ทีมนักวิจัยจาก École Polytechnique Fédérale de Lausanne คิดค้นระบบที่ค่อนข้างเรียบง่ายและราคาถูกโดยใช้ข้อมูลอุตุนิยมวิทยาและระบบเรียนรู้เพื่อคาดการณ์การเกิดฟ้าผ่าได้ล่วงหน้า 10-30 นาที ในรัศมี 30 กิโลเมตร

เมื่อต้องการทำสิ่งนี้ทีมได้ฝึก AI การเรียนรู้ด้วยเครื่องของพวกเขาให้รู้จักสภาพอากาศที่โดยทั่วไปนำไปสู่สายฟ้า โดยเฉพาะพวกเขาใช้ตัวแปรสี่ตัวรวมถึงความดันอากาศที่ระดับสถานีอุณหภูมิอากาศความชื้นสัมพัทธ์และความเร็วลม ข้อมูลการฝึกอบรมนี้มาจากสถานีตรวจอากาศสวิส 12 แห่งทั้งในเมืองและภูเขาระหว่างปี 2549 ถึง 2560

หลังจาก AI เสร็จสิ้นขั้นตอนการเรียนรู้ของมันแล้วมันทำการคาดการณ์ที่ถูกต้องเกี่ยวกับฟ้าผ่าใหม่ประมาณ 80 เปอร์เซ็นต์ของเวลา นี่เป็นครั้งแรกที่รูปแบบง่าย ๆ ที่ผ่านการฝึกอบรมเกี่ยวกับข้อมูลอุตุนิยมวิทยาได้ทำนายการเกิดฟ้าผ่าด้วยการคำนวณแบบสด และเนื่องจากเป็นข้อมูลที่มีอยู่จึงค่อนข้างถูกและง่ายต่อการทำซ้ำ

“ระบบปัจจุบันช้าและซับซ้อนมากและพวกเขาต้องการข้อมูลภายนอกที่มีราคาแพงที่ได้จากเรดาร์หรือดาวเทียม”

นักศึกษาปริญญาเอกผู้คิดค้นเทคนิคนี้กล่าวกับ Science Daily “วิธีการของเราใช้ข้อมูลที่สามารถรับได้จากสถานีตรวจอากาศทุกแห่งซึ่งหมายความว่าเราสามารถครอบคลุมพื้นที่ห่างไกลที่อยู่นอกช่วงเรดาร์และดาวเทียมและที่ซึ่งเครือข่ายการสื่อสารไม่พร้อมใช้งาน”

นักวิจัยหวังว่าจะใช้โมเดลใหม่ของพวกเขาเป็นเครื่องมือในโครงการLightning Laser Rod ของยุโรปซึ่งเป็นความพยายามในการสร้างระบบป้องกันฟ้าผ่าแบบใหม่ แทนที่จะพึ่งสายล่อฟ้าสมาคมที่อยู่เบื้องหลังโครงการคือการทดสอบพัลส์ของแสงเลเซอร์เพื่อกระตุ้นจำนวนฟ้าผ่าที่สูงขึ้น พวกเขาหวังว่าจะถ่ายโอนประจุของคลาวด์ไปที่พื้นด้วยวิธีนี้โดยตรงที่มีอิทธิพลต่อการเกิดฟ้าผ่าลง

Cr : popularmechanics

The post เมื่อ AI พยากรณ์ว่าเมื่อไหรฟ้าผ่าจะเกิดขึ้น appeared first on EduBright Resources.

AI สามารถระบุกลิ่นตามโครงสร้างโมเลกุลของกลิ่นได้ เป็นเวลาหลายสิบปีที่นักน้ำหอมและนักวิทยาศาสตร์พยายามที่จะทำนายความสัมพันธ์ระหว่างโครงสร้างของโมเลกุลและกลิ่นของมัน ในขณะที่นักวิทยาศาสตร์สามารถดูความยาวคลื่นของแสงและระบุว่าสีคืออะไรเมื่อพูดถึงกลิ่นนักวิทยาศาสตร์ไม่สามารถมองเพียงโมเลกุลและระบุกลิ่นของมัน

