FIA ผู้จัดการแข่งขันรถ F1 เปิดเผยว่าจะทดสอบการนำ AI มาช่วยในการตัดสิน Track Limit หรือปัญหารถขับออกนอกเส้นแทร็กสนาม โดยจะนำมาใช้ในการแข่งขันรายการอาบูดาบี กรังด์ปรีซ์ ซึ่งเป็นสนามสุดท้ายของฤดูกาลที่จะแข่งในสุดสัปดาห์นี้

เทคโนโลยีที่นำมาใช้คือ Computer Vision ทำงานร่วมกับ AI พิจารณาว่ารถแข่งขันออกนอกเส้นแทร็กสนามหรือไม่ที่ระดับพิกเซล เมื่อตรวจพบรถที่ขับออกนอกแทร็กทั้ง 4 ล้อ ระบบจะส่งรายงานให้ Steward หรือกรรมการดูแลการแข่งขันพิจารณาความผิดอีกครั้ง

Amazon ประกาศความร่วมมือกับ UVeye พัฒนาระบบตรวจสอบยานพาหนะอัตโนมัติ AVI (Automated Vehicle Inspection) เพื่อใช้ตรวจสอบความผิดปกติและสภาพความปลอดภัยของรถขนส่งพัสดุ ซึ่งเดิมเป็นงานที่ใช้คน

UVeye เป็นสตาร์ทอัพจากอิสราเอลที่เชี่ยวชาญการทำระบบตรวจจับความผิดปกติของรถสำหรับงานความปลอดภัย ใช้ในพื้นที่พรมแดนระหว่างประเทศหรือในอาคาร ซึ่งต่อมาพัฒนาเป็นระบบตรวจจับความผิดปกติสำหรับรถทั่วไป

Alibaba Cloud เปิดตัวโมเดลภาษาภาพขนาดใหญ่ (Large Vision Language) แบบโอเพนซอร์ส ซึ่งมีความสามารถในการเข้าใจภาพและตัวหนังสือ

สองโมเดลได้แก่ Qwen-VL เป็นโมเดลภาษาภาพขนาดใหญ่ที่ถูกเทรนมาก่อน และ Qwen-VL-Chat โมเดลสำหรับการสนทนาโต้ตอบ ขนาด 7 พันล้านพารามิเตอร์ มีความสามารถทำความเข้าใจภาพในภาษาอังกฤษและภาษาจีน และสร้างบทสนทนาโต้ตอบ รวมถึงทำงานประมวลผล เช่น บวกเลขในภาพได้ ซึ่งสามารถนำมาช่วยทั้งการอ่านป้ายภาษาจีน สำหรับคนที่ไม่รู้ภาษาจีน หรือใช้ช่วยอ่านป้ายต่าง ๆ สำหรับผู้มีปัญหาการมองเห็น

ทั้ง Qwen-7B และ Qwen-7B-Chat เปิดให้ดาวน์โหลดใช้งานแล้วที่ ModelScope ซึ่งเป็นชุมชนนักพัฒนา AI ของ Alibaba Cloud และที่ Hugging Face

บริการระบบจ่ายเงินด้วยฝ่ามือ Amazon One ประกาศเพิ่มคุณสมบัติใหม่ โดยนอกจากใช้จ่ายเงินได้แล้ว ยังสามารถใช้ยืนยันอายุของผู้ซื้อ สำหรับการซื้อเครื่องดื่มแอลกอฮอล์ได้ด้วย จากเดิมในขั้นตอนนี้ผู้ซื้อต้องแสดงเอกสารที่ออกให้โดยหน่วยงานรัฐทุกครั้ง

โดย Amazon เพิ่มระบบยืนยันอายุใน Amazon One ผู้ใช้งานสามารถไปที่เว็บไซต์หรือคิออสก์ แล้วอัปโหลดภาพเอกสารยืนยันอายุของหน่วยงานรัฐ (ในอเมริกานิยมใช้ใบขับขี่) พร้อมกับเซลฟี่ใบหน้า ซึ่ง Amazon จะทำการตรวจสอบความถูกต้องเอกสาร แต่ไม่เก็บข้อมูลไว้ แล้วใช้เฉพาะภาพเซลฟี่ใบหน้านี้แสดงประกอบทุกครั้ง เมื่อสแกนฝ่ามือจ่ายเงินให้ร้านค้าเปรียบเทียบความถูกต้อง

