ปัจจุบันระบบจดจำใบหน้ามีการใช้งานทั้งในแง่ความสะดวกสบายอย่างการสแกนใบหน้าเพื่อทำธุรกรรมและการยืนยันตัวตนเพื่อความปลอดภัยในการทำกิจกรรมต่างๆ บนออนไลน์ ระบบจดจำใบหน้ายังถูกใช้งานในแง่ความมั่นคงและสอดส่องประชาชนด้วย

ล่าสุดเว็บไซต์ Motherbord ออกรายงานพบว่าตอนนี้หลายๆ บริษัทเทคโนโลยีกำลังวิจัยพัฒนาระบบอ่านริมฝีปาก เริ่มจาก Liopa เป็นสตาร์ทอัพในไอร์แลนด์ พัฒนาแอปพลิเคชั่น SRAVI (Speech Recognition App for the Voice Impaired) เป็นแอปอ่านปากเพื่อประโยชน์ทางการแพทย์ ในกรณีที่คนไข้ต้องการอะไรบางอย่างแต่ไม่สามารถเปฃ่งเสียงพูดออกมาได้ ก็สามารถใช้แอป SRAVI ช่วยอ่านริมฝีปากคนไข้ โดยขณะนี้ SRAVI กำลังอยู่ในขั้นตอนขอใบรับรองเป็นหนึ่งในอุปกรณ์การแพทย์

Facebook เปิดตัว TextStyleBrush โครงการวิจัยด้าน AI ที่สามารถลอกเลียนรูปแบบตัวอักษร โดยใช้เพียงรูปภาพข้อความคำเดียว ทำให้สามารถสร้างข้อความอื่นจากแบบอักษรเดียวกันได้

การทำงานของ TextStyleBrush แบ่งเป็นสองส่วนคือการอ่านตัวอักษรที่อยู่ในภาพ input และการเรียนรู้รูปแบบตัวอักษรด้วยตนเองเพื่อลอกเลียนซ้ำ

รูปแบบตัวอักษรที่อยู่ในโครงการ มีทั้งตัวอักษรจากป้ายต่าง ๆ ไปจนถึงลายมือก็ทำได้เช่นเดียวกัน อย่างไรก็ตามสถานะโครงการนี้อยู่ในขั้นตอนวิจัย แต่ Facebook มองว่าเป็นโอกาสในการสร้างสรรค์ลูกเล่นใหม่ ๆ อย่างเช่นการทำเครื่องมือแปลภาษาบน AR

ไมโครซอฟท์ประกาศอัพเดตแพลตฟอร์ม Power Apps ให้มีปัญญาประดิษฐ์มาช่วยเขียนโค้ด โดยแบ่งเป็นสองฟีเจอร์ คือการเขียนโค้ดด้วยประโยคธรรมชาติ และการเขียนโปรแกรมโดยใส่ตัวอย่างเอาท์พุต

การเขียนโปรแกรมด้วยภาษาธรรมชาติ อาศัยปัญญาประดิษฐ์ GPT-3 จูนมาพิเศษสำหรับการสร้างสูตร Power Fx ทำให้ผู้ใช้สามารถเขียนโปรแกรมด้วยภาษาเหมือนพูดกับคนจริงๆ ส่วนการเขียนโปรแกรมตามตัวอย่าง (Programming by examples - PBE) ทำงานคล้ายกัน เพียงแต่ใส่เอาท์พุตที่ต้องการ บางครั้งใส่เพียงตัวอย่างเดียว ตัว GPT-3 ก็สามารถสร้างสูตรที่จำเป็นออกมาได้

เฟซบุ๊กรายงานความสำเร็จในการสร้างปัญญาประดิษฐ์แปลงเสียงเป็นข้อความ (speech recognition) ในชื่อ wav2vec-U โดยมีจุดเด่นคือเป็นปัญญาประดิษฐ์ที่ฝึกแบบ unsupervised ที่เป็นการฝึกปัญญาประดิษฐ์โดบไม่ต้องการข้อมูลตัวอย่างโดยตรง

