ทีม Google Research ได้พัฒนาอัลกอริทึม ที่สามารถลบลายน้ำ ออกจากรูปถ่ายได้อย่างง่ายดาย

ต้องบอกเลยว่าข่าวนี้อาจทำให้บรรดาช่างภาพอาชีพหรือสมัครเล่นที่ทำพอร์ตถ่ายภาพลงขายงานมีหนาวกันบ้าง เพราะนักวิจัยของ Google Research ได้ทำการพัฒนาอัลกอริทึมที่มีความสามารถในการลบลายน้ำบนภาพถ่ายได้อย่างรวดเร็วและเรียบเนียนหมดจดแบบอัตโนมัติ โดยไม่ต้องเสียเวลาไปใช้โปรแกรมแต่งรูปลบลายน้ำออก ซึ่งงานวิจัยดังกล่าวเปิดเผยขึ้นในช่วงเดือนกรกฏาคมที่ผ่านมาในเอกสารหัวข้อ On the Effectiveness of Visible Watermarks 

water1

เราพัฒนาอัลกอริทึมนี้ขึ้นมาเพื่อโชว์ให้เห็นถึงความเปราะบางของการใช้ลายน้ำมาเป็นเครื่องมือป้องกันการละเมิดลิขสิทธิ์ และผลวิจัยนี้ยังทำให้เราได้มองเห็นแนวทางที่ช่างภาพสามารถเรียนรู้และนำไปปรับใช้ลายน้ำที่ทำการแก้ไขย้อนกลับได้ยากกว่านี้ในอนาคต’ Tali Dekel และ Michael Rubinstein ตัวแทนทีมวิจัยเปิดเผยผ่านหน้าเว็บบล็อกของ Google Research

หลักการของอัลกอริทึ่มดังกล่าวนั้นเริ่มจากทำการตรวจสอบโครงสร้างจากจำนวนภาพถ่ายเป็นจำนวนมาก ซึ่งหากพบลายน้ำที่เหมือนกัน ตัวภาพและลายน้ำนั้นก็จะถูกประมวลผลแบบที่เรียกว่า noise-signal (โดยลายน้ำจัดอยู่ในกลุ่ม signal ขณะที่ภาพถ่ายถูกจัดอยู่ในกลุ่ม noise) โดยต่อจากนี้ตัวอัลกอริทึ่มจะทำการสร้างลายน้ำแบบหยาบขึ้นมาใหม่ จากนั้นก็นำเทคโนโลยีการประมวลผลแบบ multi-image matte มาแยกเลเยอร์ของลายน้ำออกจากตัวภาพเดิม ซึ่งระบบการสร้างลายน้ำหยาบ ๆ ขึ้นมาใหม่นั้นก็เพื่อทำให้สามารถรู้ขอบเขตในการลบลายน้ำออกไปนั่นเอง

สำหรับในเวลานี้ อัลกอริทึ่มใหม่ของ Google นี้ยังไม่สามารถลบลายน้ำทั้งหมดได้อย่างสมบูรณ์ ซึ่งระหว่างการวิจัยนี้ก็ได้มีการทดลองบิดลายน้ำแบบสุ่มไปวางบนรูปภาพในรูปแบบต่าง ๆ กัน โดยจากภาพด้านล่างนั้นจะสังเกตเห็นความแตกต่างที่อัลกอริทึมสามารถลบลายน้ำจากภาพถ่ายทั่วไปได้ (ภาพซ้าย) แต่เมื่อมีการบิดลายน้ำ (ภาพขวา) ตัวระบบยังไม่สามารถลบลายน้ำไปได้ทั้งหมด ซึ่งหากบรรดาช่างภาพเห็นเจ้าอัลกอริทึมนี้แล้วก็ต้องศึกษาเรื่องการวางลายน้ำบนภาพให้ทำการแก้ไขยากกว่าเดิมกันได้แล้วครับ

water2

 

ที่มา : watermark-cvpr17.github.io

หลับสบายไหม? AI บอกได้ – เมื่อนักวิจัยใช้ Deep Learning วิเคราะห์การนอนหลับจากคลื่นวิทยุ