นักวิจัยจากGoogle Brain Teamหวังว่า AI อาจเปลี่ยนแปลงสิ่งนั้น ในบทความที่ตีพิมพ์เกี่ยวกับ Arxiv พวกเขาอธิบายว่าพวกเขาฝึกอบรม AI เพื่อรับรู้กลิ่นได้อย่างไร

ในความเป็นจริงมันพิสูจน์ได้ยากมากที่จะหากลิ่นของโมเลกุลจากโครงสร้างทางเคมีของมัน เปลี่ยนหรือลบอะตอมหรือพันธะหนึ่งออก“ และคุณสามารถเปลี่ยนจากกุหลาบเป็นไข่เน่า” Wiltschko ผู้นำทีมวิจัย Google สำหรับโครงการกล่าว

ทีมงาน Google ใช้ชุดโมเลกุลเกือบ 5,000 ชุดจากน้ำหอมที่มีจมูกผู้เชี่ยวชาญและจับคู่โมเลกุลแต่ละโมเลกุลอย่างละเอียดพร้อมคำอธิบาย ระบุโดยนักทำน้ำหอมผู้กำหนดคำบรรยายกลิ่นของแต่ละโมเลกุลที่มีตั้งแต่ “กลิ่นเนย” ไปจนถึง “กลิ่นพืชเมืองร้อน” และ “กลิ่นหญ้า”

โครงการนี้มีค่าสำหรับการแนะนำโมเลกุลใหม่นับพันในชุดข้อมูลกลิ่นซึ่งมักจะมีขนาดค่อนข้างเล็กและข้อมูลนี้ “อาจเป็นพื้นฐานสำหรับการปรับปรุงนี้ และอัลกอริธึมอื่น ๆ ในอนาคต” Koulakov ชี้ให้เห็นว่ามันไม่ชัดเจนว่าเราสามารถเรียนรู้อะไรเกี่ยวกับการดมกลิ่นของมนุษย์จากแบบจำลองการเรียนรู้ด้วยเครื่องจักรเนื่องจากการออกแบบโครงข่ายประสาทเทียมไม่เหมือนกับระบบดมกลิ่นของมนุษย์

Cr:wired , engadget,VRone

The post เมื่อ AI จดจำและแยกแยะกลิ่นหอมได้ ด้วยการพัฒนาจาก google appeared first on EduBright Resources.

ความสามารถของ AI ในการคาดการณ์ภัยต่อสุขภาพอาจรวมไปถึงภาวะหัวใจวายด้วย นักวิจัยของ CSAIL ของ MIT ได้พัฒนาระบบการเรียนรู้ด้วยเครื่อง RiskCardio ที่สามารถประเมินความเสี่ยงของการเสียชีวิตเนื่องจากปัญหาหัวใจและหลอดเลือดที่ปิดกั้นหรือลดการไหลเวียนของเลือด สิ่งที่ต้องการคือการอ่านคลื่นไฟฟ้าหัวใจ 15 นาที – จากนั้นจะวัดอันตรายจากชุดของจังหวะต่อเนื่องในตัวอย่าง หากข้อมูลถูกบันทึกภายใน 15 นาทีของเหตุการณ์ RiskCardio สามารถกำหนดได้ว่าจะมีใครตายภายใน 30 วันหรือไม่เกินหนึ่งปีหลังจากนั้น

วิธีการดังกล่าวอิงตามแนวคิดที่ว่า ความแปรปรวนของการเต้นของหัวใจสะท้อนถึงความเสี่ยงที่สูงขึ้น นักวิจัยได้ฝึกระบบเรียนรู้โดยใช้ข้อมูลผลตรวจของผู้ป่วย ย้อนหลัง หากผู้ป่วยรอดชีวิต การเต้นของหัวใจจะเป็นปกติ แต่หากผู้ป่วยเสียชีวิต การเต้นของหัวใจจะมีความเสี่ยง คะแนนความเสี่ยงมาจากการเฉลี่ยการคาดการณ์จากชุดการเต้นของหัวใจติดต่อกัน

