คลังเก็บป้ายกำกับ: COMPUTER_SCIENCE

Kathleen Booth ผู้สร้างภาษา Assembly เสียชีวิตด้วยวัย 100 ปี

Kathleen Booth นักคณิตศาสตร์ชาวอังกฤษ ผู้คิดค้นภาษา Assembly เสียชีวิตแล้ว โดยมีอายุครบ 100 ปีพอดี (เกิดปี 1922)

Kathleen ร่วมกับสามี Andrew Booth ทำงานที่มหาวิทยาลัย Birkbeck College (เป็นส่วนหนึ่งของ University of London) สร้างคอมพิวเตอร์ยุคแรกๆ ชื่อเครื่อง Automatic Relay Calculator (ARC) ในปี 1946 ซึ่งภายหลังพัฒนามาเป็นเครื่อง ARC2 และ Simple Electronic Computer (SEC) ในปี 1948

Kathleen เป็นผู้สร้างซอฟต์แวร์ของเครื่องคอมพิวเตอร์เหล่านี้ ซึ่งภายหลังกลายมาเป็นภาษา Assembly เธอยังเขียนหนังสือชื่อ Programming for an Automatic Digital Calculator ในปี 1958

ภายหลังครอบครัว Booth ย้ายมาอยู่ที่ประเทศแคนาดา และเกษียณอายุไปเมื่อราวปี 1978 ตัวของ Andrew Booth เสียชีวิตไปก่อนเมื่อปี 2009 (อายุ 91 ปี) ส่วน Kathleen มีชีวิตต่อมาจนมีอายุถึง 100 ปี

ที่มา – The Register

from:https://www.blognone.com/node/131238

AI ของ DeepMind โชว์ความเหนือ ทุบสถิติการคำนวณด้านคอมพิวเตอร์ที่อยู่มา 50 ปีลงได้

DeepMind เป็นที่รู้จักกันดีในฐานะผู้พัฒนา AlphaGo ปัญญาประดิษฐ์ที่เล่นโกะได้เก่งกว่าแชมป์โลก ก่อนที่ต่อมาจะพัฒนา AlphaZero ที่มีความพิเศษตรงที่สามารถเทรนตัวเองได้ด้วย และล่าสุดทีมงาน DeepMind ได้พัฒนาปัญญาประดิษฐ์ตัวใหม่เพื่อแก้โจทย์สำคัญของวิทยาการคอมพิวเตอร์โดยเฉพาะและมันก็ทำได้สำเร็จโดยทำได้เร็วกว่าสถิติที่อยู่มานานนับ 50 ปีลงได้

การคำนวณที่ว่านี้คือการคูณเมทริกซ์ ซึ่งเป็นโจทย์การทำงานระดับพื้นฐานที่คอมพิวเตอร์จำนวนมากมายทั่วโลกต้องทำอยู่ทุกเมื่อเชื่อวัน ไม่ว่าจะเป็นการแสดงภาพให้ปรากฏบนหน้าจอ, การจำลองเชิงฟิสิกส์ที่มีความซับซ้อน และยังเป็นรากฐานสำคัญของตัว machine learning เองด้วย การที่ทำสิ่งนี้ให้เร็วขึ้นได้ย่อมเป็นเรื่องใหญ่กับโลกทุกวันนี้ที่ใช้คอมพิวเตอร์กับงานสารพัดอย่างรอบตัว

การคูณเมทริกซ์นั้นโดยคำนิยามก็เป็นการนำเอาค่าในแต่ละแถวของเมทริกซ์ตัวตั้งไปคูณกับค่าของตัวเลขแต่ละคอลัมน์ในเมทริกซ์ตัวคูณ ซึ่งวิธีการคำนวณนี้ก็มีการเรียนการสอนกันในโรงเรียนอยู่แล้วตั้งแต่ระดับมัธยม การหาผลลัพธ์การคูณนั้นไม่ได้เป็นเรื่องยากมากมายนัก แต่ที่ยากทำอย่างไรให้หาผลลัพธ์ได้เร็วที่สุด และโจทย์ในการค้นหาวิธีการคูณเมทริกซ์ให้เร็วนี้เองถือเป็นโจทย์ใหญ่ข้อหนึ่งของศาสตร์ด้านวิทยาการคอมพิวเตอร์

โดยหลักการแล้วมีวิธีการมากมายในการคูณเมทริกซ์ กล่าวกันว่าจำนวนวิธีการนั้นมากยิ่งกว่าจำนวนอะตอมในเอกภพ
(10^33) มากมายนัก การค้นหาวิธีการใหม่ๆ แม้เพียงแค่ 1 วิธีที่จะคูณเมทริกซ์เพื่อให้ได้ผลลัพธ์เร็วขึ้นกว่าเดิมจึงเป็นเรื่องที่ท้าทายที่ไม่เคยหมดความเป็นไปได้ และปัญญาประดิษฐ์ของ DeepMind ก็พบวิธีหนึ่งที่เร็วกว่าวิธีที่ใช้กันมานานร่วมครึ่งศตวรรษ