Meta เผยแพร่โครงการ Segment Anything โมเดล AI สำหรับงานแยกแยะวัตถุในรูปภาพและวิดีโอ (Segmentation) มีจุดเด่นคือความสามารถในการแยกแยะวัตถุต่าง ๆ แม้จะไม่เคยเทรนให้รู้จักวัตถุนั้นมาก่อน และมาพร้อมเครื่องมือที่วาดเส้นขอบวัตถุให้อัตโนมัติ

ในงานที่เผยแพร่นี้ Meta นำเสนอสองอย่างได้แก่ Segment Anything Model (SAM) โมเดลสำหรับการแยกแยะวัตถุ เผยแพร่ภายใต้สัญญา Apache 2.0 และข้อมูล 1 พันล้านดาต้าเซต สำหรับงาน Segmentation (SA-1B) อนุญาตให้ใช้สำหรับงานวิจัย

Be My Eyes แอปช่วยเหลือสำหรับผู้มีปัญหาด้านการมองเห็น ซึ่งใช้การวิดีโอคอลขอความช่วยเหลือจากอาสาสมัคร ประกาศเพิ่มความสามารถใหม่โดยใช้โมเดล GPT-4 ของ OpenAI ที่เพิ่งเปิดตัวไป

ฟีเจอร์ใหม่ที่เพิ่มมาด้วยความสามารถของ AI นี้ เรียกชื่อว่า Virtual Volunteer มีเป้าหมายให้ทำงานได้ในระดับเดียวกับอาสาสมัคร โดยสามารถให้รายละเอียดของภาพที่เห็น พร้อมคำแนะนำเพิ่มเติมที่เกี่ยวเนื่อง ซึ่งเป็นความสามารถใหม่เพิ่มเติมของ GPT-4

Tamás Nemes เป็นเด็กหนุ่มชาวเยอรมันวัยเพียง 18 ปี สิ่งที่ทำให้เขาเป็นที่รู้จักในระดับประเทศคือผลงานการประดิษฐ์กล้องห้อยคอที่มาพร้อมระบบ computer vision ที่ใช้ปัญญาประดิษฐ์ช่วยจำแนกสิ่งที่กล้องมองเห็นและจำแนกวัตถุในภาพเหล่านั้น

การจำแนกวัตถุจากภาพของกล้องนั้นทำไปเพื่อบอกเสียงแจ้งเตือนแก่ผู้ใช้ซึ่งมีปัญหาด้านการมองเห็นให้ได้รับรู้ว่ามีกีดขวางอะไรอยู่รอบตัวผู้ใช้บ้าง และช่วยให้เข้าใจสภาพแวดล้อมโดยรอบได้ดีขึ้น

ทีมนักวิจัยจาก Cornell University พัฒนาอัลกอริทึมของปัญญาประดิษฐ์เพื่อศึกษาเทปการแข่งขันกีฬาวอลเลย์บอล จนทำให้มันเข้าใจเกมและสามารถทำนายการเคลื่อนที่ของผู้เล่น และวิธีการที่ผู้เล่นจะเลือกใช้ในจังหวะต่อไปได้แม่นยำเกิน 80%

การทำงานของอัลกอริทึมจะอาศัยข้อมูลรอบด้านเพื่อทำนายการเคลื่อนที่หรือการตัดสินเลือกวิธีการเล่นของผู้เล่นในสนาม โดยอาศัยทั้งข้อมูลจากระบบ computer vision ควบคู่ไปกับข้อมูลที่มีการป้อนให้แก่ปัญญาประดิษฐ์โดยตรง เพื่อให้ระบบปัญญาประดิษฐ์เข้าใจข้อมูลแวดล้อมของการแข่งขันเพื่อใช้ประกอบการทำนายได้แม่นยำยิ่งขึ้น