การสร้างปัญญาประดิษฐ์แปลงเสียงเป็นข้อความโดยปกติแล้วจะต้องใช้ชุดข้อมูลคู่กันระหว่างเสียงและข้อความที่แปลงไว้ก่อนหน้า (labeled data) เพื่อให้ปัญญาประดิษฐ์พยายามเลียนแบบ กระบวนการสร้างชุดข้อมูลนี้มีต้นทุนสูงที่ต้องแปลงข้อมูลเสียงเป็นข้อความนับพันชั่วโมง และในภาษาที่มีชุดข้อมูลอยู่น้อยก็สามารถฝึกปัญญาประดิษฐ์ได้ยาก

PornHub เปิดตัวโปรเจกต์ The Remastured ใช้ AI คืนค่าสีผิว และปรับความคมชัดให้หนังอีโรติกยุคเก่าที่มีอายุมากกว่า 125 ปี โดยใช้ชุดข้อมูลภาพและวิดีโอสำหรับผู้ใหญ่ร่วม 100,000 ภาพเพื่อสอน AI ในการทำให้ภาพยนตร์มีสีสัน

PornHub ระบุว่า ตัวกระบวนการเริ่มต้นด้วยการลดจุดรบกวนและการทำให้ภาพคมชัด เร่งวิดีโอให้เล่นที่ความชัดแบบ 4K ที่ 60 เฟรมต่อวินาที รวมทั้งเพิ่มเสียงและซาวด์แทร็กใหม่

ตัวอย่างหนังในโปรเจกต์เช่น The Kiss ในปี 1896 สร้างโดยบริษัทของ Thomas Edison ที่คาดว่าเป็นฉากจูบแรกของโลก และภาพยนตร์สั้นในปี 1897 จาก Georges Méliès ผู้สร้างภาพยนตร์ในตำนานที่เรียกว่า After the Ball เป็นต้น

Chrome มีฟีเจอร์ Password Manager คอยแจ้งเตือนเมื่อพบรหัสผ่านรั่ว มาได้สักพักใหญ่ๆ แล้ว ปัญหาที่ตามมาคือการเข้าเว็บไซต์นั้นๆ เพื่อเปลี่ยนรหัสผ่านมีความยุ่งยาก ต้องมีกระบวนการหลายขั้นตอน

ล่าสุดในงาน Google I/O กูเกิลประกาศว่า Chrome สามารถเข้าไปเปลี่ยนรหัสผ่านในเว็บไซต์แทนเราได้แล้ว ผู้ใช้เพียงแค่กดปุ่ม Change Password ใน Chrome แล้วกรอกรหัสผ่านใหม่ที่ต้องการ เป็นอันเสร็จสิ้น

ในงาน Google I/O ปีนี้ กูเกิลสาธิตปัญญาประดิษฐ์ LaMDA ที่ออกแบบมาเพื่อบทสนทนาโดยเข้าใจเรื่องราวที่กำลังคุยกันอยู่ แม้กูเกิลจะสร้าง LaMDA และรายงานผลการพัฒนามาตั้งแต่ต้นปี 2020 แต่กูเกิลก็พบว่าสามารถนำโมเดลปัญญาประดิษฐ์มาฝึกเรื่องราวเฉพาะทางได้

กูเกิลสาธิตการใช้งานด้วยการให้ LaMDA เป็นเครื่องบินกระดาษ ผู้ใช้สามารถสนทนากับเครื่องบินกระดาษได้เหมือนเป็นตัวละครสมมติ เช่น ผู้ใช้ถามว่า "คุณเป็นเครื่องบินกระดาษที่ดีไหม" ตัว LaMDA จะถามกลับได้ว่า "ขึ้นกับคำว่าดีแปลว่าอะไร บางคนอาจจะแปลว่าบินได้ไกล บางคนอาจจะแปลว่าบินได้ตรง"

กูเกิลกำลังตรวจสอบว่า LaMDA สามารถตอบคำถามได้อย่าง "ถูกต้อง" จริงหรือไม่ หรือแค่ตอบคำถามที่ดู "สมเหตุสมผล" เท่านั้น ก่อนจะนำ LaMDA ไปใช้งานกับบริการจริง