การศึกษาการนอนหลับนั้นยังคงเป็นหนึ่งในหัวข้อที่นักวิจัยให้ความสนใจเนื่องจากตามวิทยาศาสตร์ในปัจจุบันนั้น เรายังไม่มีความเข้าใจการนอนหลับที่ดีเท่าที่ควร อีกทั้งประชากรจำนวนมากยังประสบปัญหาเกี่ยวกับการนอนหลับเป็นประจำ การใช้เครื่องดูแลสถานะการนอนนั้นก็ดูจะไม่เป็นผลดีนักเมื่อมันทำให้อาการนอนหลับผิดปกติย่ำแย่ลงไปอีก นักวิจัยจาก MIT จึงหันมาใช้วิธีใหม่ที่ใช้พลังจาก deep learning ในการศึกษาการนอนหลับ

ทีมนักวิจัยจากสถาบัน MIT ซึ่งนำโดย Dina Katabi และ Erna Viterbi ได้ทำงานร่วมกับหัวหน้าแผนกโรคเกี่ยวกับการนอนหลับโรงพยาบาล Massachusetts General Hospital พัฒนาระบบตรวจสถานะการนอนหลับโดยการวิเคราะห์คลื่นวิทยุด้วย deep neural network ซึ่งเป็นการพัฒนาต่อยอดมาจากระบบเดิมที่ใช้คลื่นวิทยุตรวจในการวัดคลื่นหัวใจและพฤติกรรมของผู้ป่วยที่ทีมเคยพัฒนามาก่อนหน้านี้

อุปกรณ์หลักที่เป็นใจความสำคัญของระบบที่ว่านี้คือกล่องปล่อยสัญญาณคลื่นวิทยุพลังงานต่ำขนาดประมาณคอมพิวเตอร์แลปท็อป เมื่อคลื่นวิทยุถูกสะท้อนออกมาหลังการกระทบกับร่างกายของมนุษย์ ระบบจะทำการเก็บข้อมูลความเปลี่ยนแปลงที่เกิดขึ้นกับสัญญาณคลื่น เพื่อนำไปวิเคราะห์ต่อไป

ในการวิเคราะห์นั้น เนื่องจากข้อมูลคลื่นสัญญาณที่ได้รับออกมามักประกอบไปด้วยข้อมูลอันไม่จำเป็นจำนวนมาก ทีมนักวิจัยจึงได้พัฒนาอัลกอริทึมด้วย deep neural network ที่ทำหน้าที่กำจัดข้อมูลที่ไม่เกี่ยวข้องออกไป ทำให้นักวิจัยสามารถนำข้อมูลที่เหลือที่มีประโยชน์ไปวิเคราะห์ได้

ระบบตรวจสถานะการนอนหลับนี้สามารถทำงานโดยไม่ต้องมีการตั้งค่าเบื้องต้นกับสถานที่หรือตัวบุคคลที่เปลี่ยนไป และสามารถระบุได้ว่าผู้ที่ถูกวิเคราะห์กำลังอยู่ในสถานะใดของการนอนหลับ คือ อยู่ในช่วง light sleep, หลับลึก, หรือ REM (Rapid Eye Movement) โดยมีความแม่นยำถึงร้อยละ 80 ซึ่งเทียบเท่ากับการวัดค่าการนอนหลับด้วยวิธี EEG (electroencephalography) จึงนับว่าเป็นพัฒนาการจากระบบวัดสถานะการนอนหลับด้วยคลื่นวิทยุเดิมที่มีความแม่นยำเพียงร้อยละ 60 เท่านั้น

สำหรับในอนาคต ทีมวิจัยมีวิสัยทัศน์ในการพัฒนาระบบที่สามารถวัดค่าต่างๆของร่างกายมนุษย์ได้โดยไม่ต้องเปลี่ยนแปลงพฤติกรรมใดๆ หรือสวมใส่อะไรเพิ่มเติม

 

PrompTec Smart WiFi Sound sensor

PT08-01

PT08-07

ติดตามข่าวสาร #IoT #Smarthome ได้ที่ Facebook : ConnextConcept

กูเกิลพัฒนา AI ถ่ายรูปเองได้

ช่างภาพอาจตกงาน! หลังกูเกิลพัฒนา AI ถ่ายรูปเองได้

Jasper National Park, Canada. เครดิตภาพ…Google Research Blog

อาชีพช่างภาพ อาจจะกลายเป็นอดีต เพราะอาจถูก AI มาแย่งไปก็เป็นได้ เมื่อทีมวิจัยจากกูเกิล พัฒนา AI ให้สามารถเรียนรู้การทำงานของช่างภาพมืออาชีพได้

