Teachable Machine เครื่องมือสำหรับเรียนรู้เกี่ยวกับ Machine Learning จาก Google เปิดให้ผู้ที่ต้องการศึกษา Machine Learning เบื้องต้น เข้าศึกษาได้อย่างง่ายโดยไม่ต้องเขียนโค้ด ด้วยการให้ผู้ใช้ทดลองสอนเครื่องผ่านระบบกล้องเว็บแคม ระบบถูกสร้างอยู่บนไลบรารี deeplearn.js ที่เคยเปิดตัวไปก่อนหน้านี้ ทำให้ผู้ใช้สามารถใช้งานผ่านบนเบราว์เซอร์ได้เลย ไม่จำเป็นต้องติดตั้งโปรแกรมใด ๆ ก่อนใช้งาน

Andrew Ng หนึ่งในผู้ก่อตั้งทีม Google Brain และเป็นผู้ก่อตั้ง Coursera ให้สัมภาษณ์กับเว็บไซต์ Venture Beat ถึงประเด็น AI และการเป็นบริษัทด้าน AI อย่างแท้จริง เขาบอกว่าการที่บริษัทใดใช้ AI ในการดำเนินการ ไม่ได้หมายความว่าบริษัทนั้นเป็นบริษัทปัญญาประดิษฐ์ เพราะมันมีอะไรมากกว่านั้น

Stack Overflow เผยสถิติความนิยมของภาษาโปรแกรมมิ่งบนเว็บไซต์ของตัวเอง โดย Python เป็นภาษาที่มีอัตราการเติบโตสูงมากในรอบ 5 ปีที่ผ่านมา โดยจะเฉพาะจากกลุ่มประเทศพัฒนาแล้ว-รายได้สูงที่มีสัดส่วนทราฟฟิก 64% ของเว็บไซต์

สถิติของ Stack Overflow ย้อนกลับไปถึงปี 2011 พบว่าอัตราการเติบโตของ Python เพิ่มสูงมาก และในเดือนมิถุนายน 2017 แท็ก Python กลายเป็นแท็กอันดับหนึ่งของเว็บไซต์ แซงหน้า Java/JavaScript เป็นที่เรียบร้อย

Jeremy Hermann และ Mike Del Balso วิศวกรด้านวิศวกรรมข้อมูลของ Uber เปิดเผยข้อมูลของแพลตฟอร์มที่พัฒนาเพื่อใช้กันภายในองค์กรชื่อ Michelangelo ซึ่งเรียกว่าเป็น Machine Learning-as-a-service เพื่อให้พนักงานสามารถใช้งานได้ในวงกว้าง

ที่มาของการสร้างแพลตฟอร์มนี้ เกิดจากใน Uber มีความต้องการสร้างชุด Machine Learning ที่หลากหลาย แต่ในอดีตนั้นนักวิทยาศาสตร์ข้อมูล ก็เลือกใช้เครื่องมือตามความถนัด ไม่ว่าจะเป็น R, scikit-learn จนถึงเขียนอัลกอริทึมขึ้นเอง ทำให้การสร้างโมเดลต่างๆ จำกัดอยู่ในนักวิทยาศาสตร์ข้อมูล และไม่ทันต่อความต้องการ อีกทั้งเมื่อต่างคนต่างสร้างโมเดล ก็ไม่สามารถหามาตรฐานและเปรียบเทียบกันได้ง่าย จึงเป็นที่มาของการสร้างแพลตฟอร์มกลาง Michelangelo

AWS เปิดตัวบริการใหม่ในชื่อว่า Macie โดยเป็นบริการใช้ machine learning ในการจัดแบ่งข้อมูลและวิเคราะห์แพทเทิร์นการเข้าใช้งาน เพื่อให้ตัวข้อมูลมีความปลอดภัย