เทคนิคที่ทีมงาน DeepMind ช่วยให้ปัญญาประดิษฐ์แก้โจทย์เรื่องนี้ได้ เริ่มจากการ “แปลงสภาพโจทย์” ที่เป็นเรื่องของการคำนวณให้กลายเป็นเกมที่ความเป็นบอร์ดเกม 3 มิติ ซึ่งพวกเขาเรียกมันว่า “TensorGame” ตัวกระดานเกมเปรียบเสมือนโจทย์การคูณเมทริกซ์ที่จะต้องแก้ ในขณะที่การเดินหมากแต่ละตาเป็นเสมือนขั้นตอนการคำนวณลำดับถัดไปเพื่อแก้โจทย์ การได้มาซึ่งลำดับการเดินหมากของ “TensorGame” นี้ก็จะเท่ากับได้ลำดับการคิดเลขเพื่อให้บรรลุการคูณเมทริกซ์ตามโจทย์ หรือก็คือได้อัลกอริทึมสำหรับการคูณเมทริกซ์นั่นเอง

DeepMind ได้ปรับปรุง AlphaZero และเทรนมันด้วย TensorGame และตั้งชื่อให้ปัญญาประดิษฐ์ตัวใหม่นี้ว่า “AlphaTensor” ซึ่งเป้าหมายของมันคือการ “เดินหมาก” ของ Tensorgame ให้ใช้จำนวนครั้งน้อยที่สุด ซึ่งเมื่อทำได้ก็เท่ากับว่าจะได้วิธีการคูณเมทริกซ์ที่มีกระบวนการลดน้อยลง หรืออีกนัยก็คือทำการคูณได้เร็วขึ้น

AlphaTensor สามารถทำการคูณเมทริกซ์ขนาด 2*2 ได้เร็วกว่าวิธีการที่ Volker Strassen นักคณิตศาสตร์ชาวเยอรมันได้ค้นพบตั้งแต่ปี 1969 ซึ่งเป็นวิธีที่ยังไม่มีใครทำได้ดีกว่าจนกระทั่งการถือกำเนิดของ AlphaTensor วิธีการของ Strassen นั้นมีการคิดคำนวณ 49 ขั้นตอนจึงได้ผลลัพธ์การคูณเมทริกซ์ขนาด 2*2 ในขณะที่ปัญญาประดิษฐ์ของ DeepMind สามารถทำได้สำเร็จภายใน 47 ขั้นตอนเท่านั้น

No Descriptiona: การจำลองการคูณเมทริกซ์ขนาด 2*2 ในรูปแบบ TensorGame โดยกล่องทึบใช้แทนค่าผลการคูณ ตัวอย่างเช่น c1 ได้จาก a1b1 + a2b3 จึงมีกล่องทึบในพิกัด (a1,b1) และ (a2,b3) ปรากฏอยู่ในแถว c1, b: อัลกอริทึมการคูณเมทริกซ์ของ Strassen ซึ่งใช้การคูณ 7 ครั้ง, c: การจัดเรียงวิธีการคำนวณใหม่เพื่อนำเสนอในรูปแบบสัมพันธ์กับ TensorGame โดยใช้สี 3 สีเพื่อจับคู่ให้เปรียบเทียบกับองค์ประกอบที่อธิบายตามอัลกอริทึมของ Strassen

ในงานวิจัยของ DeepMind ระบุว่า AlphaTensor สามารถค้นหาวิธีการคูณเมทริกซ์ขนาดต่างๆ รวม 70 ขนาดได้ดีกว่าวิธีการเดิม นอกเหนือจากการคูณเมทริกซ์ 2*2 ที่ทำการคูณเสร็จด้วยการคำนวณที่เร็วกว่าเดิม 2 ขั้นตอน มันยังทำการคูณเมทริกซ์ขนาด 9*9 ได้เสร็จด้วยการคำนวณเพียง 498 ขั้นตอนดีกว่าของเดิมที่ต้องใช้ 511 ขั้นตอน ในขณะที่การคูณเมทริกซ์ขนาด 11*11 มันก็ลดจำนวนขั้นตอนการคำนวณที่ต้องใช้ลงจาก 919 ขั้นตอนเหลือ 896 ขั้นตอนเท่านั้น

No Descriptionตารางเปรียบเทียบจำนวนขั้นตอนการคำนวณเพื่อหาผลการคูณเมทริกซ์ขนาด n*m กับเมทริกซ์ m*p โดยตัวเลขสีแดงหมายถึงจำนวนขั้นตอนการคำนวณที่ AlphaTensor ทำได้เร็วกว่าวิธีการที่ใช้อยู่เดิม

และสำหรับโจทย์การคูณเมทริกซ์บางขนาดนั้นแม้ว่า AlphaTensor จะไม่พบวิธีการคูณเมทริกซ์ที่ดีกว่าเดิม แต่มันก็ค้นพบวิธีการคำนวณที่ดีที่สุด (แบบที่เคยค้นพบและใช้งานกันอยู่ในปัจจุบัน) ได้ด้วยตัวมันเอง

แม้ว่าเป้าหมายสูงสุดของทีมงาน DeepMind คือการพยายามค้นหาอัลกอริทึมที่เร็วที่สุดในทางทฤษฎี แต่เนื่องจากในความเป็นจริงแล้วอัลกอริทึมแต่ละอันก็สามารถใช้งานได้ดีบนฮาร์ดแวร์แต่ละรุ่นแตกต่างกันไปพวกเขาจึงเลือกใช้ Nvidia V100 GPU และ Google TPU เป็นฮารด์แวร์อ้างอิง สาเหตุเป็นเพราะหน่วยประมวลผล 2 ตัวนี้เป็นที่นิยมมากที่สุดสำหรับการใช้งานเพื่อเทรนปัญญาประดิษฐ์ ซึ่งพวกเขาพบว่าอัลกอริทึมที่ถูกค้นพบโดย AlphaTensor นั้นเร็วกว่าของเดิมที่ใช้กับชิปเหล่านี้ราว 10-20%

