หลังจากเปิดตัวเมื่อต้นปี NVIDIA Drive PX2 ระบบนำทางด้วยซูเปอร์คอมพิวเตอร์สำหรับรถยนต์ไร้คนขับเมื่อต้นปี เมื่อวานนี้ (5 เมษายน 2559) NVIDIA ประกาศว่ารถแข่งไร้คนขับรายการแรกของโลก ซึ่งเป็นส่วนหนึ่งของรายการแข่งขันรถยนต์ไฟฟ้า Formula E ePrix จะใช้หน่วยประมวลผล Drive PX2 ที่เปิดตัวเมื่อต้นปี โดยรถทุกคันจะเหมือนกันทั้งหมดเพื่อวัดการแข่งขันกันด้วยซอฟต์แวร์ นอกจากพลังประมวลผลแล้ว Drive PX2 ยังมีความสามารถ Machine Learning ช่วยให้สามารถพัฒนาตัวเองขึ้นได้เรื่อยๆด้วย

ถ้ายังจำกันได้ ปีที่แล้วไมโครซอฟท์มีเว็บแอพวิเคราะห์ข้อมูลภาพให้เล่นกันสนุกๆ หลายตัว เช่น How-Old.net ทายอายุ, TwinOrNot.net เทียบคนหน้าเหมือน

เว็บแอพเหล่านี้อยู่ภายใต้ Project Oxford โครงการพัฒนา API ด้านการแยกแยะภาพและเสียงพูด ซึ่งวันนี้ได้ชื่อเรียกอย่างเป็นทางการว่า Microsoft Cognitive Services

หลังจากที่สัปดาห์ที่แล้ว เว็บไซต์ Tech Insider ที่ร่วมมือกับนักวิจัยของ IBM ในการนำเอาตัวละครจากภาพยนตร์และหนังสือ Harry Potter มาวิเคราะห์เพื่อหานิสัย มาสัปดาห์นี้ก็ถึงคิวภาพยนตร์ยอดฮิตอย่าง Star Wars ที่ถูกนำไปวิเคราะห์เพื่อหานิสัยต่างๆ ซึ่ง Watson อ่านบุคลิกของตัวละครแต่ละตัวจากบทแล้ว ได้ข้อสรุปดังต่อไปนี้

แม้ว่าในช่วงหลังเราจะมีระบบ Machine Learning ให้บริการตามท้องตลาดอยู่จำนวนหนึ่ง แต่ปัญหาสำคัญคือพลังของการประมวลผลซึ่งงานลักษณะนี้ต้องใช้ทรัพยากรอย่างเช่นเครื่องคอมพิวเตอร์แม่ข่ายหรือเมนเฟรมใหญ่ๆ จำนวนหลายเครื่องหรือคอมพิวเตอร์แบบพิเศษ (ตัวอย่างเช่น IBM Watson ตอนแรกที่ยังไม่เป็นบริการบนคลาวด์) เพื่อให้มีสมรรถภาพพอที่จะประมวลผลและตอบสนองได้ ซึ่งเป็นปัญหาพอสมควรในเชิงการลงทุน ซึ่งทำให้นักวิจัยจากศูนย์วิจัย T.J. Watson ของ IBM (ศูนย์เดียวกับที่เป็นต้นกำเนิดของ IBM Watson) นำเสนองานวิจัยและแนวคิดใหม่ด้วยการสร้าง "Resistive Processing Unit" (RPU) เพื่อเข้ามาใช้ในงานลักษณะนี้โดยเฉพาะ

กูเกิลเพิ่มบริการ Cloud Machine Learning สำหรับการพัฒนาโมเดลคอมพิวเตอร์ที่เรียนรู้ได้ด้วยตัวเอง โดยนักพัฒนาต้องพัฒนาผ่านเฟรมเวิร์ค TensorFlow ที่ต่างออกไปจากการพัฒนาบนเซิร์ฟเวอร์ของตัวเองคือนักพัฒนาจะเข้าถึงบริการของ Google Cloud เช่น Google Cloud Dataflow, Google Cloud Storage, และ Google BigQuery ได้