Canon เปิดตัวแอป Photo Culling แอปสำหรับแนะนำคัดรูปภาพโดยใช้ Computer Vision Artificial Intelligence Engine ของ Canon ที่จะแนะนำรูปภาพที่ควรเก็บไว้ในกลุ่มภาพที่ถ่ายมาจำนวนมาก

Canon ระบุว่า Photo Culling มีตัวเลือกคัดรูปสองแบบ คือคัดรูปทั้งหมด ​(Whole Culling) จะพิจารณาจากความคมชัด, สัญญาณรบกวน, อารมณ์ในรูปภาพ และการปิดของดวงตาออกมาเป็นคะแนน ผู้ใช้สามารถกำหนด threshold ว่าคะแนนเท่าไรจึงเก็บไว้ ส่วนคัดเฉพาะรูปคล้าย (Similar Culling) จะคัดเฉพาะรูปที่ถ่ายมาหลาย ๆ ช็อตคล้าย ๆ กันโดยให้คะแนนภาพถ่าย และจะแนะนำเฉพาะภาพถ่ายที่ได้คะแนน 2 อันดับแรก

AWS เปิดบริการเจาะกลุ่มโรงงานสองตัวพร้อมกัน คือ Amazon Panorama คอมพิวเตอร์ประมวลผลภาพจากกล้องวงจรปิด และ Amazon Lookout บริการหาจุดบกพร่องของสินค้าในกระบวนการผลิต

มีรายงานว่าแอปเปิลได้เข้าซื้อกิจการ Vilynx สตาร์ทอัพจากสเปน ไปเมื่อช่วงต้นปีที่ผ่านมา

ข้อมูลของ Vilynx ระบุว่าเป็นผู้เชี่ยวชาญด้าน AI ในการเพิ่มข้อมูล metadata สำหรับภาพและวิดีโอ ซึ่งทำให้กระบวนการค้นหามีความสะดวกมากขึ้น นอกจากนี้ยังมีเทคโนโลยีที่ช่วยตรวจสอบวิดีโอว่าจุดใดเป็นส่วนสำคัญของเนื้อหาทั้งหมดอีกด้วย โดยคาดว่าแอปเปิลจะนำเทคโนโลยีนี้มาใช้กับ Siri และระบบเสิร์ชในการค้นหาภาพและวิดีโอบนอุปกรณ์

เดิมการยืนยันตัวตนก่อนเข้า Amazon Go คือการใช้ QR Code บนแอป Amazon Go ที่เชื่อมกับบัญชี Amazon แตะสแกนก่อนเข้าร้าน ล่าสุด Amazon เปิดตัวโซลูชันใหม่สำหรับการยืนยันหรือระบุตัวตนก่อนเข้าร้านค้าหรือสถานที่ต่าง ๆ ชื่อว่า Amazon One

Amazon One จะมีช่องสำหรับเสียบบัตรเครดิตและเครื่องสแกนฝ่ามือ (โดยไม่ต้องสัมผัส แค่เอาฝ่ามือไปอังเหนือเซ็นเซอร์) ที่อาศัย computer vision ในการอ่านและตรวจจับลายมือเพื่อแยกแยะบุคคลในเวลาแค่ราว 1 วินาที ระบบจะผูกตัวตนเข้ากับบัตรเครดิตที่เสียบไว้ให้ โ

Amazon จะเริ่มนำ Amazon One มาใช้กับร้าน Amazon Go ก่อน โดยมีเป้าหมายถัดไปคือขยายการใช้งาน Amazon One ออกไปยังลูกค้าภายนอก ทั้งที่เป็นร้านค้าปลีกและสถานที่อย่างตึกออฟฟิศ

มีรายงานว่า Tesla ได้เข้าซื้อกิจการของสตาร์ทอัพจาก Silicon Valley ชื่อ DeepScale เพื่อมาเสริมทัพด้านการประมวลผลภาพในรถยนต์ไร้คนขับ