อย่างไรก็ดี งานวิจัยยังคงต้องดำเนินต่อไป รวมถึงการกรองชุดข้อมูลฝึกให้ครอบคลุมช่วงอายุ เชื้อชาติ และเพศ แน่นอนว่าข้อมูลเหล่านี้ต้องมีความแม่นยำเพราะข้อผิดพลาดอาจนำมาสิ่งผลลัพธ์ที่อันตรายได้ หาก RiskCardio ได้นำไปใช้งานจริง แพทย์จะสามารถประเมินสุขภาพของผู้ป่วยได้เร็วและตัดสินใจถึงการรักษาได้ในระดับที่เหมาะสม

ทีมทดสอบแบบจำลองโดยการทำคะแนนความเสี่ยงสำหรับชุดของผู้ป่วย จากนั้นพวกเขาวัดว่าผู้ป่วยมีแนวโน้มมากแค่ไหนที่จะต้องเสียชีวิตจากโรคหัวใจและหลอดเลือดในฐานะผู้ป่วยที่มีความเสี่ยงสูงเมื่อเปรียบเทียบกับผู้ป่วยกลุ่มเสี่ยง พวกเขาพบว่าในผู้ป่วยโพสต์ ACS ประมาณ 1,250 คนจะตาย 28 คนจากโรคหัวใจและหลอดเลือดภายในหนึ่งปี จากคะแนนความเสี่ยงที่เสนอมีผู้ป่วย 19 รายจาก 28 รายที่ถูกจัดอยู่ในกลุ่มที่มีความเสี่ยงสูง 

Soure : csail, engadget

The post การใช้ AI เพื่อประเมินความเสี่ยงของการเสียชีวิตจากโรคหลอดเลือดหัวใจ appeared first on EduBright Resources.

ตัวคุณครูเองไม่ได้ทราบเสมอไปว่าวิธีการสอนของตนนั้นมีประสิทธิภาพดีอย่างไรจึงได้เกิด  การทำแบบทดสอบหรือให้ทำการถาม-ตอบ แต่ก็ไม่แน่ชัดว่าเป็นความผิดของใครที่เนื้อหาที่สอนไปนั้นส่งไปไม่ถึงผู้เรียน ตรงนี้เองจึงทำให้ AI มีบทบาทเข้ามาช่วยได้ โดยนักวิจัยจาก Dartmouth College ได้สร้างอัลกอริธึมระบบเรียนรู้ที่วัดการทำงานในสมองเพื่อดูว่าผู้เรียนเข้าใจเนื้อหาที่เรียนได้ดีระดับไหน

ทีมวิจัยเริ่มจากให้ นักศึกษาวิศวกรรมศาสตร์ระดับต้นและกลางทำแบบทดสอบมาตรฐานและตอบคำถามเกี่ยวกับรูปภาพขณะนั่งอยู่ในเครื่องสแกนเนอร์ fMRI จากตรงนั้นเอง ทีมวิจัยก็ใช้AI สร้าง “คะแนนระบบประสาท” ที่คาดการณ์ความสามารถของนักศึกษา ยิ่งส่วนของสมองปรากฏการทำงานมากขึ้น ยิ่งง่ายต่อการบอกได้ว่านักศึกษาเข้าใจเนื้อหาหรือไม่

แน่นอนว่าจะไม่มีการสแกนสมองระหว่างการเรียนการสอน และงานวิจัยที่มีอยู่ก็ยังมีข้อจำกัด ข้อจำกัดอย่างหนึ่งคือ Dartmouth เจาะจงงานวิจัยเฉพาะการเรียนแบบ STEM จึงไม่แน่ชัดว่าสมองจะมีปฏิกิริยาตอบสนองแบบเดียวกันอย่างไรก็ตามสิ่งนี้สามารถช่วยครูผู้สอนในการปรับแต่งชั้นเรียนของพวกเขาโดยการระบุเทคนิคที่สะท้อนกับนักเรียนส่วนใหญ่ก่อนที่ผลการสอบเข้ามาอย่าแปลกใจถ้าโรงเรียนมีส่วนร่วมมากขึ้น

Cr: engadget,Nature, everythreeweekly

The post AI สามารถศึกษาสมองของนักเรียน เพื่อช่วยคุณครูในการปรับปรุงหลักสูตรการเรียนรู้ appeared first on EduBright Resources.