Eric Schmidt ประธานของ Alphabet ไปพูดเปิดงาน Google Cloud Platform โดยพยากรณ์ว่าบริษัทไอทีที่ยิ่งใหญ่และเข้าขายหุ้นในตลาดหลักทรัพย์ (IPO) ในอีก 5 ปีข้างหน้า จะเป็นบริษัทที่พัฒนาบนฐานของเทคโนโลยี machine learning

Schmidt ยังมองว่าเทคโนโลยีด้านโครงสร้างพื้นฐานทางไอทีในปัจจุบัน เช่น virtualization และ container จะกลายเป็นเรื่องปกติสามัญ และการสร้างบริษัทให้ยิ่งใหญ่แบบ Uber จะต้องใช้ machine learning ผสมผสานกับข้อมูลจากวิธี crowdsourcing

เขาบอกว่าความยิ่งใหญ่ของแพลตฟอร์มข้อมูลลักษณะนี้ จะเทียบเท่ากับโลกของแอพในปัจจุบันเลยทีเดียว

Google เปิดตัว Cloud Machine Learning บริการคลาวด์เพื่อสอนคอมพิวเตอร์ให้เรียนรู้สิ่งต่างๆ ตัวเอนจินการเรียนรู้ใช้ไลบรารี TensorFlow ที่กูเกิลเปิดซอร์สเมื่อปลายปีที่แล้ว ซึ่งเป็นเอนจินตัวเดียวกับที่ใช้ใน Google Photos, Google Now และระบบค้นหาด้วยเสียงของ Google Search

Google Cloud Machine Learning ออกแบบมาสำหรับองค์กรที่อยากสร้างโมเดลวิเคราะห์และเรียนรู้ข้อมูล แต่ไม่อยากลงทุนทำระบบเองที่ต้องคำนึงเรื่องการขยายระบบในอนาคต ก็สามารถเช่าคลาวด์กูเกิล โหลดข้อมูลที่เรามีใส่ลงไปเพื่อให้ระบบเรียนรู้ ผลลัพธ์ออกมาเป็นโมเดลพร้อมใช้งานพยากรณ์ (prediction) ทันที (งานระหว่างกลาง กูเกิลจัดการให้หมด) ตัวอย่างการใช้งาน Cloud Machine Learning คือแอพด้านการเงินสามารถโหลดข้อมูลตัวอย่างเพื่อให้พยากรณ์ค่าได้เลย

ทีมนักวิจัยจากศูนย์วิจัยของ Xerox ประจำทวีปยุโรป นำเอนจินเกม Unity มาพัฒนาสภาพแวดล้อมที่มีกราฟิกสวยงามเหมือนภาพถ่ายเพื่อเอาไปใช้สอนให้ระบบปัญญาประดิษฐ์พัฒนาอัลกอริธึมด้านการวิเคราะห์ภาพและวิดีโอได้เอง

Adrien Gaidon นักวิทยาการคอมพิวเตอร์หนึ่งในทีมวิจัยนี้ ได้ไอเดียหลังจากที่เขาเห็นคนเล่นเกม Assassins Creed แล้วฉุกคิดได้ว่าความสามารถในการสร้างภาพกราฟิกจนเหมือนภาพทิวทัศน์จริงบนโลกใบนี้น่าจะเอาไปใช้เพื่อสอนปัญญาประดิษฐ์โดยเฉพาะระบบคอมพิวเตอร์วิทัศน์ทดแทนการใช้ภาพถ่ายหรือวิดีโอของจริงที่ต้องใช้เวลาและทรัพยากรจำนวนมากเพื่อการรวบรวมได้