ในงาน Think 2021 ของ IBM มีประกาศเปิดตัวโปรเจกต์ CodeNet ชุดข้อมูลขนาดใหญ่ที่สร้างขึ้นเพื่อสอน AI เขียนโปรแกรม โดยชุดข้อมูลประกอบด้วยตัวอย่างโค้ด 14 ล้านชุดรวม 500 ล้านบรรทัด และในภาษาโปรแกรมที่แตกต่างกันไปกว่า 55 ภาษา ตั้งแต่ที่ยังมีนิยมใช้งานคือ C++, Java, Python และ Go ไปจนถึงภาษาดั้งเดิมอย่าง COBOL, Pascal และ FORTRAN

DeepMind บริษัท AI ในเครือ Alphabet ที่เรารู้จักกันดีจาก AlphaGo เริ่มบุกไปยังวงการใหม่คือ "ฟุตบอล" โดยร่วมกับสุดยอดสโมสรฟุตบอลจากอังกฤษ Liverpool FC ทำวิจัยเรื่องการนำ AI มาใช้งานในวงการฟุตบอล

นักวิจัยจากทั้งสองหน่วยงานทำงานร่วมกันมาสักระยะหนึ่ง แล้วเพิ่งตีพิมพ์เปเปอร์วิจัยชื่อ Game Plan:
What AI can do for Football, and What Football can do for AI ที่รวบรวมผลลัพธ์ (เบื้องต้น) ว่าสามารถนำ AI มาใช้กับเกมกีฬาได้อย่างไรบ้าง

ข้อสรุปเบื้องต้นของทีมวิจัยคือ การนำ AI มาใช้กับฟุตบอลแบ่งออกเป็น 3 แขนง ได้แก่

ทีมวิจัยจาก Google Research นำเสนอเฟรมเวิร์ค Total Relighting สำหรับการทำภาพตัดต่อโดยที่แสงในภาพมีความสมจริงเหมือนกับคนในภาพอยู่ในสถานที่ฉากหลังนั้นจริง

Total Relighting อาศัยโมเดลปัญญาประดิษฐ์หลายชุดประกอบกัน ได้แก่

• Geometry Net: สำหรับการหาความลึกของภาพ
• Albedo Net: สร้างภาพที่เหมือนอยู่ในภาวะแสงฟุ้ง
• Shading Net: ปรับภาพให้มีแสงเงาเหมือนฉากหลัง

โดเมลเหล่านี้เคยมีงานวิจัยก่อนหน้าแล้วทั้งสิ้น แต่ทีมวิจัยก็นำแสดงให้เห็นว่า โมเดลที่ใช้ในชุดงานวิจัยนี้ให้ผลลัพธ์ที่ดีกว่างานก่อนหน้า แต่ยังมีข้อจำกัดสำคัญคือการให้แสงเงาเสื้อผ้านั้นยังไม่ดีนัก เนื่องจากชุดข้อมูลสำหรับฝึกยังมีข้อมูลเครื่องแต่งกายไม่หลากหลายพอ

Google Assistant เพิ่มฟังก์ชั่นใหม่หลายอย่าง อย่างแรกคือให้ผู้ใช้งานสอน AI อ่านออกเสียงคำที่ออกเสียงยากโดยเฉพาะชื่อคน ผู้ใช้งานสามารถกดอัดเสียงตัวเองเข้าไปเพื่อสอนให้ Google Assistant อ่านออกเสียงตามได้ถูกต้องในภายหลัง เมื่อแอปอัพเดตแล้วจะมองเห็นช่องทางให้สอนอ่านออกเสียง กดที่ Record your own เพื่ออัดเสียงของตัวเองเข้าไป กูเกิลบอกด้วยว่า ระบบไม่บันทึกเสียงของผู้ใช้ และเริ่มใช้งานในภาษาอังกฤษก่อน

ฟังก์ชั่นถัดมาคือการตั้งเวลา ปัจจุบันผู้ใช้งานมักใช้ Google Assistant ในการตั้งเวลาหรือตั้งปลุกเพื่อทำอะไรบางอย่าง ล่าสุดกูเกิลพัฒนาการรับรู้ Google Assistant ให้ฉลาดมากขึ้นเมื่อเปลี่ยนคำสั่งกลางคัน

