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

วันนี้ทางสถาบันวิจัยปัญญาประดิษฐ์ประเทศไทยเปิดตัวชุดข้อมูลจำแนกอารมณ์จากเสียงพูดภาษาไทย (Thai Speech Emotion Recognition) หลังจากใช้เวลาพัฒนา 2 ปี ภายใต้ความร่วมมือของจุฬาลงกรณ์มหาวิทยาลัย และได้รับการสนับสนุนโดยบริษัท แอดวานซ์ อินโฟร์ เซอร์วิส จำกัด

ชุดข้อมูลจำแนกอารมณ์จากเสียงพูดภาษาไทยประกอบไปด้วย 5 อารมณ์ ได้แก่ โกรธ เศร้า สุข หงุดหงิด ปกติ นักแสดง 200 คน (ชาย 87 และหญิง 113) จำนวน 36 ชม. (23,797 ประโยค) ถือเป็นชุดข้อมูลจำแนกอารมณ์จากเสียงพูดภาษาไทยที่ใหญ่ที่สุด ณ ปัจจุบัน

ท่านใดสนใจสามารถดาวน์โหลดได้ที่ airesearch.in.th

Microsoft Garage หน่วยบ่มเพาะนวัตกรรมใหม่ในไมโครซอฟท์ เปิดตัวแอปพลิเคชั่น Group Transcribe แอปบันทึกเสียงการประชุม ที่สามารถถอดเสียงเป็นคำบรรยาย และแปลภาษาในข้อความไปด้วยได้ รองรับ 80 ภาษา รองรับภาษาไทยด้วย ผู้ใช้งานจะได้โฟกัสกับการประชุมเต็มที่โดยไม่ต้องจดโน้ต เปิดให้ใช้งานเฉพาะ iOS แล้วทั่วโลก

วิธีการทำงานของ Group Transcribe คือ เริ่มการประชุมจากในแอป และส่งลิงค์หรือส่ง QR Code ให้คนอื่นเพื่อเชิญให้เข้าร่วมประชุม ในการประชุมผู้ใช้งานต้องวางโทรศัพท์ไว้ในระยะเอื้อมถึง เพื่อให้ระบบถอดเสียงได้เต็มที่

Cisco Webex ประกาศฟังก์ชั่นแปลภาษาเรียลไทม์ จากภาษาอังกฤษเป็น อาหรับ, ดัตช์, ฝรั่งเศส, เยอรมัน, ญี่ปุ่น, เกาหลี, จีนกลาง, รัสเซียและสเปน ซึ่งเริ่มเปิดใช้งานเมื่อเดือนกุมภาพันธ์ที่ผ่านมา ล่าสุด Cisco Webex ประกาศจะขยายไปยังภาษาอื่นๆ ให้ครอบคลุมภาษาท้องถิ่นอย่างเดนมาร์ก, ฮินดี, มาเลย์, ตุรกีและเวียดนาม รวมๆ แล้วกว่า 100 ภาษาตามที่ Cisco ระบุ

กูเกิลเปิดตัวปัญญาประดิษฐ์ Lyra สำหรับการบีบอัดเสียงพูด โดยอาศัยโมเดลดึงเอาคุณลักษณะของเสียงในห้วง 40ms ออกมาเป็นข้อมูลขนาดเล็กส่งไปยังปลายทาง และที่ปลายทางจะมีปัญญาประดิษฐ์แบบ generative สร้างเสียงกลับออกมาอีกครั้ง ทำให้ใช้งานได้แม้แบนวิดท์จะต่ำเหลือเพียง 3kbps เท่านั้น (เสียงโทรศัพท์ปกติใช้แบนวิดท์ 64kbps)

จากกรณี Timnit Gebru นักวิจัยด้านจริยธรรมปัญญาประดิษฐ์ (Ethical AI) เปิดเผยว่าเธอถูกไล่ออกจากกูเกิล จนทำให้พนักงานเข้าชื่อประท้วง และซีอีโอ Sundar Pichai ต้องออกมาขอโทษ