Pantip.com เปิดตัวฟีเจอร์ใหม่ Auto Tag ระบบจัดแท็กให้กระทู้อัตโนมัติ โดยใช้เทคนิควิเคราะห์คำในกระทู้ตั้งแต่ตอนโพสต์ ระบบจะอ่านข้อความแล้วคัดเลือกแท็กที่น่าจะเกี่ยวข้องมานำเสนอให้ 15 แท็ก (Pantip ใส่ได้ 5 แท็ก) เป้าหมายเพื่อช่วยให้เจ้าของกระทู้เลือกแท็กอย่างแม่นยำขึ้น และลดภาระการดูแลกระทู้ของทีมงานลง

ระบบนี้เป็นความร่วมมือของ Pantip.com, บริษัท อินโนเวทีฟ เอ็กซ์ตรีมิสต์ (INOX) ผู้ดูแลระบบโครงสร้างพื้นฐานไอทีให้ Pantip และภาควิชาวิศกรรมคอมพิวเตอร์ มหาวิทยาลัยเกษตรศาสตร์

HPE (Hewlett Packard Enterprise) เปิดตัว Haven OnDemand แพลตฟอร์มที่ให้บริการ machine learning ที่นักพัฒนาแอพสามารถนำ API ไปใส่เพื่อเรียกใช้บริการสมองกลได้

Haven OnDemand นั้นจะให้บริการบนกลุ่มเมฆผ่านทางแพลตฟอร์ม Microsoft Azure เท่านั้น โดยมี API มากกว่า 60 ตัวให้นักพัฒนาสามารถเลือกนำไปใช้งาน ด้วย API เหล่านั้นนักพัฒนาสามารถเรียกใช้บริการ machine learning ให้ช่วยศึกษาและวิเคราะห์ข้อมูลหลากหลายรูปแบบ ไม่ว่าจะเป็นข้อความ, ภาพ, เสียง, วิดีโอ, เว็บ และข้อมูลทางเครือข่ายสังคมออนไลน์ต่างๆ

ตัวอย่างบริการที่สามารถเรียกใช้งานได้ เช่น

กูเกิลปล่อยไลบรารี TensorFlow สำหรับการประมวลผล machine learning มาตั้งแต่ปีที่แล้ว แต่ตัวอย่างที่ให้มาเป็นการทดลองใช้งานด้วยโมเดลจัดหมวดหมู่ภาพจากโมเดลที่กูเกิลเตรียมมาให้แล้ว ตอนนี้กูเกิลจึงประกาศเปิดซอร์สโมเดล Inception-v3 ที่เปิดให้ทุกคนไปสร้างโมเดลของตัวเองได้

โค้ดและไลบรารีที่กูเกิลเปิดมาให้ จะทำให้ผู้สนใจสามารถสร้างโมเดลของตัวเอง, เทรนโมเดลเพิ่มเติมเพื่อความแม่นยำในงานบางประเภทให้ดีขึ้น, ปรับสถาปัตยกรรมใหม่ที่อาจจะทำงานได้เร็วขึ้น

เมื่อปลายปีที่แล้ว กูเกิลเปิดตัว TensorFlow ไลบรารีสำหรับการคำนวณจากข้อมูลเพื่อสร้างโมเดล Machine Learning ล่าสุดกูเกิลเปิดตัวเครื่องมืออีกตัวที่ใช้คู่กันคือ TensorFlow Serving

TensorFlow ตัวหลักออกแบบมาสำหรับสร้างโมเดล machine learning จากข้อมูลปริมาณมากๆ (training) ส่วน TensorFlow Serving ใช้หลังจากได้โมเดลเรียบร้อยแล้ว และต้องการนำโมเดลมาใช้งานต่อ (serving) โดยสามารถปรับเปลี่ยนโมเดลได้ในอนาคตถ้าต้องการ

ไมโครซอฟท์ออกเว็บแอพตัวใหม่ ในชื่อว่า celebslike.me ที่จะจับคู่ภาพที่เราอัพโหลดว่าคล้ายกับใครในบรรดาผู้เข้าชิงรางวัลออสการ์ที่จะถึงนี้ โดยยังคงใช้เทคโนโลยี Project Oxford เหมือนดั่งเช่นที่ผ่านๆ มา