No Descriptionกราฟแสดงผลเปรียบเทียบประสิทธิในการคูณเมทริกซ์ขนาดต่างๆ เมื่อเทียบกับอัลกอริทึมเดิมของ Nvidia V100 GPU และ Google TPU

ผู้ที่สนใจในผลงานการคำนวณของ AlphaTensor สามารถอ่านรายละเอียดเพิ่มเติมได้ที่นี่

ที่มา – MIT Technology Review

from:https://www.blognone.com/node/130796

รวมคอร์สเรียนวิทย์คอมและโปรแกรมมิ่งฟรี จากมหาวิทยาลัยทั่วโลก กว่า 800 คลาสบน GitHub

ยูสเซอร์ Developer-Y ได้สร้าง repository บน GitHub รวมคลาสเรียนวิทย์คอมและโปรแกรมมิ่งออนไลน์แบบมีวิดีโอเป็นภาษาอังกฤษจากมหาวิทยาลัยชั้นนำทั่วโลกมาไว้ในที่เดียว ตั้งแต่ปี 2016 ปัจจุบันมีคอร์สเรียนกว่า 800 คลาส จากผู้มีส่วนร่วม 49 คนที่ช่วยกันอัพเดต

วิชาที่รวมมา มีตั้งแต่บทนำสู่วิทยาศาสตร์คอมพิวเตอร์, โครงสร้างข้อมูลและอัลกอริทึ่ม, แมชชีนเลิร์นนิ่ง, ควอนตัมคอมพิวเตอร์ ไปจนถึงวิชาการเงินเชิงคำนวณ (Computational Finance), ชีวะวิทยาเชิงคำนวณ (Computational Biology), โรโบติกส์ วิชาการพัฒนาบล็อกเชน และอื่นๆ อีกมากมาย

ผู้ที่สนใจสามารถเข้าไปดูได้ที่เว็บไซต์ GitHub หรือถ้าสนใจด้านอื่นๆ Developer-Y ยังได้รวมคอร์สวิดีโอทั้งวิชาวิทย์-คณิต วิชา Java ไปจนถึง[วิชาสถาปัตยกรรมซอฟต์แวร์แบบสเกลได้ (Scalable Software Architecture)] (https://github.com/Developer-Y/Scalable-Software-Architecture) ไว้ให้ใน GitHub อีกด้วย ถือเป็นคลังความรู้ที่น่าจะมีประโยชน์อย่างมากสำหรับวิศวกรซอฟต์แวร์และนักพัฒนาในปัจจุบัน

No Description

ที่มา – GitHub

from:https://www.blognone.com/node/126900

รู้จัก Fully Homomorphic Encryption (FHE) วิธีเข้ารหัสที่ประมวลผลได้ โดยไม่ต้องถอดรหัส

ช่วงหลังเราเริ่มเห็นการเข้ารหัสแบบ Fully Homomorphic Encryption (FHE) กันมากขึ้น เช่น ข่าวโครงการ DPRIVE ของ DARPA ที่จับมือกับภาคเอกชนหลายรายเพื่อพัฒนาชิปเฉพาะกิจ ช่วยให้ประมวลผล FHE ได้เร็วกว่าเดิม

FHE เป็นการปฏิวัติวิธีคิดเรื่องการเข้ารหัส (encryption) แบบเดิมๆ ที่ใช้กันมาเป็นพันปี (Caesar cipher)

No Description

แนวคิดของการเข้ารหัสแบบดั้งเดิมมีไว้เพื่อปกป้องสารที่อยู่ภายในไม่ให้คนอื่นเข้าใจ ทั้งในระหว่างจัดเก็บ (storage) และขนส่ง (transport) แต่เมื่อรหัสถูกส่งถึงปลายทาง จะต้องถอดรหัส (decrypt) กลับมาเป็นข้อความเดิมที่ไม่ได้เข้ารหัส (plaintext) เพื่อนำไปประมวลผล (compute) ต่อ

แนวคิดของ FHE คือการเข้ารหัสด้วยโมเดลทางคณิตศาสตร์ ที่สามารถนำไปประมวลผลต่อได้โดยไม่ต้องถอดรหัสก่อน เท่ากับว่าในกระบวนการทั้ง 3 (storage, transport, compute) ข้อความจะถูกเข้ารหัสอยู่ตลอดเวลา ประโยชน์ของมันคือการใช้งานวิเคราะห์ข้อมูลบางอย่าง ภายใต้เงื่อนไขว่าไม่ต้องการให้รู้ข้อมูลสำคัญที่เก็บอยู่ภายใน เช่น ข้อมูลทางการเงินหรือสุขภาพของบุคคล

No Description

No Description

FHE เป็นไอเดียที่ถูกพูดถึงในโลกคอมพิวเตอร์มาหลายสิบปีแล้ว แต่มาเป็นจริงได้ครั้งแรกในปี 2009 โดย Craig Gentry นักวิจัยของ IBM Research ในตอนนั้น เสนออัลกอริทึม FHE (ตัวอัลกอริทึมค่อนข้างซับซ้อน ใครสนใจอ่านได้จาก เปเปอร์ของ Gentry ตีพิมพ์ใน ACM เมื่อปี 2009)