Interlaken, Switzerland. เครดิตภาพ…Google Research Blog

โดยกูเกิลได้นำเทคนิค deep learning ใน AI สำหรับศึกษาวิธีการถ่ายภาพ การจัดวางองค์ประกอบของภาพ แสงสี ผ่านภาพถ่ายพาโนรามากว่า 40,000 ภาพใน Google Street View มาต่อและแต่งภาพใหม่ ราวกับเป็นฝีมือของช่างภาพมืออาชีพ อย่างภาพเมือง Interlaken ในสวิตเซอร์แลนด์ภาพนี้ (ภาพบนจาก Google Street View ภาพล่างฝีมือ AI)

ซึ่งกูเกิลมีแผนจะนำไปต่อยอดสำหรับการพัฒนาฟังก์ชั่นใหม่ๆ ให้ผู้ใช้ถ่ายภาพได้สวยกว่าเดิมหรือเพิ่มความสามารถให้หุ่นยนต์ถ่ายภาพเองได้

ที่มา :
https://research.googleblog.com/…/using-deep-learning-to-cr…

What is a SMARTCITY

สมาร์ตซิตี (smart city) หรือ เมืองอัจฉริยะ เป็นรูปแบบการประยุกต์เทคโนโลยีดิจิตัล หรือข้อมูลสารสนเทศและการสื่อสารในการเพิ่มประสิทธิและคุณภาพของบริการชุมชน เพื่อช่วยในการลดต้นทุน และลดการบริโภคของประชากร โดยยังคงเพิ่มประสิทธิภาพให้ประชาชนสามารถอยู่อาศัยได้ในคุณภาพชีวิตที่ดีขึ้น

การพัฒนาสมาร์ตซิตีมีการพัฒนาในหลายภาคส่วนรวมถึง หน่วยงานราชการ การจราจรและขนส่ง พลังงาน สาธารณสุข โครงสร้างพื้นฐาน สาธารณูปโภค โดยมีจุดมุ่งหมายเพื่อพัฒนาการจัดการเมืองและชุมชน และการตอบสนองแบบทันท่วงที หรือ ลองไปชม VDO ข้างล่างนี้กันได้เลย

จิบเบียร์นุ่มๆ ด้วยก็อกเบียร์อัจฉริยะ

เมื่อ loT (อินเทอร์เน็ตในทุกสิ่ง) เปิดประตูเข้าสู่ธุรกิจค้าปลีก นั่นถือว่าเป็นการกรุยทางให้สตาร์ทอัพจำนวนมากได้พัฒนาโซลูชั่นที่มีลักษณะเฉพาะ และช่วยผลักดันให้ธุรกิจเติบโตพร้อมมีส่วนร่วมไปกับลูกค้าได้มากยิ่งขึ้นด้วย
             การใช้ประโยชน์จากข้อมูลที่เก็บรวบรวมไว้ผ่านการเซ็นเซอร์ที่หลากหลาย รวมถึงมีระบบวิเคราะห์จากข้อมูลที่ได้มา ทำให้โซลูชั่นนี้จะช่วยยกระดับธุรกิจค้าปลีกให้เหนือขึ้นไปอีกระดับ
            และนอกจากจะมีโซลูชั่นที่น่าสนใจแล้ว สิ่งที่เราได้พบมากไปกว่านั้นก็คือ Taptronics ซึ่งโซลูชั่นนี้เป็นการออกแบบก็อกเบียร์อัจฉริยะแบบพลั๊กแอนด์เพลย์รายแรกของโลกที่พัฒนาโดยบริษัท Pubinno ซึ่งตั้งอยู่ในแคลิฟอร์เนีย ซานฟรานซิสโก
            Taptronics เป็นก็อกเบียร์สดที่มีความอัจฉริยะเพราะสามารถเชื่อมต่อกับอินเทอร์เน็ต ทำให้บริการเสิร์ฟเบียร์ได้ในปริมาณที่พอเหมาะพอเจาะ และลงตัวสำหรับทุกๆ ไพน์ ได้ด้วยเพียงสัมผัสเดียว อีกทั้งยังทำให้ร้านอาหาร และบาร์ ลดการสูญเสีย และถูกฉ้อโกงได้ ถึง 20% เลยทีเดียว