DeepScale เป็นสตาร์ทอัพอายุ 4 ปี ทำธุรกิจพัฒนาการใช้ deep neural network สำหรับการประมวลผลภาพ (computer vision) และข้อมูลจากเซ็นเซอร์รอบรถ ในการตีความ (interpret) และจัดกลุ่ม (classify) สิ่งต่างๆ รอบตัว หรือกล่าวสั้นๆ ได้ว่าเทคโนโลยีของบริษัทนี้จะช่วยให้รถเข้าใจสิ่งแวดล้อมรอบๆ ได้ดีขึ้น ซึ่งถือเป็นหัวใจหลักของการพัฒนารถยนต์ไร้คนขับ

การจะได้ชื่อว่าเป็นรถยนต์ไร้คนขับ ต้องถูกจัดกลุ่มตามมาตรฐาน SAE ในระดับ 4 หรือ 5 แต่ปัจจุบันฟีเจอร์ Autopilot ของรถ Tesla ยังอยู่ในระดับ 2 เท่านั้น คือเป็นการช่วยขับแต่คนขับยังต้องมองถนนตลอดเวลา

Sam’s Club ร้านค้าปลีกระบบสมาชิกในเครือ Walmart ประกาศผลงานจากศูนย์ทดสอบ Sam’s Club Now ที่ได้รับการจดสิทธิบัตรแล้ว โดยจะนำมาใช้ต่อยอดในระบบตรวจสอบและชำระค่าสินค้า

วิธีการก็คือลูกค้าสามารถใช้กล้องในแอปสแกนตัวสินค้า แล้วระบบจะเรียกข้อมูลราคาสินค้าขึ้นมาได้เลย โดยไม่ต้องพยายามสแกนบาร์โค้ดแบบในวิธีการปัจจุบัน ซึ่งเทคโนโลยีที่ใช้มีทั้ง Computer Vision และ Machine Learning

ในการทดสอบสถานการณ์จำลองเมื่อสินค้าอยู่ใต้รถเข็น แบบบาร์โค้ดเดิมนั้นใช้เวลาราว 9 วินาที ขณะที่วิธีการสแกนแบบใหม่ใช้เวลาเพียง 3 วินาที เท่านั้น ช่วยให้ทุกขั้นตอนรวดเร็วขึ้นและดีกับทุกฝ่าย (ดูตัวอย่างจากที่มา)

เอกสารของสำนักงานสิทธิบัตรและเครื่องหมายการค้าอเมริกาเปิดเผยว่า แอปเปิลได้ซื้อสิทธิบัตรและเอกสารคำขอสิทธิบัตรรอการอนุมัติ รวมทั้งหมด 8 รายการ จาก Lighthouse AI บริษัทที่ผู้ผลิตกล้องเพื่อความปลอดภัยในบ้าน โดยการซื้อสิทธิบัตรนี้เกิดขึ้นในปลายปี 2018

ทั้งนี้ Lighthouse AI ได้ประกาศเลิกกิจการเมื่อเดือนธันวาคมปีที่แล้ว เนื่องจากไม่ประสบความสำเร็จด้านยอดขาย โดยสินค้าของบริษัทเน้นไปที่ระบบกล้องสำหรับดูแลความปลอดภัยภายในบ้าน ด้วยเทคโนโลยี AI และการตรวจจับแบบ 3 มิติ รวมทั้งมีแอปสำหรับดูข้อมูลเชิงลึกที่มีเฉพาะบน iOS

สิทธิบัตร 8 รายการที่แอปเปิลซื้อไปตัวอย่างเช่น (ขอยกชื่อมาเต็ม ๆ โดยไม่แปล)

MIT เปิดตัวหุ่นยนต์เล่นเกม Jenga ซึ่งประกอบด้วยแขนกลสำหรับจับแท่งไม้, ส่วนสำหรับดันแท่งไม้ และกล้องภายนอกเพื่อประเมินสถานการณ์ของตัวต่อทั้งหมดที่วางอยู่

อธิบายแบบรวดเร็วสำหรับคนที่ไม่รู้จักเกม Jenga หรืออาจเคยเล่นแต่ไม่รู้ว่าเรียก Jenga มันคือเกมที่มีชิ้นท่อนไม้ 54 ชิ้น ต่อเรียงกันเป็นตึก ผู้เล่นผลัดกันดึงแท่งไม้ออกหนึ่งชิ้น แล้วไปวางไว้ด้านบนสุด โดยไม่ทำให้ตึกถล่มลงมา ใครทำถล่มคนนั้นแพ้