ล่าสุดมีกรณีคล้ายๆ กันขึ้นมาอีก เมื่อ Margaret Mitchell หัวหน้าทีม Ethical AI อีกคน (เป็นระบบหัวหน้าสองคน) เปิดเผยว่ากูเกิลไล่เธอออกเช่นกัน

กรณีของ Mitchell สาเหตุต่อเนื่องมาจากกรณี Gebru เพราะหลังกูเกิลไล่ Gebru ออก ทำให้ Mitchell พยายามเข้าไปหาหลักฐานในระบบอีเมลของบริษัท ทำให้กูเกิลปิดการเข้าถึงบัญชีอีเมลของเธอตั้งแต่เดือนที่แล้ว และไล่ออกในวันนี้

ทีม Google Research ปล่อยโครงการ TensorFlow 3D (TF 3D) โมเดลปัญญาประดิษฐ์สำหรับตรวจจับวัตถุสามมิติโดยเฉพาะ สำหรับใช้งานจากข้อมูลที่ได้จากเซ็นเซอร์สามมิติไม่ว่าจะเป็นโมดูล LIDAR หรือกล้องสามมิติก็ตาม

TF 3D มีโมเดลสำหรับแยกส่วนวัตถุจากข้อมูลสามมิติ (segmentation) และตรวจจับวัตถุ (object detection) การตรวจจับวัตถุจะได้เอาต์พุตเป็นกล่องสามมิติ สามารถบอกจุดศูนย์กลางและทิศทางที่วัตถุหันอยู่ได้

ตัวโครงการพัฒนาบน TensorFlow 2 รองรับชุดข้อมูล Waymo Open (สแกนถนน), ScanNet (ในอาคาร), และ Rio สำหรับการฝึก

ที่มา - Google AI Blog

Canon เปิดตัวแคมเปญระดมทุนในเว็บไซต์ Makuake สำหรับกล้อง AI ถ่ายภาพอัตโนมัติชื่อว่า PowerShot PICK โดย AI ในตัวมีไว้เพื่อวิเคราะห์ฉาก, ระบุตัวคน, ติดตามหน้า และกำหนดว่าควรจะถ่ายภาพตอนไหน ซึ่ง Canon ระบุว่าตัว PICK นี้เป็นกล้องถ่ายภาพอัตโนมัติที่รวมเลนส์, ระบบประมวลผลวิดีโอ และเทคโนโลยี AI เข้าด้วยกัน

สเปคของตัวกล้อง Canon ใช้เซนเซอร์ 1/2.3 นิ้ว CMOS 12 ล้านพิกเซล พร้อมเลนส์ซูมเทียบเท่าระยะ 19-57mm มีรูรับแสงกว้างสุดที่ F2.8 พร้อมระบบกันสั่นในตัว สามารถแพนกล้องได้ 170 องศา และก้มเงยได้ 110 องศา พร้อมช่องเสียบ microSD โดยตัวกล้องมีน้ำหนัก 170 กรัม สูง 90 มิลลิเมตร

สถาบันวิจัยปัญญาประดิษฐ์ประเทศไทย (VISTEC-depa Thailand Artificial Intelligence Research Institute) ปล่อยโมเดล WangchanBERTa ซึ่งเป็นโมเดลทางภาษาไทยสำหรับงานประมวลผลภาษาธรรมชาติโดยฝึกฝนบนสถาปัตยกรรม RoBERTa

โมเดล WangchanBERTa ถูกฝึกฝนด้วยชุดข้อมูลกว่า 78.48 GB ใช้ตัวตัดคำย่อย SentencePiece ในการแบ่งคำและ ใช้เวลาฝึกฝนโมเดล 3 เดือน

ทำให้โมเดล WangchanBERTa ถือเป็นโมเดลภาษาไทยที่ใหญ่ที่สุด ณ ขณะนี้ ซึ่งในการฝึกฝนใช้ไฟฟ้าทั้งหมด 10,566.5 kWh หรือคิดเป็นรอยเท้าคาร์บอน 7.5 ตัน เทียบเท่าการใช้รถ 1.6 คันในหนึ่งปี