นอกจากจะแสดงหน้าของผู้เข้าชิงรางวัลออสการ์ที่ใบหน้าคล้ายกับเรา (ซึ่งมีทั้งนักแสดงชายและหญิง รวมไปถึงผู้กำกับ) แล้วก็จะมีการแสดงผลของเหล่าคนดังอื่นๆ ที่หน้าตาคล้ายเราอีกด้วย

ไมโครซอฟท์อธิบายว่า การจับคู่จะอ้างอิงจากทั้งรูปทรงของจมูก, ดวงตา, รูปหน้า, กราม

ที่มา - Bing Blogs

ในระยะหลายปีมานี้ เรามักจะเห็นไมโครซอฟท์โชว์ความสามารถด้านวิเคราะห์ข้อมูลและ Machine Learning ด้วยการนำข้อมูลที่มีอยู่มาทำนายผลการแข่งขันในรายการต่างๆ อยู่บ่อยๆ ทั้งฟุตบอลโลก การแข่งกีฬา NFL ผลการเลือกตั้งประธานาธิบดี รวมไปถึงการทำนายผลการประกาศรางวัลออสการ์ในปี 2015 โดยสามารถทำนายผลการชนะรางวัลได้ถูกต้องถึง 8 จากที่ทำนายไว้ 10 รายการ

ปีที่แล้วเราเห็นไมโครซอฟท์เปิดเว็บภายใต้โครงการ Project Oxford มาหลายตัว เช่น HowOld.net ทายอายุจากใบหน้า และ TwinOrNot.net เปรียบเทียบคนหน้าเหมือน

ของเล่นใหม่ล่าสุดจากไมโครซอฟท์ชื่อว่า What-Dog.net ทายพันธุ์สุนัขจากภาพถ่าย

แอพตัวนี้อยู่ภายใต้โครงการ Microsoft Garage ที่เปิดให้พนักงานลองพัฒนาแอพเล่นๆ ในเวลาว่าง ทีมพัฒนาใช้ระบบแยกแยะใบหน้าจาก Project Oxford ร่วมกับ machine learning เพื่อพิจารณาว่าสุนัขในภาพเป็นพันธุ์อะไร

เรียกได้ว่า Project Oxford โครงการพัฒนา API ด้านการแยกแยะภาพ-เสียงด้วยเทคนิค machine learning ของไมโครซอฟท์ ปล่อยของมาอย่างต่อเนื่อง ทั้งเว็บ How-Old.net ทายอายุจากใบหน้า, TwinOrNot.net เปรียบเทียบคนหน้าเหมือน และ Emotion API ทายอารมณ์ของคนในภาพถ่าย

เมื่อวันอังคารที่ผ่านมา IBM ประกาศโอเพนซอร์ส SystemML ซึ่งเป็นตัวแปลข้อมูลสากล (universal translator) สำหรับงานด้านข้อมูลขนาดใหญ่ (big data) และ machine learning อย่างเป็นทางการ โดยเป็นแผนการต่อเนื่องที่ประกาศว่าจะสร้างระบบวิเคราะห์ข้อมูลขนาดใหญ่ที่เรียกว่า Spark เมื่อเดือนมิถุนายนที่ผ่านมา โดยจะยกให้ Apache เป็นคนดูแลโครงการนี้อย่างเป็นทางการ และจะได้ชื่อว่า Apache SystemML

หน่วยงานวิจัยของ Microsoft Asia เปิดซอร์สโค้ดซอฟต์แวร์ Distributed Machine Learning Toolkit (DMTLK) สำหรับการเรียนรู้ของเครื่องคอมพิวเตอร์ โดยประมวลแบบกระจายศูนย์บนคอมพิวเตอร์หลายๆ เครื่อง