เมื่อผู้ใช้เริ่มต้นตั้งค่าเครื่อง จะต้องให้คะแนนความเสี่ยงกับข้อมูลนั้น ๆ จากนั้น Macie จะทำการใช้ข้อมูลเหล่านี้เทรนข้อมูลใหม่ที่เข้ามาในระบบของ AWS หลังจากนั้นจะใช้ระบบ machine learning แบบ unsupervised ในการคำนวณแพทเทิร์นการเข้าใช้งานข้อมูลในแบบปกติ และหากพบอะไรเปลี่ยนแปลง Macie จะแจ้งเตือนให้ทีมความปลอดภัยตรวจสอบ

บริการนี้ออกแบบมาเพื่อช่วยปกป้องการรั่วไหลข้อมูลเป็นจำนวนมากโดยนำ machine learning เข้ามาช่วย เช่นถ้าเกิดระบบพบว่ามีการเข้าใช้ข้อมูลทรัพยากรบุคคลเป็นจำนวนมากเกินไปจะแจ้งเตือนให้ผู้ดูแลระบบทราบ

ทีมวิจัย PAIR (People+AI Research Initiative) ของกูเกิล เปิดตัวโครงการ deeplearn.js ไลบรารีจาวาสคริปต์สำหรับเทรน machine learning ในเว็บเบราว์เซอร์

ที่ผ่านมา การเทรน AI จำเป็นต้องใช้เครื่องมือเฉพาะทาง เช่น ไลบรารีอย่าง Caffe, Torch, TensorFlow ที่ต้องใช้ความเชี่ยวชาญสูง ทางออกของกูเกิลจึงเป็นการสร้างไลบรารีที่รันได้บนเบราว์เซอร์ ไม่ต้องมีการติดตั้งใดๆ ช่วยให้คนนอกวงการ AI เข้าถึงการเทรนโมเดลแบบง่ายๆ ได้สะดวกขึ้น

ปัญหาของการรัน machine learning ในเบราว์เซอร์คือติดคอขวดที่ประสิทธิภาพของจาวาสคริปต์ ทางแก้ของกูเกิลคือรันบน WebGL เพื่อเรียกใช้พลังประมวลผลของจีพียู ซึ่งเหมาะกับงาน AI อยู่แล้ว

Verily บริษัททำวิจัยและเทคโนโลยีการแพทย์ในเครือ Alphabet (บริษัทแม่ Google) เตรียมลงทุนในสตาร์ทอัพ Freenome ทำเทคโนโลยีตรวจจับมะเร็ง ทางบริษัทไม่ระบุวงเงินลงทุน แต่จะเสนอห้องแล็บออฟฟิศให้ Freenome ใช้งาน ซึ่งอยู่ในเขตพื้นที่ของ Verily เลย

Freenome เป็นบริษัททำ machine learning หาสัญญาณทางชีววิทยา ที่เป็นรากของมะเร็งจากชิ้นส่วนดีเอ็นเอในเลือด ด้าน Google เองก็อยู่ระหว่างพัฒนาเทคโนโลยีตรวจหามะเร็งด้วย การลงทุนครั้งนี้จึงอาจเป็นไปได้ว่า Freenome จะเข้าไปช่วยเสริม Google ให้เทคโนโลยีดังกล่าวมีความคืบหน้าและตรวจจับได้แม่นยำมากขึ้น

ทีมวิจัยของกูเกิล พัฒนาระบบ AI ด้วยเทคนิค deep learning โดยให้เรียนรู้กระบวนการทำงานของช่างภาพระดับมืออาชีพ

ระบบ AI ของกูเกิลศึกษาภาพถ่ายพานอรามาของสถานที่ท่องเที่ยวตามธรรมชาติชื่อดังทั่วโลกจาก Google Street View กว่า 40,000 ภาพ แล้วดูว่าแต่ละภาพมีแง่มุมด้านความสวยงามอย่างไรบ้าง เช่น การจัดวางภาพ ระดับของแสง (HDR) และความอิ่มสี (saturation) จากนั้นก็นำโมเดลที่ได้มา "ต่อภาพ" จาก Street View แล้วแต่งภาพให้ออกมาสวยงามราวกับช่างภาพมืออาชีพ