 BeerApp2.jpg

            เว็บไซต์ของ Pubinno ระบุว่า “อัลกอริธึ่มส์สมาร์ทโฟลว์ของ Taptronics จะใช้เซ็นเซอร์ ที่มีพารามิเตอร์ถึง 10 ตัว และโรบอตที่ได้รับสิทธิบัตรมาการันตีว่าคุณจะได้รับประสบการณ์การดื่มอันยอดเยี่ยม ด้วยปริมาณที่แม่นยำ”
             “ด้วยก็อกเบียร์สุดอัจฉริยะอย่าง Taptronics ลูกค้าจะได้ละเลียดกับการจิบเบียร์ที่สมบูรณ์แบบ ผู้จัดการบาร์ก็สามารถเพิ่มรายรับได้เป็นกอบเป็นกำ ส่วนแบรนด์ก็สามารถรับทราบยอดขายแบบเรียลไทม์ รวมถึงปริมาณที่คงเหลืออยู่ และข้อมูลคุณภาพของเบียร์ด้วย พร้อมมั่นใจกับมาตรฐานที่มีคุณภาพได้ในทุกช่องทางขาย เราขอต้อนรับคุณเข้าสู่อนาคตอันสดใสของธุรกิจเบียร์สดกัน”
            แคน อัลกุล (Can Algul) ผู้ก่อตั้งและประธานเจ้าหน้าที่บริหารของ Pubinno กล่าวกับ asmag.com ว่า ผลิตภัณฑ์ที่จะช่วยให้บาร์เบียร์ต่างๆ ปรับปรุงธุรกิจได้ก็คือ “ร้านบาร์เหล่านั้นจะสามารถติดตามยอดขาย สินค้าคงคลัง และมาตรวัดคุณภาพได้ในแบบเรียลไทม์ แถมยังทำให้เจ้าของบาร์สามารถปั่นกำไรได้สูงสุดถึง 20% สามารถเชื่อมต่อผู้มีส่วนได้ส่วนเสียทุกรายที่เกี่ยวข้องในอุตสาหกรรมประเภทนี้ รวมถึงแบรนด์เบียร์ต่างๆ ยังสามารถติดตามการปฏิบัติการ และรับทราบได้ว่าเบียร์ของพวกเขาจะได้รับการเสิร์ฟอย่างสมบูรณ์แบบตามปริมาณที่ลงตัวเป๊ะ นอกจากนี้ยังช่วยประหยัดเวลาให้กับการทำงานของบาร์เทนเดอร์ด้วย”

เมื่อปัญญาประดิษฐ์จะเข้ามาอยู่ในทุกสรรพสิ่ง: AI of Everything

บทความโดย พ.อ.ดร.เศรษฐพงค์ มะลิสุวรรณ
รองประธาน กสทช. และประธานกรรมการกิจการ

“เมื่อปัญญาประดิษฐ์จะเข้ามาอยู่ในทุกสรรพสิ่ง: AI of Everything”

ในปี 2017 นี้ เทคโนโลยีจำนวนมากจะเปลี่ยนจากที่อยู่เพียงแค่ในนิยายมาเป็นผลิตภัณฑ์ในโลกแห่งความเป็นจริง โดยหัวใจสำคัญของแนวโน้มเทคโนโลยีในปีนี้คือ ปัญญาประดิษฐ์ (AI)” อย่างไรก็ตาม ยังมีเทคโนโลยีในรูปแบบอื่นๆอีก ที่กำลังจะเกิดขึ้นในปีนี้

pexels-photo-255527

ในขณะที่แอพพลิเคชั่น AI ถูกฝังอยู่ในอุตสาหกรรมต่างๆ เช่น วิทยาศาสตร์คอมพิวเตอร์ การเงิน โลจิสติกส์ และการแพทย์ เป็นต้น ได้มีการคาดการณ์ว่าจะมีการขยายตัวของ AI ไปสู่โครงสร้างพื้นฐานของเกือบทุกภาคอุตสาหกรรม ซึ่งเป็นที่มาของคำว่า ปัญญาประดิษฐ์ของทุกสรรพสิ่ง (AI of Everything) นั่นเอง
Tom Morrod ผู้อำนวยการอาวุโสแห่ง HIS Markit กล่าวว่า พวกเขามีความสนใจในเรื่องของปัญญาประดิษฐ์และวิธีการนำมาใช้สำหรับผู้บริโภค เช่น วิธีการเก็บรวบรวมข้อมูลที่มากขึ้น สำหรับการโฆษณาและในแอพพลิเคชั่นต่างๆ เช่นยานยนต์ที่ขับเคลื่อนได้เอง, โดรน และหุ่นยนต์ เป็นต้น

pexels-photo-227

 