No Description

อย่างไรก็ตาม ข้อเสียของ FHE คือการประมวลผลต้องใช้เวลานานมาก อัลกอริทึมต้นฉบับของ Gentry ต้องใช้เวลาประมวลผลนานถึง 30 นาทีต่อ 1 bit operation ทำให้ในทศวรรษถัดมา โลกคอมพิวเตอร์จึงพัฒนาเทคนิคการเข้ารหัส FHE แบบใหม่ๆ ที่มีประสิทธิภาพสูงขึ้น เช่น Brakerski-Gentry-Vaikuntanathan (BGV) ที่ร่วมพัฒนาโดยตัว Gentry เอง หรือ Cheon-Kim-Kim-Song (CKKS) จากทีมของมหาวิทยาลัยแห่งชาติกรุงโซล ที่ใช้เรื่องตัวเลขประมาณ (approximate number) มาช่วยให้ไม่ต้องแปลรหัสแบบแม่นยำมากนัก แต่ลดระยะเวลาทำงานลงได้

เนื่องจากโจทย์ของวงการ FHE ต้องหาจุดสมดุลระหว่างความปลอดภัยกับความเร็วในการใช้งาน จึงต้องยอมให้ใช้ข้อมูลประมาณการณ์แทน เมื่อบวกกับพลังการคำนวณที่เพิ่มขึ้นเรื่อยๆ ตามกาลเวลา แนวทางใหม่ๆ ของโลก FHE ยุคหลังคือใช้ machine learning มาช่วยอ่านข้อมูลของข้อความที่เข้ารหัสแล้ว เพื่อพยากรณ์ผลที่เป็นไปได้แบบยอมรับได้

ข้อมูลของ IBM ตอนนี้ระบุว่าเราสามารถประมวลผล 1 บิตโดยใช้เวลาหลัก “วินาที” (seconds) ได้แล้ว ซึ่งเร็วกว่าในอดีตมาก และเริ่มพอใช้งานได้จริงสำหรับการใช้งานบางประเภทแล้ว

No Description

IBM ในฐานะบ้านเกิดของ FHE ก็ผลักดันเรื่องนี้มาตลอด โดยออกไลบรารี HElib เป็นโอเพนซอร์ส มารองรับการเข้ารหัส FHE ทั้งแบบ BGV และ CKKS รวมถึงยังมี FHE Toolkit ที่รวมเอา HElib และเครื่องมืออื่นๆ ในฝั่ง ML ให้นักพัฒนาที่สนใจ FHE สามารถนำข้อมูลตัวอย่างไปบีบอัดและทดสอบของจริงได้

ตัวอย่างการใช้งาน FHE ของ IBM คือการตรวจสอบว่ามีการโกง (fraud) บัตรเครดิต โดยใช้ข้อมูลตัวอย่างของรายการธุรกรรมต่างๆ นำมาเข้ารหัสแบบ FHE แล้วนำไปประมวลผลว่ามี fraud จริงหรือไม่ โดยไม่ต้องถอดรหัสข้อมูลชุดนี้ออกมา

No Description

ในแง่บริการทางไอที IBM ก็เปิดบริการชื่อ Homomorphic Encryption Services เป็นบริการย่อยของ IBM Security ซึ่งรวมบริการด้าน ML และการให้คำปรึกษาโดยผู้เชี่ยวชาญเข้ามา

ข้อมูลเพิ่มเติม

from:https://www.blognone.com/node/123912

The Art of Computer Programming ออกเล่ม 4 มัดที่ 5 และ 6, Donald E. Knuth ผู้เขียนอายุ 10000 ปี (ฐานสาม) แล้ว

Donald E. Knuth หนึ่งในปรมาจารย์ของวงการวิทยาศาสตร์คอมพิวเตอร์ฉลองอายุครบ 10000 ปี (ฐานสาม) ด้วยการออกหนังสือ The Art of Computer Programming เล่ม (volume) 4 ส่วน B มัด (fasicle) ที่ 5 และ 6 ในเวลาไล่เลี่ยกัน

มัดที่ 5 เป็นเรื่องของ backtracking และส่วนพิเศษ Mathematical Preliminaries Redux เพิ่มเติมส่วนที่ Knuth ไม่รู้เมื่อเขียนเล่ม 1 ในปี 1960 โดยหนังสือมีโจทย์ 650 ข้อและเฉลย

มัดที่ 6 เป็นเรื่อง Satisfiability คือการวิเคราะห์ฟังก์ชั่น boolean แล้วหาว่ามีตัวค่าของตัวแปรที่ทำให้ฟังก์ชั่นเป็นจริงได้หรือไม่ หนังสือมีโจทย์ 500 ข้อและเฉลย

หนังสือ The Art of Computer Programming นั้นตัว Kunth วางแผนไว้ว่าจะมีทั้งหมด 7 เล่ม โดยคาดว่าเล่ม 5 จะเสร็จในปี 2025 โดยทุกครั้งที่หนังสือออกเล่มใหม่ หากใครพบจุดผิดพลาดเป็นคนแรก ตัว Knuth จะให้รางวัล 100 เซนต์ฐาน 16 ซึ่งคนได้รับมักไม่ค่อยนำเช็คไปขึ้นเงินนัก

ที่มา – Slashdot, Donald E. Knuth: Recent News

No Description

from:https://www.blognone.com/node/113554

Fernando Corbato ผู้คิดค้นรหัสผ่านเสียชีวิตแล้วด้วยวัย 93 ปี

Fernando Corbato นักวิทยาการคอมพิวเตอร์จาก MIT ผู้คิดค้นระบบรหัสผ่านและ Compatible Time-Sharing System ได้เสียชีวิตแล้วในวัย 93 ปี