สหภาพยุโรป เสนอร่างข้อกำหนดควบคุมการใช้ AI โดยจะเป็นนโยบายแรกของโลกในการกำกับดูแลและกำหนดขอบเขตของบริษัทว่าสามารถใช้ AI ได้ถึงระดับไหน เนื่องจาก AI ยังมีปัจจัยเสี่ยงหลายอย่าง ทั้งการคุกคามความเป็นส่วนตัว และความโน้มเอียง

ตัวร่างข้อกำหนดความยาว 108 หน้า แบ่งความเสี่ยง AI เป็น 4 ขั้น

ไอบีเอ็มประกาศบรรลุข้อตกลงเพื่อซื้อกิจการ myInvenio บริษัทซอฟต์แวร์ด้าน Process Mining จากอิตาลี โดยไม่เปิดเผยมูลค่าของดีล ซึ่งผลิตภัณฑ์ของ myInvenio จะนำมาเสริมกับบริการตามกลยุทธ์ด้านไฮบริดคลาวด์ และเอไอ ของไอบีเอ็ม

Dinesh Nirmal ผู้จัดการทั่วไปของ IBM Automation กล่าวว่าการเปลี่ยนผ่านองค์กรไปสู่ดิจิทัลที่เกิดขึ้นตอนนี้ ทำให้หลายบริษัทพบความท้าทายในการจัดการระบบด้านไอทีที่สำคัญ ควบคู่ไปกับแอพพลิเคชั่นทางธุรกิจที่ซับซ้อน ซึ่งถูกขยายไปใช้งานบนไฮบริดคลาวด์มากขึ้น การซื้อกิจการ myInvenio เข้ามา ทำให้ธุรกิจสามารถนำเอไอมาใช้ในงานที่เป็น Automation ได้สะดวกขึ้น

เฟซบุ๊กเปิดชุดข้อมูล Casual Conversations เป็นวิดีโอของนักแสดง 3,011 คน รวมกว่า 45,186 วิดีโอ ที่มีข้อมูลเพศ, อายุ, สีผิว, และสภาพแสง เพื่อใช้ตรวจสอบโมเดลปัญญาประดิษฐ์ว่ามีการโน้มเอียง (bias) ผลการทำนายค่าต่างๆ กับคนกลุ่มใดเป็นพิเศษหรือไม่

แม้ว่าปัญญาประดิษฐ์จะมีประสิทธิภาพดีขึ้นมากในช่วงหลัง แต่เนื่องจากชุดข้อมูลที่ใช้ฝึกอาจจะไม่ได้ตรวจสอบว่ากระจายครบถ้วนทุกกลุ่มประชาชน หรือชุดข้อมูลเน้นกลุ่มประชากรบางกลุ่มเป็นพิเศษทำให้เกิดเหตุการณ์ผิดพลาดเช่น ซอฟต์แวร์ตรวจโรคไม่ได้แนะนำให้คนบางเชื้อชาติไปรักษา แม้จะมีอาการครบก็ตาม

เมื่อเดือนที่แล้วกูเกิลประกาศปัญญาประดิษฐ์ Lyra สำหรับการเข้ารหัสและถอดรหัสเสียง ทำให้สามารถส่งข้อมูลเสียงพูดได้โดยใช้แบนวิดท์ต่ำเพียง 3kbps เท่านั้น วันนี้กูเกิลก็ประกาศโอเพนซอร์สโครงการ Lyra ให้ใช้งานได้ฟรี

โครงการ Lyra โอเพนซอร์สนี้เป็นไลบรารีภาษา C++ สามารถคอมไพล์ได้บนลินุกซ์และแอนดรอยด์ ตัวโครงการมาพร้อมกับตัวอย่างแอปแอนดรอยด์ที่ใช้อัดเสียงและเล่นเสียงกลับมาเพื่อทดสอบคุณภาพเสียงหลังเข้ารหัสด้วย Lyra

โครงการใช้สัญญาอนุญาตแบบ Apache 2.0 แต่มีไบนารีในไฟล์ libsparse_inference.so ที่ไม่สามารถเปิดซอร์สออกมาได้เนื่องจากติดเงื่อนไขคอมไพล์เลอร์เฉพาะทาง

ทีมวิจัยจากสถาบันวิทยสิริเมธี (Vidyasirimedhi Institute of Science and Technology - VISTEC) เสนองานวิจัย NeX ระบบแปลงภาพถ่ายที่มีความลึก (multiplane image - MPI) มาเป็นภาพสามมิติที่สมจริง