รายได้จากตลาด AI ทั่วโลกคาดว่าจะเพิ่มขึ้นจาก 643.7 ล้านเหรียญสหรัฐ ในปี 2016 เป็น 38.8 พันล้านเหรียญสหรัฐ ภายในปี 2025 โดยอ้างอิงข้อมูลจาก Tractica และจากรายงานของ ABI Research พบว่าอุปกรณ์ที่เกี่ยวกับเทคโนโลยีเสมือนจริง (AR) และความจริงเสมือน (VR) จะมีการผลิตเพื่อใช้งานถึงประมาณ 37 ล้านเครื่องในปี 2018

 

 

การออกแบบอย่างจริงจังและการปรับใช้เทคโนโลยีดูเหมือนเพิ่งจะเกิดขึ้น การใช้งานเชิงพาณิชย์จะเห็นได้ชัดเจนขึ้นในปีนี้ ในการใช้งานของภาคอุตสาหกรรมและวิชาชีพต่างๆ เช่น การฟื้นฟูทางการแพทย์ ภาพยนตร์อินเทอร์แอกทีฟ การค้าปลีกและโลจิสติกส์ เป็นต้น

ในอุตสาหกรรมโลจิสติก กำลังจะถูกท้าทายจาก AI of Everything ทั้งนี้หาก AI+IoT+Cloud+Big data+Blockchain สามารถหลอมรวมกันเพื่อสร้างนวัตกรรมโลจิสติกส์รูปแบบ startup ใหม่ๆที่ทรงพลัง ก็อาจจะทำให้ธุรกิจโลจิสติกส์เดิมๆ ถูกท้าทายด้วยรูปแบบโลจิสติกส์ใหม่ ที่ realtime กว่า, ต้นทุนต่ำกว่า, บริหารจัดการง่ายกว่า, ตอบโจทย์ผู้บริโภคได้ดีกว่า ซึ่งมีความเป็นไปได้อย่างมากในอนาคตอันใกล้

นักวิเคราะห์อุตสาหกรรมจาก CIO คาดการณ์ว่าตลาดคลาวด์ทั่วโลกจะมีมูลค่า 146 พันล้านเหรียญสหรัฐในปี 2017 ซึ่งเพิ่มขึ้นจาก 87 พันล้านเหรียญในปี 2015 โดยมีอัตราการเติบโตต่อปีอยู่ที่ 22% ซึ่งก็เกิดจากการสื่อสารข้อมูลของ IoT ที่กำลังเพิ่มมากขึ้นอย่างก้าวกระโดดนั้นเอง ซึ่งมันคือสัญญาณที่ทำให้สรรพสิ่งต่างๆในโลก สามารถตรวจหาตำแหน่งและบริหารจัดการได้อย่าง realtime ด้วยความง่ายดาย นั่นเอง

เมื่อต้องเผชิญกับการเติบโตที่เกิดขึ้น การบริการคลาวด์ ทั้งในส่วนของภาครัฐและภาคเอกชน มีการคาดว่าจะมีแนวโน้มไปสู่ Meta-cloud ที่กลุ่มคลาวด์หลายกลุ่มสามารถเข้าถึงได้จาก Single web interface นอกจากนี้ ศูนย์ข้อมูลในระดับ Big data กำลังขยับเข้าใกล้ผู้ใช้ปลายทางมากขึ้น ซึ่งมีการเพิ่มความเร็วและแบนด์วิธที่มากขึ้นอย่างรวดเร็ว

cropped-cropped-wall-building-011.png

ด้วยอุปกรณ์เชื่อมต่อแบบ IoT นับหมื่นล้านเครื่องในภายในปี 2020 ทำให้บริษัทต่างๆ ตระหนักถึงความจำเป็นในการใช้ low-power wide-area network (LPWAN) ซึ่งเป็นโครงสร้างพื้นฐานรุ่นใหม่ ที่ออกแบบมาเพื่อใช้กับอุปกรณ์ที่มีขนาดเล็กมากๆ ในการขับเคลื่อนสภาพแวดล้อมการเชื่อมต่อ IoT