แต่เดิม ระบบคอมพิวเตอร์จะใช้งานได้ทีละคน แต่ Compatible Time-Sharing System หรือ CTSS ที่ Corbato และทีมคิดค้นขึ้นมาเป็นระบบคอมพิวเตอร์แชร์การใช้งาน คือผู้ใช้หลายคนสามารถเข้าใช้คอมพิวเตอร์เครื่องเดียวกันในเวลาเดียวกันไปพร้อม ๆ กัน ซึ่งเป็นต้นฉบับของระบบปฏิบัติการในยุคปัจจุบัน

การแชร์คอมพิวเตอร์กันใช้งานในระบบคอมพิวเตอร์ CTSS นี้เองที่ทำให้เกิดระบบรหัสผ่านขึ้น เพื่อเป็นเครื่องมือควบคุมความเป็นส่วนตัวขั้นพื้นฐานของผู้ใช้งานคอมพิวเตอร์ที่แชร์ทรัพยากรร่วมกัน

Corbato เองก็ทราบดีว่ารหัสผ่านที่เขาคิดค้นนั้นมีจุดอ่อน โดยเขาเคยให้สัมภาษณ์กับ WSJ ว่าอินเทอร์เน็ตทำให้ระบบล็อกอินด้วยรหัสผ่านกลายเป็นฝันร้าย ซึ่งจะเห็นได้ว่าตอนนี้บริษัทไอทีหลายแห่งต่างพยายามหาวิธีที่ดีกว่าการยืนยันตัวตนด้วยรหัสผ่าน แต่ผลงานของ Corbato ก็มีส่วนช่วยสร้างรากฐานของคอมพิวเตอร์ในยุคใหม่อยู่ไม่น้อย

ที่มา – Engadget

No Description

from:https://www.blognone.com/node/110844

นักลงทุนชื่อดังเตือน “เรียนคอมไป ก็ใช่ว่ารอด ถ้าทำได้แค่เขียนโค้ด อีก 20 ปีก็ตกงาน เพราะ AI”

“เพราะการเขียนโค้ด มันก็เป็นแค่คณิตศาสตร์แบบหนึ่ง ซึ่งเรากำลังฝึกให้ AI ทำได้ทั้งหมด” ดังนั้น คนจบสายคอมพิวเตอร์ก็จะตกงาน เพราะทางรอดของงานในอนาคตไม่ใช่แค่เขียนโค้ด แต่ต้องมีสิ่งที่เรียกว่า Domain Knowledge 

computer science
computer science Photo: Shutterstock

จบคอมก็ไม่รอด เพราะหุ่นยนต์ AI แย่งงานได้หมด

ในยุคที่วงการไอทีรุ่งเรือง หนึ่งในสาขาวิชายอดฮิตของคนยุคนี้คือ การเรียนเกี่ยวกับคอมพิวเตอร์ไม่ว่าจะเป็น วิศวะคอมพิวเตอร์ (Computer Engineering) หรือวิทยาการคอมพิวเตอร์ (Computer Science) เพราะเมื่อจบออกไป มีงานในตลาดรองรับอยู่มากมาย แต่ดูเหมือนว่าความรุ่งเรืองนี้อาจอยู่อีกไม่นานนัก เพราะหุ่นยนต์ AI สามารถทำแทนได้หลายอย่าง จนดูเหมือนว่าเรียนจบสายคอมพิวเตอร์ ก็ใช่ว่าจะรอดจากการ disrupt ของเทคโนโลยี

ล่าสุด Mark Cuban นักลงทุนชื่อดังไปร่วมพูดคุยกับ Steve Case ผู้ก่อตั้ง AOL (ซึ่งถือเป็นบุคคลที่บุกเบิกวงการอินเทอร์เน็ตเป็นคนแรกๆ ของโลก) ใน Recode Decode รายการ Podcast ของ Kara Swisher เจ้าแม่แห่งวงการไอที

  • หนึ่งในประเด็นที่ Cuban ถกเถียงไว้อย่างดุเดือดคือ ยุคนี้หลายคนบอกว่าเรียนจบสายคอมพิวเตอร์มา จะหางานดีๆ ได้ไม่ยาก จริงอยู่ว่านี่คือความจริงแห่งยุคสมัย แต่ในยุคถัดไปจากนี้สัก 20 ปี อาจไม่ใช่อีกต่อไปแล้ว
  • Cuban บอกว่า “ในอีก 20 ปีหลังจากนี้ ถ้าคุณเป็นนักเขียนโค้ด คุณอาจจะตกงาน เพราะการเขียนโค้ดก็คือคณิตศาสตร์แบบหนึ่ง ซึ่งเรากำลังฝึกให้ AI ทำได้ทั้งหมด”
Mark Cuban
Mark Cuban Photo: Shutterstock

 

ทางรอดของงานในอนาคต ต้องมีความรู้แบบ Domain Knowledge

การจะอยู่รอดในอนาคตต้องมีสิ่งที่เรียกว่า Domain Knowledge

  • คำถามก็คือ Domain Knowledge คืออะไร?