ภาพแบบ MPI เป็นภาพที่เราเห็นบ่อยขึ้นในเฟซบุ๊ก แม้จะคล้ายภาพสามมิติแต่ภาพแต่ละชั้นก็ยังแบนๆ บอกได้เพียงว่าชั้นใดอยู่หน้าหลังเท่านั้น แต่ NeX สามารถเรนเดอร์ภาพออกมาได้เหมือนกำลังมองภาพสามมิติอย่างสมบูรณ์ แม้แต่แสงเงาก็สมจริง

นอกจาก NeX จะสามารถสร้างภาพที่สมจริงแล้ว ทีมวิจัยยังระบุว่าประสิทธิภาพการสร้างภาพก็ดีกว่างานวิจัยที่เคยเสนอมากว่าพันเท่าตัวทำให้สามารถเรนเดอร์ในอุปกรณ์พลังประมวลผลไม่สูงนัก เช่น โทรศัพท์มือถือได้

สถาบันวิทยาศาสตร์และเทคโนโลยีขั้นสูงแห่งเกาหลี หรือ KAIST (The Korea Advanced Institute of Science and Technology) เปิดตัวแอปพลิเคชั่นตรวจจับ Deepfake โดยซอฟต์แวร์ที่มีชื่อว่า KaiCatch จะใช้ AI ตรวจจับความผิดปกติ หรือความบิดเบือดบนใบหน้า ผู้ใช้งานสามารถอัพโหลดรูปภาพหรือวิดีโอเข้ามาในแอปเพื่อให้ระบบช่วยตรวจสอบ โดยมีการคิดค่าใช้งานที่ 2,000 วอน หรือประมาณรูปละ 55 บาท

GlobalData บริษัทวิเคราะห์ด้านการตลาด เผยตัวเลข Top 5 บริษัทที่เข้าซื้อหรือควบรวมบริษัท AI ในช่วงปี 2016-2020 ที่ผ่านมา พบว่า Apple เข้าซื้อบริษัท AI อื่นมากที่สุด 5 ปีติดต่อกัน ตามมาด้วย Accenture, Google, Microsoft และ Facebook

DARPA หน่วยงานให้เงินทุนวิจัยของกระทรวงกลาโหมสหรัฐฯ ประกาศความคืบหน้าของโครงการ Air Combat Evolution (ACE) ที่ปัญญาประดิษฐ์สามารถควบคุมเครื่องบินรบพร้อมใช้อาวุธหลากหลายประเภทบนเครื่องบินเพื่อรบแบบ dogfight กับนักบินในระบบจำลอง (simulation)

โครงการนี้เริ่มจากปีที่แล้วที่ Johns Hopkins Applied Physics Laboratory (APL) จัดการแข่งขัน AlphaDogfight จำลองการรบแบบ dogfight ด้วยเครื่องบิน F-16 และทีมที่ชนะสามารถเอาชนะนักบินจริงรวด 5 นัด หลังจากนั้นระบบจำลองเริ่มมีความซับซ้อนขึ้นเรื่อยๆ มีการจำลองเหตุการณ์ที่มีฝ่ายเดียวกันร่วมบินขับไล่ และเปิดให้ใช้ได้ทั้งปืนและมิสไซส์

กลุ่มบริษัทเอกชนไทยที่ทำธุรกิจด้าน AI ร่วมกันเปิดตัว สมาคมผู้ประกอบการปัญญาประดิษฐ์ประเทศไทย (Artificial Intelligence Entrepreneur Association of Thailand ตัวย่อ AIEAT) เพื่อผลักดันธุรกิจด้าน AI ให้ทัดเทียมสากล

ไมโครซอฟท์ออกฟีเจอร์ใหม่ใน PowerPoint หรือ Presenter Coach ใช้ AI ช่วยให้คะแนนการซ้อมพรีเซนต์มาได้สักระยะแล้ว โดยเปิดใช้งานในเวอร์ชั่นเว็บ ล่าสุด ขยายการใช้งานไปยังแอปพลิเคชั่นทั้งบนเดสก์ทอป และมือถือแล้ว ทั้ง Mac, Windows, iOS, Android