ไมโครซอฟท์ระบุว่าเปิดซอร์สโค้ดซอฟต์แวร์ชุดนี้ เพื่อกระตุ้นให้เกิดการวิจัยด้าน machine learning มากขึ้น ในชุดซอฟต์แวร์นอกจากตัวโปรแกรมหลัก ยังมีตัวอย่างอัลกอริทึมให้อีก 2 แบบ และตัวช่วยประมวผลภาษาธรรมชาติ Distributed Word Embedding ด้วย

โค้ดทั้งหมดเขียนด้วย C++ ใช้สัญญาอนุญาตแบบ MIT ดาวน์โหลดได้จาก GitHub

ผู้สนใจรายละเอียดของโครงการ ดูได้จาก DMTK.io

ถ้ายังจำกันได้ ไมโครซอฟท์เคยเปิดเว็บ How-Old.net ทายอายุจากใบหน้า และ TwinOrNot.net เปรียบเทียบคนหน้าเหมือน โครงการทั้งสองเป็นส่วนหนึ่งของ Project Oxford โครงการพัฒนา API ด้านการแยกแยะภาพ-เสียงด้วยเทคนิค machine learning

ของเล่นใหม่ล่าสุดของ Project Oxford คือ Emotion API ทายอารมณ์ของคนในภาพถ่าย เช่น โกรธ ตกใจ กลัว เศร้า ฯลฯ ใครอยากลองเข้าไปเล่นได้ที่ Emotion Recognition

Jay Parikh รองประธานฝ่ายวิศวกรรมของ Facebook เปิดเผยว่า Facebook 'อาจ' ปล่อยฟีเจอร์แสดงข้อความเตือนหากพ่อแม่อัพโหลดรูปภาพลูกตนเอง หรือบุคคลในครอบครัว แล้วมีการตั้งค่าเป็นสาธารณะ (public) ซึ่งอาจเป็นการละเมิดสิทธิของเด็กนั่นเอง

สิ่งที่น่าสนใจของฟีเจอร์นี้ ก็คือ Machine Learning ที่อยู่เบื้องหลังในการประมวลผลอย่างรวดเร็ว ซึ่งสามารถนำไปต่อยอดในการจัดการเนื้อหาอื่นบน Facebook เช่นรูปภาพอื่นที่ไม่เหมาะสม ก็สามารถลบออกไปได้อย่างรวดเร็ว และไม่ต้องใช้คนเข้าไปตรวจสอบ

ที่มา: The Next Web

กูเกิลเปิดตัว TensorFlow ไลบรารีสำหรับการคำนวณจากข้อมูลที่ไหลเข้ามาเป็น dataflow รองรับการกระจายงานไปยังซีพียูหรือชิปกราฟิกได้โดยไม่ต้องเขียนโค้ดใหม่ เน้นรองรับการพัฒนาระบบ machine learning โดยเฉพาะ

TensorFlow รองรับการจัดการกับข้อมูลรูปแบบต่างๆ ตั้งแต่กระบวนการง่ายๆ เช่น บวก ลบ คูณ หาร การจัดการสตริง เช่น ต่อสตริง ตัดสตริง ไปจนถึงการจัดการข้อมูลระดับสูง เช่น ฟังก์ชั่น SoftMax, Sigmoid, ReLU

ตัวไลบรารีมาพร้อมกับโปรแกรม TensorBoard ที่ใช้ดูเส้นทางของข้อมูลและเข้าไปดูได้ว่าแต่ละขั้นตอนมีพารามิเตอร์อย่างไรบ้าง

สัญญาอนุญาตเป็น Apache 2.0 สามารถนำไปพัฒนาเพื่อการค้าได้

แอพ Inbox for Gmail ประกาศฟีเจอร์ใหม่ Smart Reply ที่ช่วยคุณตอบเมลโดยไม่ต้องพิมพ์ โดยแอพจะอ่านเนื้อหาในอีเมล (แน่นอนว่ารองรับเฉพาะภาษาอังกฤษนะครับ) แล้วเขียนคำตอบสั้นๆ ที่เกี่ยวข้องกับเนื้อหาในเมลมาให้เราเลือก 3 อัน ผู้ใช้มีหน้าที่แค่เลือกคำตอบที่ดีที่สุด แล้วตอบเมลได้ทันที