Domain Knowledge คือ ความรู้เชิงลึกในศาสตร์สาขาใดสาขาหนึ่ง แตกต่างจากความรู้แบบทั่วไป (General Knowledge) แต่คำๆ นี้เมื่อใช้ในบริบทของการทำงาน หรือการหาความรู้จะหมายถึง การมีความรู้แบบข้ามสาย-ข้ามศาสตร์ และที่สำคัญคือเมื่อผสมผสานกันออกมาแล้วได้เป็นความรู้สายใหม่

ยกตัวอย่างให้เห็นภาพ เช่น ถ้าคุณมีความรู้แบบ General Knowledge เป็นคนเขียนโค้ด-เขียนซอฟต์แวร์คอมพิวเตอร์ แถมยังมีความรู้แบบ Domain Knowledge ในสายปรัชญา คุณอาจเป็นนักเขียนโค้ดที่สั่งให้หุ่นยนต์ AI ทดลองโมเดลในการตัดสินใจผ่านกรณีฉุกเฉินต่างๆ และในท้ายที่สุดก็นำไปใช้กับวงการรถยนต์ในอนาคตที่จะเป็นรถยนต์แบบไร้คนขับ ซึ่งหุ่นยนต์ AI จะเป็นคนตัดสินใจแทนมนุษย์ในหลายๆ สถานการณ์นั่นเอง

ที่มา – Vox

ติดตามข่าวสารจาก Brand Inside ได้จาก Facebook ของเรา

from:https://brandinside.asia/ai-took-jobs-by-mark-cuban/

รู้จักกับ “วิทยาการคำนวณ” วิชาบังคับพื้นฐานตัวใหม่ของไทย สอนเขียนโปรแกรม เริ่มเรียนตั้งแต่ ป. 1

อาจจะต้องย้อนความทรงจำกันหน่อย ว่าผู้อ่าน Blognone ได้เริ่มเรียนวิชาที่เกี่ยวข้องกับคอมพิวเตอร์ ในหลักสูตรการศึกษาพื้นฐานภาคบังคับ (ป. 1 – ม. 6) ในตอนไหน? ความทรงจำวิชาด้านคอมพิวเตอร์ของแต่ละคนอาจไม่เหมือนกัน

เดิมวิชาด้านคอมพิวเตอร์เทคโนโลยีสารสนเทศนั้น เป็นวิชาหนึ่งในกลุ่มสาระการงานพื้นฐานอาชีพ แต่ด้วยกระแสดิจิทัลที่เปลี่ยนแปลงในช่วงที่ผ่านมา จนเรียกได้ว่าดิจิทัลเข้ามามีบทบาทในชีวิตมากขึ้น Computer Science กลายเป็นวิชาพื้นฐานที่จำเป็น กระทรวงศึกษาธิการ และความร่วมมือในการปรับปรุงหลักสูตรจาก สสวท. (สถาบันส่งเสริมการสอนวิทยาศาสตร์และเทคโนโลยี) ได้ประกาศให้หัวข้อด้านคอมพิวเตอร์ในชื่อวิชา วิทยาการคำนวณ ย้ายมาเป็นวิชาในกลุ่มสาระวิทยาศาสตร์ เป็นวิชาบังคับในหลักสูตรแกนกลางการศึกษาขั้นพื้นฐาน พ.ศ.2551 (ฉบับปรับปรุง พ.ศ.2560) โดยเริ่มเรียนกันตั้งแต่ชั้นประถมศึกษาปีที่ 1 ไปจนถึงมัธยมศึกษาปีที่ 6 ซึ่งมีผลกับนักเรียน ป. 1, ป. 4, ม. 1 และ ม. 4 รุ่นนี้เป็นรุ่นแรก

alt="วิทยาการคำนวณ"

เชื่อว่าหลายคนอาจตั้งคำถามเมื่อพูดถึงเรื่องนี้ก็คือ เร็วไปหรือไม่? ที่จะเรียนวิชาแบบนี้ตั้งแต่ประถม 1 ก็ต้องย้อนมาดูหลักการและที่มาก่อน

เปลี่ยนจากเรียนไปเป็นผู้ใช้ มาเป็นผู้เขียน ผู้คิด

วิชาคอมพิวเตอร์และการเขียนโปรแกรมไม่ใช่ของใหม่ในหลักสูตรการศึกษาไทย หลายคนอาจเคยเรียนภาษาเต่าโลโก้ แต่ไม่ใช่ทุกโรงเรียนที่มีการสอน เนื้อหาหลักสูตรคอมพิวเตอร์เทคโนโลยีเดิมนั้น เน้นให้ผู้เรียนมีความเข้าใจในฐานะผู้ใช้ รู้จักซอฟต์แวร์ต่างๆ ตัวเนื้อหาวิชาเองก็มีความเสี่ยงต่อความล้าสมัย แต่ในหลักสูตรใหม่วิทยาการคำนวณนี้ จะสอนให้นักเรียนเป็นผู้เขียน ผู้พัฒนา และได้ฝึกหัดคิดอย่างเป็นระบบแบบคอมพิวเตอร์มากขึ้น

alt="เทคโนโลยีสารสนเทศและการสื่อสาร"เดิมหัวข้อคอมพิวเตอร์ อยู่ในวิชาเทคโนโลยีสารสนเทศฯ กลุ่มสาระการงานพื้นฐานอาชีพ

เป้าหมายของวิชานี้ไม่ได้ต้องการให้ทุกคนที่เรียนจะต้องไปเป็นคนเขียนโปรแกรม หรือโปรแกรมเมอร์ แต่ต้องการเพิ่มทักษะคิดเชิงคำนวณสำหรับแก้ปัญหาในชีวิตประจำวัน, สามารถมองได้ว่าปัญหาใดแก้ด้วยระบบอัตโนมัติได้, ทำความเข้าใจว่าระบบอัตโนมัติเพิ่มประสิทธิภาพงานได้ และที่สุดคือมีความรู้ที่จะควบคุมระบบอัตโนมัติได้ในเบื้องต้น ซึ่งทักษะที่ว่ามานี้ เป็นสิ่งจำเป็นและสามารถนำไปประยุกต์ใช้ได้ ไม่ว่าจะไปเป็นคนในสายวิทยาศาสตร์ ศิลปะ ดนตรี หรือแม้แต่วรรณกรรม