Instagram หนึ่งในโซเชียลมีเดียที่ประสบความสำเร็จมหาศาล แต่ยังมีจุดด่างพร้อยคือคอมเมนท์สแปมทั้งจากบ็อทและคนซึ่งเป็นผู้ใช้จริงๆ เช่น ฝากร้าน ฝากกด Follow

ล่าสุด Instagram เพิ่มฟีเจอร์จัดการคอมเมนท์อีกขั้น ทั้งคอมเมนท์ใต้รูปภาพและไลฟ์วิดีโอ คือ Blocking Offensive Comments ที่มี machine learning ทำงานเบื้องหลัง ช่วยคัดกรองคอมเมนท์สแปมและคำหยาบคายอัตโนมัติ เพิ่มเติมจากฟีเจอร์รีพอร์ตคอมเมนท์ที่มีอยู่แล้วบนแพลตฟอร์ม

NVIDIA มีซอฟต์แวร์ชื่อ TensorRT สำหรับรีดประสิทธิภาพ (optimization) ของการรันโมเดล deep learning ที่พัฒนามาได้สักระยะหนึ่งแล้ว ล่าสุด NVIDIA เปิดให้นักพัฒนาสามารถดาวน์โหลด TensorRT 2.0 ไปใช้งานกัน

ปกติแล้วในโลกของ AI เราแยกงานของการเทรนหรือสร้างโมเดล (training) และการนำโมเดลไปใช้งาน (interference) ออกจากกัน

แนวคิดของ TensorRT คือการรีดประสิทธิภาพในตอนรัน (RT = runtime) ให้มีประสิทธิภาพสูงสุด มันออกแบบมาสำหรับปรับแต่งประสิทธิภาพก่อน เพื่อตอนรันงานจริง (production) จะได้ใช้งานทรัพยากรเครื่องอย่างคุ้มค่าที่สุด (เทคนิคจะคล้ายกับการแปลง bytecode ของ Java หรือการคอมไพล์แบบ ahead-of-time)

กูเกิลเพิ่มฟีเจอร์ด้านความปลอดภัยให้ Gmail/G Suite ทั้งหมด 4 อย่าง ดังนี้

เดือนที่แล้ว กูเกิลเพิ่งเพิ่มความสามารถให้ Gboard for Android ไปชุดใหญ่ ทั้งการรองรับภาษาใหม่ๆ (ส่วนใหญ่เป็นภาษาในประเทศอินเดีย) และการพิมพ์ตัวอักษรภาษาฮินดีด้วยแป้นภาษาอังกฤษ (Gboard จะเดาคำให้เราเอง)

ล่าสุดกูเกิลเผยแพร่รายละเอียดของอัลกอริทึมเบื้องหลัง Gboard เวอร์ชันใหม่ ว่านำ machine learning มาช่วยปรับปรุง Gboard ได้อย่างไร

เทคนิคของกูเกิลแบ่งออกเป็น 2 ส่วน ได้แก่ การเรียนรู้การลากนิ้ว (glide typing) และการเรียนรู้เรื่องการเดาคำต่อไปที่ผู้ใช้จะพิมพ์

ARM เปิดตัวซีพียูใหม่ทั้งระดับเรือธงและระดับกลางคือ Cortex-A75 และ Cortex-A55 ซึ่งเป็นซีพียูชุดแรกที่ผลิตบน DynamIQ ซึ่งเป็นสถาปัตยกรรมไมโครของ big.LITTLE รองรับการคอนฟิกคลัสเตอร์ที่หลากหลายมากขึ้น รวมถึงรองรับการประมวลผล AI และ Machine Learning

สำหรับ Cortex-A75 ถูกปรับปรุงประสิทธิภาพเพิ่มขึ้นจาก A73 อยู่ 20% ประสิทธิภาพการทำงานแบบมัลติคอร์ดีขึ้น 50% มีค่า memory throughput สูงขึ้น 16% รองรับการเพิ่มการใช้พลังงานสูงสุด 2W พร้อมเพิ่มประสิทธิภาพการทำงานบนอุปกรณ์หน้าจอใหญ่ 30% เพื่อรองรับอุปกรณ์ Windows ที่จะมาปลายปีนี้