IoT ขึ้นอยู่กับการเชื่อมต่ออินเทอร์เน็ตไร้สายที่น่าเชื่อถือ แม้แต่ในพื้นที่ห่างไกล และแม้แต่เมื่อมีพลังงานต่ำ โดยการถ่ายโอนข้อมูลก็จะยังสามารถทำได้อย่างต่อเนื่อง ซึ่งคาดว่าในปี 2017 จะเป็นปีแห่งเทคโนโลยี LPWAN ที่รองรับผู้ดำเนินการด้านโทรคมนาคม ให้สามารถใช้แอพพลิเคชั่น Low-bit-rate ได้ นั่นก็หมายความว่า สรรพสิ่งต่างๆ กำลังจะถูกเชื่อมต่อด้วยต้นทุนที่ต่ำมาก นั่นเอง

IHS Markit คาดการณ์ว่า การใช้ LPWAN ทั่วโลกจะเพิ่มขึ้นจาก 46.4 ล้านหน่วยในปี 2017 เป็น 383 ล้านหน่วยภายในปี 2021 โดยตัวอย่างของประโยชน์จากเทคโนโลยีนี้ ได้แก่ มาตรวัดในชนบท อาคารอัจฉริยะ และเซ็นเซอร์ตรวจสอบด้านสิ่งแวดล้อม ซึ่งเทคโนโลยี Narrowband IoT (NB-IoT) และเครือข่าย LTE Cat-M ที่จะใช้งานในปี 2017 จะส่งผลให้มีการใช้ IoT ได้เพิ่มขึ้นในพื้นที่ที่ไม่เคยคิดว่าจะเป็นไปได้มาก่อน จึงทำให้ระบบโลจิสติกส์ในอนาคตมีความชาญฉลาด และบริหารจัดการได้ง่ายขึ้น จนทำให้เกิด startup ใหม่ๆได้ง่ายขึ้น นั่นเอง

การเติบโตของสมาร์ทโฟนอย่างแพร่หลาย ต้นทุนที่ต่ำลงและนวัตกรรมที่พัฒนาอย่างต่อเนื่อง กำลังมีผลอย่างมากต่อรูปแบบใหม่ของอุปกรณ์สมาร์ทโฟน นาฬิกาอัจฉริยะ ชุดหูฟัง VR แว่นตาอัจริยะ และหุ่นยนต์ต่างๆ ซึ่งจะปรากฏตัวสู่ตลาดโทรศัพท์มือถืออย่างรวดเร็ว นั่นก็จะทำให้ AI of Everything เกิดความสมบูรณ์แบบและเป็นจริง

ชุดหูฟังของโทรศัพท์เคลื่อนที่ได้เปลี่ยนไปสู่การใช้ในยานพาหนะ โดยหน้าจอสมาร์ทโฟนก็มีให้เห็นในอุปกรณ์ที่สวมใส่ได้ และวิทยุจากสมาร์ทโฟนที่มีการเชื่อมต่อสำหรับ IoT โดยเทคโนโลยี IoT นี้กลายเป็นเทคโนโลยีที่ถูกกว่า จัดการได้ง่ายกว่า และสามารถคาดการณ์ได้ดีขึ้นจากการเก็บข้อมูล Big data จนขีดความสามารถใหม่ๆของมัน อาจจะมา แทนที่สิ่งต่างๆ รวมทั้งธุรกิจรูปแบบเดิมๆ จนหายไปจากตลาดได้อย่างน่ากลัว…

Reference
[1] https://itu4u.wordpress.com/2017/02/06/top-tech-trends-of-2017-the-ai-of-everything/
[2] https://www.techinasia.com/yojee-ai-logistics-profile

พ.อ.ดร.เศรษฐพงค์ มะลิสุวรรณ
รองประธาน กสทช. และประธานกรรมการกิจการโทรคมนาคม
30 พฤษภาคม 2560

http://www.เศรษฐพงค์.com