โครงสร้างของหลักสูตร วิทยาการคำนวณ

เนื้อหาวิชาวิทยาการคำนวณ แบ่งออกเป็น 3 ส่วนหลักคือ

  1. Computer Science (วิทยาการคอมพิวเตอร์) หัวใจหลักของวิชานี้ ให้ผู้เรียนสามารถคิดได้เป็นขั้นตอน นำการเขียนโปรแกรมมาเป็นเครื่องมือในการฝึกคิดเป็นขั้นตอน ตามแนวทาง Computational Thinking
  2. ICT (เทคโนโลยีสารสนเทศ) ให้ผู้เรียนสามารถรวบรวมข้อมูล จัดการข้อมูล นำข้อมูลมาประมวลผล และทำการตัดสินใจจากพื้นฐานของข้อมูลได้
  3. Digital Literacy (รู้เท่าทันดิจิทัล) ให้ผู้เรียนรู้ทันเทคโนโลยี ไม่ตกเป็นทาสเทคโนโลยี สามารถสร้างสรรค์ผลงานบนเทคโนโลยีได้

เนื้อหาที่ปรับขึ้นในแต่ละช่วงระดับ

ถึงตรงนี้อาจมีคำถามว่านักเรียนในระดับ ป. 1 จะเรียนเขียนโปรแกรมอะไรได้ ในหลักสูตรวิทยาการคำนวณนี้ ก็มีการปรับเนื้อหาให้เหมาะสมกับแต่ละช่วงระดับ โดยจะยกตัวอย่างเนื้อหาส่วนวิทยาการคอมพิวเตอร๋ ในหัวข้อที่เกี่ยวกับการเขียนโปรแกรม ซึ่งจะแตกต่างในแต่ละระดับ โดยในระดับ ป. 1 จะเป็นการเขียนโปรแกรมแบบไม่ต้องใช้คอมพิวเตอร์ (Unplugged) เป็นการฝึกใช้บัตรคำสั่งเดินขึ้น-ลง-ซ้าย-ขวา

alt="ป. 1"ตัวอย่างบัตรคำสั่ง จากหนังสือเรียน ป. 1

ในระดับ ป. 4 การเขียนโปรแกรมก็ยังเน้นแบบ Unplugged แต่พื้นที่ในการใช้คำสั่งจะใหญ่มากขึ้น ซับซ้อนมากขึ้น และต้องจัดลำดับความคิดที่ยากขึ้น โดยเริ่มมีการเขียนโปรแกรมบนคอมพิวเตอร์แบบ Block Programming ใช้วิธีลากบล็อกคำสั่งบนจอ ไม่มีการเขียนโค้ด ใช้โปรแกรม Scratch ของ MIT ประกอบการสอน

alt="ป. 4"โปรแกรม Scratch ใช้เรียนรู้การเขียนโปรแกรม ผ่านการต่อบล็อกคำสั่ง

มาถึงในระดับมัธยมศึกษา จะเริ่มเขียนโปรแกรมแล้วตั้งแต่ชั้น ม. 1 โดยภาษาที่แนะนำในการเรียนการสอนคือ Python ส่วนในชั้นมัธยมศึกษาตอนปลายที่ ม. 4 จะเน้นไปที่การบูรณาการองค์ความรู้เพื่อทำโครงงาน ตัวอย่างที่พูดถึงในหนังสือเรียน เช่น โครงงานอุปกรณ์รดน้ำอัตโนมัติ, การเขียน sort, โปรแกรมคำนวณค่าที่จอดรถยนต์ ฯลฯ

alt="ม. 4"ในระดับ ม. 4 จะพูดถึงการทำโครงงานมากขึ้น

การอบรมครูสำหรับการสอน

อีกหนึ่งประเด็นที่น่าจะมีหลายคนสงสัยเมื่ออ่านถึงตรงนี้ ก็คือแล้วเรามีบุคลากรครูที่เป็นผู้สอนในโรงเรียนที่พอและพร้อมหรือยัง? ในช่วงปี 2560 ที่ผ่านมา สสวท. ได้จัดอบรมครูแกนนำคอมพิวเตอร์ไปแล้ว มีการทดลองทำกิจกรรมในหลักสูตร เพื่อให้นำไปเผยแพร่กับเพื่อนครูคนอื่นต่อไปได้ จากนั้นก็มีอบรมต่อเนื่องผ่านช่องทางทั้งออฟไลน์ และออนไลน์ (สามารถดูเพิ่มเติมได้ที่ Facebook: สาขาคอมพิวเตอร์ สสวท.)

alt="การอัพเดตใน Facebook คอมพิวเตอร์ สสวท."