กูเกิลจริงจังกับงานด้าน deep learning ถึงขนาดออกแบบชิปประมวลผลเองในชื่อ TPU (Tensor Processing Unit) โดยในงาน Google I/O 2017 กูเกิลก็เปิดตัว TPU รุ่นที่สอง ที่มีความสามารถมากขึ้น

เป้าหมายของกูเกิลคือนำ TPU ขึ้นไปอยู่บนคลาวด์ เพื่อให้นักวิจัยหรือคนที่ต้องการเทรน AI ให้เร็วกว่าทำเอง เข้ามาเช่าใช้งาน แต่ในช่วงแรกเพื่อเปิดโอกาสให้คนลองใช้กันมากๆ กูเกิลเลยสร้างคลาวด์พิเศษ TensorFlow Research Cloud (TFRC) ให้กลุ่มนักวิจัยใช้งานกันฟรีๆ

กระบวนการพัฒนาเครือข่ายนิวรอนอย่าง deep learning นั้นต้องอาศัยผู้เชี่ยวชาญในระดับสูงเพื่อออกแบบเครือข่ายที่มีประสิทธิภาพดี สามารถทำงานตามที่ต้องการ (เช่น การจัดหมวดหมู่ภาพ) ได้อย่างแม่นยำ เครือข่ายเช่น GoogleNet อาศัยการออกแบบนานหลายปี ตอนนี้กูเกิลเสนอแนวทาง AutoML ใช้ machine learning เพื่อออกแบบเครือข่ายนิวรอน

แนวทาง AutoML กูเกิลจะสร้าง "ตัวควบคุม" (the controller) ออกแบบเครือข่ายนิวรอนขึ้นมาใหม่ จากนั้นนำเครือข่ายนิวรอนที่ออกแบบมาไปฝึกกับข้อมูลและตรวจสอบความแม่นยำกับข้อมูล จนกระทั่งได้เครือข่ายนิวรอนประสิทธิภาพสูง การพัฒนาเครือข่ายนิวรอนสำหรับชุดข้อมูล CIFAR-10 ของกูเกิลสามารถทำความแม่นยำได้ 94.6% เป็นความแม่นยำระดับเดียวกับงานวิจัยใหม่ๆ ในปี 2016 ที่ใช้เวลาพัฒนามายาวนาน

หลังจากประโคมข่าวกันมานาน วันนี้ AMD ก็เปิดตัวจีพียูรุ่นถัดไปสถาปัตยกรรม Vega อย่างเป็นทางการ สินค้าตัวแรกมีชื่อว่า Radeon Vega Frontier Edition ไม่เน้นเกมมิ่ง แต่เน้นเจาะตลาด machine learning และ data science เป็นหลัก

AMD ระบุว่าตอนนี้ Radeon Vega Frontier Edition คือจีพียูที่เร็วที่สุดในโลก (the fastest graphics card on the planet) มีประสิทธิภาพสูงกว่าคู่แข่ง NVIDIA Titan Xp ถึง 42% ในงานบางประเภท

ตอบรับเทรนด์เซลฟี่ที่มาพร้อมสติกเกอร์และเอฟเฟกต์ Google เผยฟีเจอร์ใหม่ใน Allo ใช้ machine learning สร้างคาแรคเตอร์การ์ตูนจากรูปเซลฟี่ของผู้ใช้ เมื่อหยิบมือถือมาเซลฟี่ระบบจะสร้างคาแรกเตอร์ในอิริยาบถต่างๆ ให้อัตโนมัติ สามารถส่งเป็นสติกเกอร์คาแรกเตอร์ตัวเองให้เพื่อนได้ด้วย

กูเกิลเปิดตัวเว็บ AutoDraw แปลงภาพที่วาดแบบไม่บรรจงกลายเป็นสวยๆ ที่วาดโดยนักวาดมืออาชีพ ทำให้คนทั่วไปสามารถลองวาดภาพแบบหวัดๆ แล้วแปลงภาพกลายเป็นการ์ดอวยพรหรือภาพร่างได้