ขั้นตอนการทำงานของหุ่นยนต์นี้ จะประเมินว่าแท่งไม้ไหนที่ควรดึงออกมา โดยใช้แขนดันออกมาก่อน แล้วใช้แขนหนีบดึงชิ้นไม้ออกมา และสุดท้ายหามุมวางที่เหมาะสมไม่ให้ตึกถล่ม หุ่นยนต์มีการเรียนรู้ โดยหากไม้ชิ้นใดที่ดันแล้วรู้สึกว่าฝืดเกินไป ก็จะเลี่ยงไม่ดันชิ้นนั้น

ช่วงหลังเราเห็นฟีเจอร์แปลงใบหน้าเป็นการ์ตูนแอนิเมชันจากฝั่งผู้ผลิตมือถือ เช่น Animoji ของแอปเปิล หรือ AR Emoji ของซัมซุง

ฝั่งแพลตฟอร์มแชทอย่าง LINE ก็ประกาศออกฟีเจอร์แบบเดียวกันชื่อว่า Character Effect หลักการก็ไม่ต่างอะไรกัน ใช้เทคนิค computer vision มาช่วยแปลงใบหน้าของผู้ใช้เป็นการ์ตูน และขยับตามใบหน้าของผู้ใช้

จุดเด่นของ LINE Character Platform ย่อมหนีไม่พ้นการใช้คาแรกเตอร์ที่เรารู้จักกันดีจาก LINE Friends อย่างในตัวอย่างที่นำมาโชว์บนจอเป็นกระต่าย Cony ที่น่าจะเรียกความสนใจของผู้ใช้ได้อย่างมาก

ถึงตอนนี้ทุกคนคงรู้ดีกันอยู่แล้วว่าหุ่นยนต์สามารถทำงานแทนคนได้หลายอย่าง ไม่ว่าจะเป็นงานสายการผลิตในโรงงาน, งานประชาสัมพันธ์และต้อนรับในโรงแรม แน่นอนว่ามีแม้กระทั่งหุ่นยนต์ปรุงอาหารในร้านอาหาร และ Flippy หุ่นยนต์นักทำเบอร์เกอร์ ผลงานการพัฒนาโดย Miso Robotics ก็คือหนึ่งในนั้น มันไม่ได้เป็นแค่หุ่นยนต์แขนกลธรรมดาที่ย่างเบอร์เกอร์ไปวันๆ มันมองเห็น คิดเป็น และถูกออกแบบมาให้ทำงานร่วมกับคนได้

ปัจจุบันศาสตร์ทางด้านปัญญาประดิษฐ์และการประมวลผลแบบกระจายได้พัฒนามาไกลมาก สองถึงสามปีมานี้จึงได้มีการนำสองเทคโนโลยีนี้มาใช้ควบคู่กันเพื่อพัฒนาคุณภาพการบริการและผลิตภัณฑ์ของบริษัทต่าง ๆ อย่างแพร่หลาย ตลอดจนปริมาณเนื้อหาบนโลกอินเทอเน็ตที่มากขึ้นเป็นทวีคูณ ทำให้ล่าสุด Pornhub ผู้ให้บริการเนื้อหาภาพยนต์สำหรับผู้ใหญ่เบอร์หนึ่งของโลก ได้นำปัญญาประดิษฐ์เข้ามาช่วยเพิ่มประสิทธิภาพในการจัดการเนื้อหาบนเว็บไซต์โดยการติดป้ายกำกับเพื่อจัดหมวดหมู่ให้เหมาะสมและแม่นยำยิ่งขึ้น

ทีมวิจัยของ Google Research เผยแพร่งานวิจัยที่ใช้ AI ลบลายน้ำออกจากภาพถ่ายได้อย่างง่ายๆ

