวิทยาลัย มีแผนจะจัดเวิร์กช็อปและหลักสูตรเพื่อช่วยเพิ่มขีดความสามารถด้านข้อมูลชีวการแพทย์ของนักวิจัยทางการแพทย์ชาวสิงคโปร์
Meta สร้างเทคโนโลยียั่งยืนด้วย AI ได้อย่างไร
Meta Platforms Inc. กำลังใช้งานเทคโนโลยี machine learning ในการสู้กับปัญหาการเปลี่ยนแปลงสภาพภูมิอากาศและเพิ่มประสิทธิภาพในระบบอุตสาหกรรมของบริษัทเอง โดยปัจจุบันบริษัทได้ทำการทดลองหลากหลายวิธีเพื่อบรรลุเป้าหมายดังกล่าวซึ่ง AI สามารถเข้ามามีส่วนช่วยในการสร้างโซลูชันที่มีประสิทธิภาพได้ Meta AI และ ภาควิชาวิศวกรรมเคมีของมหาวิทยาลัย Carnegie Mellon ได้ร่วมมือในโครงการที่มีชื่อว่า Open Catalyst โดยเป็นโครงการที่ช่วยให้นักวิจัยด้านปัญญาประดิษฐ์ร่วมกันออกแบบโมเดล machine learning เพื่อทำนายปฏิกิริยาเคมีสำหรับการจัดเก็บพลังงาน ตัวอย่างเช่น ในการผลิตพลังงานหมุนเวียนอย่างพลังงานแสงอาทิตย์และพลังงานลมนั้นขึ้นอยู่กับความพร้อมของดวงอาทิตย์และลม แต่เมื่อไม่มีแดดหรือไม่มีลมแรงเป็นเวลานานจะทำให้การผลิตไฟฟ้าลดลงเป็นอย่างมาก ซึ่งในการแก้ปัญหานี้เราจะต้องใช้อาคารกักเก็บพลังงานที่ปกติแบตเตอรี่เพื่อกักเก็บพลังงานส่วนเกินและจัดส่งได้ในช่วงเวลาที่จำเป็น
Larry Zitnick หัวหน้านักวิจัยได้บอกว่าปัญหาของการกักเก็บพลังงานก็คือปัญหาในการผลิตแบตเตอรี่ที่เพียงพอสำหรับการจัดเก็บ ซึ่งทีมของ Open Catalyst จะเข้ามาช่วยในการแก้ไขปัญหานี้ โดยการใช้ machine learning ในการหาชุด combination ของวัสดุที่เหมาะสมจากชุดวัสดุจำนวนหลายล้านชุดซึ่งด้วยวิธีการนี้จะช่วยลดเวลามหาศาลเทียบกับการทดลองในห้องทดลองที่สามารถทดลองได้ปีละแค่ 1000 ชุดต่อปีเท่านั้น ในอีกแง่หนึ่งสำหรับการใช้ AI เพื่อบรรเทาปัญหาการเปลี่ยนแปลงสภาพภูมิอากาศก็คือการเพิ่มประสิทธิภาพการใช้พลังงานของโครงสร้างพื้นฐานของตัวบริษัท โดย Mike Schroepfer พนักงานอาวุโสของบริษัทได้กล่าวว่า การดำเนินงานทั่วโลกของ Meta ตอนนี้นั้นได้ใช้พลังงานหมุนเวียน 100% แต่เรื่องประสิทธิภาพนั้นยังคงเป็นสิ่งที่สำคัญซึ่งบริษัทกำลังสำรวจและพัฒนาการใช้โมเดล Green AI เพื่อเพิ่มประสิทธิภาพในการใช้พลังงานอยู่ การ optimization โมเดล AI ก็เป็นหนึ่งในปัญหาสำคัญสำหรับการใช้ทรัพยากรจำนวนมากของบริษัท อย่างไรก็ตามหนึ่งในการทดลองของพวกเขาแสดงให้เห็นว่าพวกเขาสามารถเพิ่มประสิทธิภาพในการใช้ทรัพยากรโครงสร้างพื้นฐานสำหรับการแปลภาษาได้ถึง 800 เท่า ซึ่งการนำการทดลองนี้ไปใช้กับ AI ตัวอื่นในบริษัทจะสามารถช่วยเพิ่มประสิทธิภาพในการปล่อยมลพิษเป็นจำนวนมหาศาล
อ้างอิง : https://siliconangle.com/2022/04/18/meta-using-ai-focus-sustainable-technology/
—————————————————————————————-
ทั้งหมดเป็นข่าวที่น่าสนใจใน 22 – 28 เมษายน 2565 พบกันใหม่ในสัปดาห์หน้านะคะ : )
หากมีข้อสงสัย ติชมสามารถ ติดตามและสอบถามได้ที่
: AIไทยสามารถ โดย AI for all Thailand