บริการ AutoDraw ยังเปิดรับภาพวาดจากศิลปินภายนอกสามารถส่งภาพเข้าไปให้ผู้ใช้ AutoDraw สามารถเลือกไปใช้งานได้อีกทางด้วย

ตัวซอฟต์แวร์ภายใน ใช้เทคโนโลยีแบบเดียวกับเกม Quick, Draw! ที่กูเกิลสร้างขึ้นทดสอบว่าปัญญาประดิษฐ์จะสามารถเดาว่าภาพที่เราวาดเป็นภาพอะไรได้หรือไม่ (แต่เท่าที่ผมลองแล้ว AutoDraw ฉลาดกว่ามาก)

ที่มา - Google

ที่ผ่านมา กูเกิลเปิดให้เจ้าของธุรกิจ-ร้านค้า สามารถกรอกข้อมูลของธุรกิจตัวเองลง Google Maps ผ่าน Google My Business

ปัญหาที่เกิดขึ้นคือมีคนจำนวนมากใช้ช่องทางนี้สแปมข้อมูล ทั้งสร้างร้านค้าปลอม (fake listing) หรือใส่ข้อมูลผิดๆ เข้ามาให้กับสถานที่จริง สร้างความเดือดร้อนต่อผู้ใช้งาน Google Maps

ส่วนสำคัญของการฝึกระบบปัญญาประดิษฐ์คือซอฟต์แวร์ฝึกจะต้องเห็นข้อมูลจำนวนมาก แต่สำหรับข้อมูลส่วนตัวเช่นคีย์บอร์ด การส่งข้อมูลกลับไปยังเซิร์ฟเวอร์เพื่อฝึกปัญญาประดิษฐ์ให้แนะนำคำได้ดียิ่งขึ้น จะเสี่ยงต่อการละเมิดความเป็นส่วนตัวอย่างมาก

ตอนนี้กูเกิลก็เสนอทางออกใหม่ที่ไม่ต้องส่งข้อมูลกลับไปยังเซิร์ฟเวอร์โดยตรง แต่ยังปรับปรุงปัญญาประดิษฐ์จากการใช้งานได้ เรียกว่า Federated Learning

ในระบบ Federated Learning ผู้ใช้ทุกคนจะได้รับปัญญาประดิษฐ์เริ่มต้นมาเหมือนๆ กัน จากนั้นเมื่อผู้ใช้เริ่มแนะนำข้อมูลใหม่ๆ เข้าไป ระบบปัญญาประดิษฐ์ก็จะปรับปรุงตัวเองบนเครื่องผู้ใช้ ทำให้เมื่อใช้งานไประยะหนึ่งแล้ว ปัญญาประดิษฐ์บนเครื่องผู้ใช้แต่ละคนจะมีพฤติกรรมต่างกันออกไป

SAP ผู้ให้บริการซอฟต์แวร์จากเยอรมัน เปิดตัว Digital Boardroom ในไทย เน้นกลุ่มองค์กรที่มีปริมาณข้อมูลมหาศาล และอาศัยการวิเคราะห์ข้อมูลเพื่อตัดสินใจและกำหนดทิศทางการดำเนินธุรกิจของบริษัท

Digital Boardroom เป็นหน้าจอใหญ่ มีตั้งแต่ 1 จอ ถึง 3 จอ ทำงานเชื่อมโยงกับฐานข้อมูลบนคลาวด์ (SAP BusinessObjects Cloud) และดาต้าเบสแพลตฟอร์มอื่นๆ ของ SAP (เช่น SAP S/4HANA, SAP HANA, และ SAP BusinessWarehouse หรือ เชื่อมต่อกับแหล่งข้อมูลอื่นผ่าน Smart Data Integration หรือ HANA Cloud Integration) โดยมี Machine Learning ทำงานเบื้องหลัง

ปัญญาประดิษฐ์และการประมวลผลภาพในโทรศัพท์มือถือมีการใช้งานมากขึ้นเรื่อยๆ เช่น ฟิลเตอร์เครื่องแต่งกายตามแอปไลฟต์ต่างๆ ตอนนี้ ARM ก็ออกมาปล่อยไลบรารีสำหรับการรีดประสิทธิภาพซีพียูและจีพียูให้ทำงานเหล่านี้ได้ดียิ่งขึ้น