ฟีเจอร์นี้เป็นผลงานของ Google Research ที่ใช้เทคนิคด้าน machine learning และ deep neural networks รวมถึงประสบการณ์การต่อสู้กับอีเมลสแปม และการจัดหมวดหมู่เมลอัตโนมัติของ Gmail/Inbox มาวิเคราะห์ภาษาในอีเมล วิธีการคือให้บ็อตอ่านอีเมลทีละคำ แล้วแยกความหมายแต่ละส่วน (กูเกิลเรียก thought vector หรือเวกเตอร์ความคิด) จากนั้นนำ thought vector มาประมวลผล แล้วค่อยๆ สังเคราะห์คำตอบขึ้นมาให้ผู้ใช้เลือก

ทีมนักวิจัยจาก Microsoft research ได้เผยงานวิจัยที่จะช่วยยืดอายุการใช้งานแบตเตอรี่ของแล็ปท็อปด้วยแนวทางใหม่ ที่ไม่ได้มุ่งไปในการพัฒนาเทคโนโลยีแบตเตอรี่ใหม่แต่เปลี่ยนไปเน้นการพัฒนาซอฟต์แวร์จัดการแบตเตอรี่ที่ฉลาดกว่าเดิมแทน

ไมโครซอฟท์เรียกงานวิจัยนี้ว่า Software Defined Batteries โดยใช้ซอฟต์แวร์เข้ามาช่วยร่วมกับการผนวกเอาแบตเตอรี่หลายประเภท (ที่มีคุณสมบัติในการคายประจุ/ชาร์จประจุต่างกัน) มารวมไว้ด้วยกัน ต่างจากอุปกรณ์ในปัจจุบันที่ใช้แบตเตอรี่ลิเทียมไอออนเพียงประเภทเดียวและจัดการโดยระบบที่อยู่บนตัวฮาร์ดแวร์

Zendesk ผู้พัฒนาซอฟต์แวร์ CRM สำหรับบริการลูกค้าชื่อดัง เตรียมนำเทคนิค machine learning เข้ามาช่วย "พยากรณ์" อารมณ์ของลูกค้าว่าแย่แค่ไหน เพื่อให้พนักงานเตรียมรับมือกับลูกค้าได้ทันท่วงที

ฟีเจอร์ใหม่ของ Zendesk เรียกว่า Satisfaction Prediction โดยจะนำฐานข้อมูลการบริหารลูกค้าจำนวนมหาศาลของ Zendesk มาวิเคราะห์ด้วยเทคนิค machine learning จากนั้นในอนาคต ถ้าหากลูกค้ามีแนวโน้มว่ากำลังโกรธหรืออารมณ์เสีย ระบบจะแจ้งเตือนพนักงานดูแลลูกค้าเป็นลำดับคะแนน 0-100 (0 คือแย่ที่สุด) เพื่อให้พนักงานสามารถจัดลำดับความสำคัญ มาช่วยดูแลลูกค้ากลุ่มนี้ก่อน

ฮิตาชิได้พัฒนาเทคโนโลยีที่ชื่อว่า Hitachi Visualization Predictive Crime Analytics (PCA) ใช้ในการคาดการณ์เวลาและตำแหน่งที่จะเกิดอาชญากรรมขึ้น โดยระบบ PCA นำข้อมูลจำนวนมหาศาลจากสถิติอาชญากรรม แผนที่ระบบขนส่งมวลชน การพูดคุยในสังคมออนไลน์ รายงานพยากรณ์อากาศและข้อมูลอื่นๆ แล้วใช้ Machine Learning ในการวิเคราะห์รูปแบบการเกิดอาชญากรรมออกมาด้วยตัวเองโดยไม่ใช้มนุษย์ ระบบ PCA สามารถระบุตำแหน่งที่จะเกิดอาชญากรรมในรัศมี 200 เมตรและระบุระดับภัยคุกคามกับบางตำแหน่งด้วย