ทีมวิจัยระบุว่ารูปแบบของลายน้ำ (watermark) ในปัจจุบันที่วางทับไปบนภาพถ่าย อาจเป็นเรื่องยากสำหรับมนุษย์ในการลบมันออก แต่จริงๆ แล้วลายน้ำกลับมีแพทเทิร์นที่ค่อนข้างตายตัว เช่น มีความโปร่งแสง (opacity) เท่ากันตลอด และถ้าเรามีภาพถ่ายหลายๆ ภาพที่มีลายน้ำรูปเดียวกัน เราสามารถสร้างภาพสมบูรณ์ของลายน้ำขึ้นมาใหม่ เพื่อให้รู้ขอบเขตในการลบลายน้ำออกได้

Facebook เข้าซื้อบริษัท Fayteq ซึ่งเป็นสตาร์ทอัพด้าน computer vision จากเยอรมนี มีผลงานในการพัฒนาปลั๊กอินเพื่อลบวัตถุออกจากวิดีโอสำหรับโปรแกรมอย่าง After Effects

เทคโนโลยีของ Fayteq นั้นสามารถใช้เพื่อเพิ่มฟีเจอร์ให้กับ Facebook Live หรือ Stories เพื่อเสริมความแข็งแกร่งให้บริการได้ หรือจะพัฒนาปลั๊กอินสำหรับ After Effects ต่อไปเพื่อเป็นเครื่องมือสร้างเอฟเฟค AR สำหรับนักพัฒนาก็ได้

สำหรับรายละเอียดในการเข้าซื้อของ Facebook นั้นยังไม่ได้เผยออกมามากนัก แต่ทางบริษัทก็ได้ยืนยันการเข้าซื้อบริษัทอย่างเป็นทางการแล้ว

ที่มา - Engadget

คุณศุภศรณ์ สุวจนกรณ์ จากห้องวิจัย GRAIL นำเสนองานวิจัยในการสร้างวิดีโอของบารัก โอบามา ตามเสียงที่ใส่เข้าไปได้อย่างสมจริง โดยอาศัยข้อมูลเสียงนำมาสร้างเป็นรูปแบบของปากแล้วจึงใส่รายละเอียดลงไปก่อนจะนำภาพปากเคลื่อนไหวนี้ไปใส่วิดีโอเป้าหมาย

งานวิจัยนี้ทำให้สามารถนำเสียงของโอบามาเองมาสร้างภาพวิดีโอใหม่ โดยไม่ต้องอาศัยวิดีโอของการพูดครั้งนั้นจริงๆ แม้แต่เสียงที่สร้างขึ้นมา เช่น เสียงของคนที่เลียนแบบโอบามา หรือเสียงของโอบามาที่ถูกตัดต่อ

กูเกิลประกาศออกชุดโมเดล MobileNets สำหรับการประมวลผล AI บนสมาร์ทโฟนที่มีทรัพยากรจำกัด ตามแผนการผลักดัน TensorFlow ให้ทำงานบนมือถือได้

กูเกิลบอกว่าถึงแม้เราอยู่ในยุคของคลาวด์ สามารถเรียกประมวลผลภาพได้ผ่านบริการอย่าง Cloud Vision API แต่ก็มีกรณีที่จำเป็นต้องประมวลผล AI แบบออฟไลน์บนมือถือ ซึ่งช่วงหลังมีสมรรถนะสูงมากพอแล้ว

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

Yahoo! ได้เปิดตัวฟีเจอร์ Similarity Search ซึ่งเป็นผลงานจากทีมงาน Computer Vision ของ Yahoo! ที่ทำงานร่วมกับ Flickr

สำหรับฟีเจอร์ใหม่นี้ คือการค้นหาภาพที่เหมือนกัน โดยจะใช้วิธีการดูจากลักษณะของภาพ ซึ่งเป็นสิ่งที่ Flickr เรียกว่า similarity pivot คือกลุ่มของภาพที่มีความเหมือนกัน

ปัจจัยที่ Flickr จะใช้พิจารณาความเหมือนก็มีทั้งสี, ลวดลาย, หมวดหมู่ และอื่น ๆ ซึ่ง Flickr ได้ใช้งาน deep neural networks เพื่อทำการระบุวัตถุ และทำการแท็กภาพให้ว่าเป็นภาพในหมวดหมู่อะไรโดยอัตโนมัติ จากนั้นนำมาทำเป็นเวกเตอร์ที่เรียกว่า feature vector