ARM Compute Library รองรับฟังก์ชั่นพื้นฐานคล้ายกับ OpenCV เช่น การประมวลสีภาพ หรือฟิลเตอร์ HOG (histogram of oriented gradients) ไปจนถึงฟังก์ชั่นคอมพิวเตอร์เรียนรู้ด้วยตัวเอง เช่น SVM (support vector machines) หรือ convolutional neural networks

Snapchat ได้เปิดตัวฟีเจอร์ใหม่ คือ Stories in Search ซึ่งเป็นการค้นหา Story ที่ถูกโพสต์ลงบน Snapchat

สำหรับ Story ที่จะนำมาแสดงในผลการค้นหา จะต้องถูกโพสต์แบบสาธารณะใน Our Story เท่านั้น เช่น ถ้าค้นหาว่า Fashion Week ก็จะแสดงเฉพาะ Story จากงานแฟชั่นวีค ซึ่ง Snapchat จะใช้ machine learning ในการสแกนภาพที่ถูกโพสต์ลง Story ออกมาเพื่อจัดหมวดหมู่ว่าภายใน Story นั้นมีอะไรบ้าง โดยวิดีโอตัวอย่างสามารถรับชมได้ท้ายข่าว

ฟีเจอร์ Stories in Search เริ่มเปิดให้ใช้งานแล้ว แต่ยังจำกัดให้ใช้งานเฉพาะผู้ใช้ในบางกลุ่มเท่านั้น

ที่มา - Snap, TechCrunch

สวนสาธารณะหอฟ้าเทียนถาน (temple of heaven) ติดตั้งคอมพิวเตอร์จดจำใบหน้าเพื่อจำกัดการใช้กระดาษทิชชู่ในห้องน้ำสาธารณะแต่การทดสอบล้มเหลวจนต้องเลิกใช้งานไป

คอมพิวเตอร์จะจ่ายกระดาษทิชชู่ปริมาณจำกัด โดยหนึ่งคนจะกดทิชชู่ได้หนึ่งครั้งในเก้านาที แต่หลังจากใช้งานจริง ผู้ใช้แต่ละคนต้องใช้เวลาครึ่งนาทีจึงจะได้ทิชชู่ออกมา

ทางสวนสาธารณะรายงานว่าปริมาณการใช้ทิชชู่กำลดลงในปีที่ผ่านมา แม้ปริมาณนักท่องเที่ยวจะคงเดิมก็ตาม แต่นักท่องเที่ยวบางคนก็ดึงกระดาษเกินความจำเป็นหรือแม้แต่แอบหยิบทั้งม้วนกลับบ้าน

ที่มา - People's Daily

บริการ reCAPTCHA ของกูเกิลใช้สำหรับการพิสูจน์ว่าเป็นมนุษย์จริงหรือไม่ เพื่อป้องกันการสแปมเว็บหรือบริการต่างๆ โจทย์สำคัญสำหรับนักวิจัยคือเราสามารถผ่านการพิสูจน์ความเป็นมนุษย์นี้ด้วยคอมพิวเตอร์ได้หรือไม่ ตอนนี้การทดสอบล่าสุดก็สามารถผ่าน reCAPTCHA ด้วยบริการแปลงเสียงเป็นข้อความของกูเกิลเอง

Google Speech Recognition API มีค่าใช้งานเพียง 0.006 ดอลลาร์ต่อเสียง 15 วินาที และฟรี 1 ชั่วโมงต่อเดือน

นักวิจัยใช้ชื่อเพียงว่า East-Ee และยังไม่รายงานถึงความแม่นยำว่าผลลัพธ์จะดีเพียงใด แต่แนวคิดการทำงานเช่นนี้ก็น่าสนใจ เพราะบริการปัญญาประดิษฐ์ที่เป็นคลาวด์มีราคาถูกและเข้าถึงได้ง่ายขึ้นเรื่อยๆ