การจัดอบรมและวิจัยนั้น สสวท. ได้มีการลงพื้นที่ร่วมกับครูเครือข่าย นำวิชาไปทดลองสอนในโรงเรียนจริงๆ ตามจังหวัดต่างๆ รวมทั้งในพื้นที่ธุรกันดาร ไม่มีคอมพิวเตอร์ใช้ในการเรียนการสอน เพื่อดูว่ากิจกรรมแบบ Unplugged นั้นได้เป็นอย่างไร ซึ่งผลตอบรับออกมาดี นักเรียนมีความสนุก ได้ฝึกหัดคิดแบบเป็นขั้นตอน

ที่น่าสนใจมาก คือการเรียนการสอนด้านวิชาเขียนโปรแกรมนี้ ประเทศไทยถือเป็นประเทศกลุ่มแรกๆ ในโลก ที่มีการเรียนสอนในหลักสูตรพื้นฐาน อังกฤษเริ่มการสอนเมื่อ 5 ปีที่แล้ว ส่วนสิงคโปร์เพิ่งเริ่มสอนมา 2 ปี จึงอาจมองได้ว่าเป็นโอกาสในการต่อยอดพัฒนาความพร้อมบุคลากรสำหรับอนาคตในระยะ 10 ปีข้างหน้าของประเทศไทยได้

เนื้อหาเรียบเรียงจาก Dek-d Live สอนเขียนโปรแกรมตั้งแต่ป. 1 เหมาะสมหรือยังกับประเทศไทย 4.0 (ได้รับอนุญาตแล้ว), และหนังสือเรียนรายวิชาพื้นฐานวิทยาศาสตร์ เทคโนโลยี (การคำนวณ) ระดับชั้น ป. 1, ป. 4, ม. 1 และ ม. 4 ของ สสวท.

from:https://www.blognone.com/node/102435

Coursera จับมือมหาวิทยาลัย 5 แห่งเปิดหลักสูตรปริญญาตรีและโท เป็นครั้งแรกที่ให้ปริญญาจริง

Coursera เว็บไซต์คอร์สเรียนออนไลน์ ร่วมมือกับมหาวิทยาลัย 5 แห่ง ในการขยายหลักสูตรปริญญาตรีและโท และถือเป็นครั้งแรกของ Coursera ที่ให้ใบปริญญาจริงแก่ผู้เรียน โดยความร่วมมือกับมหาวิทยาลัย 5 แห่ง ประกอบด้วย

  • มหาวิทยาลัยรัฐแอริโซนาเปิดหลักสูตรปริญญาโท Computer Science
  • มหาวิทยาลัย Imperial College London เปิดหลักสูตรปริญญาโทด้านสาธารณสุขหรือ Public Health
  • มหาวิทยาลัยอิลลินอยส์ เปิดหลักสูตรปริญญาโท Computer Science และ Data Science
  • มหาวิทยาลัยมิชิแกน หลักสูตรปริญญาโทด้านสาธารณสุข
  • University of London หลักสูตรปริญญาตรีสาขา Computer Science

ค่าเรียนอาจแตกต่างกันไปขึ้นอยู่กับหลักสูตร โดยมีตั้งแต่ 15,000 – 22,000 ดอลลาร์ ซึ่งถ้าเทียบกับการเรียนปกติจะอยู่ที่ประมาณ 80,000 ดอลลาร์

Jeff Maggioncalda ซีอีโอ Coursera ระบุว่า ทางมหาวิทยาลัยตระหนักดีว่ามีคนจำนวนมากที่ต้องการเรียนจบในปริญญาที่มีคุณภาพสูง และภารกิจของพวกเขาก็คือการเปิดหลักสูตรปริญญาให้คนทั่วโลกได้เข้าถึงมากขึ้น

ปัจจุบัน Coursera มีหลักสูตรการเรียนการสอนประมาณ 2,700 คอร์ส มีนักศึกษาถึง 31 ล้านคน

No Description
ภาพจาก Facebook Coursera

ที่มา – TechCrunch

from:https://www.blognone.com/node/100385

ผู้หญิงไฮสคูลเข้าสอบ AP Computer Science เกือบ 3 หมื่นคน เพิ่มจากปีที่แล้ว 135%

AP Computer Science คือหลักสูตรและการสอบระดับสูงที่ครอบคลุมสาขาวิทยาการคอมพิวเตอร์ จัดให้เด็กไฮสคูลมาสอบเพื่อเอาเครดิตไปเรียนต่อในระดับมหาวิทยาลัยในสหรัฐฯ ปีนี้มีตัวเลขน่าสนใจพบว่า มีผู้หญิงเข้าร่วม AP CS มากขึ้นอย่างก้าวกระโดด คือ 29,000 คน มากกว่าปีที่แล้วกว่าเท่าตัวที่มีเพียง 12,642 คน

นอกจากจำนวนนักเรียนหญิงที่เข้าสอบจะเพิ่มขึ้นแล้ว ความหลากหลายทางเชื้อชาติเพิ่มขึ้นด้วย โดยตัวเลขของนักเรียนจากเชื้อชาติที่เป็นส่วนน้อยในสหรัฐฯเพิ่มขึ้นมาเป็น 13,024 คน คิดเป็น 20% ของจำนวนผู้เข้าสอบทั้งหมด

Code.org หรือโครงการสอนเขียนโปรแกรม ระบุว่า ช่วงซัมเมอร์นี้จะจัดหาครูผู้สอนมาเพิ่มอีก 900 คน เพื่อขยายไปยังโรงเรียนในพื้นที่อื่นๆ และพยายามจะสร้างความหลากหลายให้เกิดขึ้นในวงการวิทยาการคอมพิวเตอร์ ซึ่งยังต้องลงมือทำอีกมาก เลขผู้เรียนยังกระจุกที่ผู้ชายผิวขาวเป็นส่วนใหญ่ และการเพิ่มขึ้นของผู้หญิงและชนกลุ่มน้อยเป็นจุดเริ่มต้นที่ดีที่จะสร้างความหลากหลายในวงการอาชีพนี้ในอนาคต

No Description
ภาพจาก Code.org, Medium

ที่มา – Medium

from:https://www.blognone.com/node/94077