Presenter Coach จะสามารถบอกเราได้ว่า เราพูดช้า หรือเร็ว หรือใช้คำซ้ำมากแค่ไหนในการนำเสนองาน พร้อมบอกคะแนนเสนองานให้เราตอนพูดจบด้วย โหมด Presenter Coach มีการอัพเดตใหม่ๆ เพิ่มเติมคือ ช่วยดูภาษากายของเราว่าเราสบตาผู้พูดมากขนาดไหน (ต้องเปิดกล้องตอนซ้อมเสนองาน)

เพิ่มฟังก์ชั่นเตือนให้เราแก้ไขให้ถูกหากออกเสียงผิด พร้อมกดฟังเพื่อฟังเสียงที่ถูกต้องได้ และมีแดชบอร์ดแสดงคำอื่นให้ หากเราใช้คำซ้ำเยอะเกินไป

NVIDIA เปิดตัวชุดซอฟต์แวร์ AI Enterprise ที่ปรับแต่งมารันบน VMware vSphere โดยระบุว่าได้ประสิทธิภาพด้อยกว่าการรันบนฮาร์ดแวร์จริง (bare metal) ไม่มากนัก

AI Enterprise เป็นชื่อเรียกรวมๆ ของซอฟต์แวร์ฝั่ง AI และ data science ของ NVIDIA ตั้งแต่ระดับล่างคือ CUDA, CUDA-X, GPU Operator, TensorRT, RAPIDS รวมถึงเฟรมเวิร์คโอเพนซอร์สยอดนิยมอย่าง TensorFlow, PyTorch

กูเกิลเสนอปัญญาเฟรมเวิร์คประดิษฐ์ PAIRED สำหรับการสร้างสภาพแวดล้อมและบอท (agent) ที่มาแก้ปัญหาในสภาพแวดล้อมนั้น ผลที่ได้คือด่านในเกมและบอทสำหรับเล่นเกมด่านนั้น

แนวทางการสร้างสภาพแวดล้อมอัตโนมัติเช่นนี้มีมาก่อนแล้ว แต่ระบบที่สร้างฉากแบบสุ่มเฉยๆ อาจจะสร้างฉากที่ไม่ซับซ้อนนักแต่อัลกอริทึมสำหับสร้างด่านให้ยากบางอัลกอริทึมอาจจะสร้างด่านที่ไม่มีทางผ่านได้เลย

เศรษฐกิจจีนได้รับผลกระทบจากนโยบายการค้าของสหรัฐฯไม่น้อย ทำให้จีนต้องลุกขึ้นมาพึ่งพิงตัวเองโดยเฉพาะด้านเทคโนโลยี ล่าสุด Wall Street Journal รายงานว่ารัฐบาลจีนประชุมประจำปี ร่างแผนการใหญ่ 5 ปี ตั้งเป้าเป็นผู้นำเทคโนโลยีเพื่อพัฒนาชาติและความมั่นคงโดยรวม เตรียมสร้างแล็บและลงทุนงานวิจัย AI, ผลิตชิปเซมิคอนดักเตอร์, ควอนตัมคอมพิวติ้ง

เก็บตกของใหม่ไมโครซอฟท์จากงาน Ignite 2021 คือ Azure Percept ชุดฮาร์ดแวร์สำหรับประมวลผล AI ที่ปลายทาง (edge AI)

Azure Percept เป็นโซลูชันที่ประกอบด้วยชุดฮาร์ดแวร์ Azure Percept DK ที่รวมเอากล้อง/เซ็นเซอร์ เข้ากับหน่วยประมวลผล NXP iMX8m และตัวเร่งความเร็ว AI คือ Intel Movidius Myriad X มาให้พร้อมสรรพ สามารถประมวลผลภาพหรือเสียงที่ปลายทาง โดยใช้โซลูชันโมเดลของ Azure AI และ Azure IoT ได้ทันที รวมถึงต่อเชื่อมกับบริการอื่นๆ ของ Azure บนคลาวด์ได้ด้วย

ชุดฮาร์ดแวร์ Azure Percept ผลิตโดย ASUS แบ่งออกเป็น 2 ชิ้นย่อย ได้แก่