แว่น AI ราคาถูกถูกโปรโมตเป็นทางเลือกแทน Meta แต่จุดขายเรื่อง “แอบถ่ายไร้ไฟแจ้งเตือน” จุดกระแสกังวลด้านความเป็นส่วนตัว

แว่นตาอัจฉริยะที่มีกล้องและฟังก์ชัน AI ในราคาประมาณ 40–100 ดอลลาร์ กำลังได้รับการโปรโมตผ่าน TikTok Shop และแพลตฟอร์มอีคอมเมิร์ซต่าง ๆ ในฐานะทางเลือกที่มีราคาถูกกว่า Meta AI Glasses ซึ่งจำหน่ายในราคาหลายร้อยดอลลาร์

รายงานระบุว่า อินฟลูเอนเซอร์บางรายนำแว่นเหล่านี้มาโฆษณาผ่านวิดีโอที่ได้รับค่าคอมมิชชันจากการขายสินค้า โดยหนึ่งในประเด็นที่ใช้ดึงดูดผู้ซื้อคือคำกล่าวอ้างว่าแว่นสามารถบันทึกวิดีโอได้โดยไม่มีไฟแจ้งเตือนที่มองเห็นได้ชัดเจน

บางวิดีโอยังแสดงวิธีปิดบังไฟ LED ด้วยสติกเกอร์ราคาถูก รวมถึงจำลองสถานการณ์การบันทึกภาพบุคคลอื่นโดยที่เจ้าตัวไม่ทราบ ซึ่งทำให้เกิดคำถามเกี่ยวกับการนำอุปกรณ์ดังกล่าวไปใช้ละเมิดความเป็นส่วนตัว

อย่างไรก็ตาม ยังไม่สามารถสรุปได้ว่าแว่นราคาถูกทั้งหมดไม่มีไฟแจ้งเตือนตามที่ผู้ขายบางรายกล่าวอ้าง เนื่องจากแว่นบางรุ่นดูเหมือนมีไฟ LED และมีผู้ใช้บางรายแสดงความคิดเห็นว่าไฟดังกล่าวยังทำงานได้ตามปกติ

ด้านแบรนด์ LUSBY ซึ่งตอบกลับคำถามของผู้รายงาน ระบุว่าไม่ได้ดำเนินการ TikTok Shop อย่างเป็นทางการ และบัญชีที่ถูกนำมาอ้างถึงไม่ได้มีความเกี่ยวข้องหรือได้รับอนุญาตให้โปรโมตสินค้าจากบริษัท พร้อมยืนยันว่าแว่นของตนมีไฟแสดงสถานะการบันทึก และไม่ได้สนับสนุนการบันทึกบุคคลอื่นโดยไม่ให้รับรู้

อีกประเด็นที่ต้องจับตาคือแอป HeyCyan ซึ่งมีรายงานว่าเชื่อมโยงกับแว่นหลายแบรนด์ โดยบริษัท Shenzhen Qingcheng ผู้พัฒนาแอปกำลังถูกหน่วยงานรัฐบาลออสเตรเลียตรวจสอบเกี่ยวกับแนวปฏิบัติด้านความเป็นส่วนตัว

ความกังวลเกี่ยวกับแว่นอัจฉริยะไม่ได้จำกัดอยู่แค่ผลิตภัณฑ์ราคาประหยัด แม้แต่ Meta AI Glasses ที่พัฒนาร่วมกับแบรนด์แว่นตาชั้นนำ ก็เผชิญข้อถกเถียงเกี่ยวกับการบันทึกภาพบุคคลโดยไม่ได้รับความยินยอม รวมถึงการนำวิดีโอไปเผยแพร่บนแพลตฟอร์มออนไลน์

Meta ระบุว่าไฟแจ้งเตือนการบันทึกเป็นส่วนหนึ่งของแนวทางด้านความเป็นส่วนตัว และมีความพยายามจัดการกับการดัดแปลงไฟเพื่อให้บันทึกภาพได้อย่างแนบเนียนมากขึ้น

กรณีนี้สะท้อนความท้าทายของตลาดอุปกรณ์ AI ที่ต้องสร้างสมดุลระหว่างความสามารถในการใช้งาน การแข่งขันด้านราคา และการคุ้มครองสิทธิส่วนบุคคล เพราะการทำให้เทคโนโลยีบันทึกภาพได้อย่างสะดวก ไม่ควรหมายถึงการเปิดช่องให้ละเมิดความเป็นส่วนตัวของผู้อื่น

ที่มา: Futurism, TikTok Shop

ฟินแลนด์สั่งระงับการเตรียมพื้นที่ Data Center ของ Google หลังพบการตัดป่าในพื้นที่คุ้มครอง

โครงการ Data Center ของ Google ในประเทศฟินแลนด์ ซึ่งมีมูลค่าการลงทุนรวมประมาณ 15,000 ล้านดอลลาร์สหรัฐ กำลังถูกตรวจสอบจากประเด็นด้านสิ่งแวดล้อม หลังหน่วยงานกำกับดูแลของฟินแลนด์พบการเคลียร์พื้นที่ป่าในบริเวณโครงการ

สำนักงานกำกับดูแลของฟินแลนด์ หรือ Finnish Supervisory Agency (LVV) มีคำสั่งให้ Tuike Finland Oy ซึ่งเป็นบริษัทในเครือของ Google ระงับการดำเนินงานเตรียมพื้นที่ที่อาจส่งผลกระทบอย่างมีนัยสำคัญต่อสิ่งแวดล้อม สำหรับโครงการ Data Center ในเมือง Muhos และ Kajaani

ตามข้อมูลของ LVV ผู้รับเหมาของ Google ได้ตัดไม้ในพื้นที่ Muhos ประมาณ 330 เฮกตาร์ โดยยังไม่ได้ดำเนินการประเมินผลกระทบสิ่งแวดล้อมที่จำเป็นต่อการขออนุมัติ
นอกจากนี้ยังมีการเคลียร์พื้นที่เพิ่มเติมประมาณ 200 เฮกตาร์ สำหรับโครงการใน Kajaani อย่างไรก็ตาม รายงานระบุว่ายังไม่ชัดเจนว่าการดำเนินการในพื้นที่ดังกล่าวได้รับอนุญาตจากหน่วยงานที่เกี่ยวข้องแล้วหรือไม่

เจ้าหน้าที่ LVV ระบุว่างานที่ดำเนินการไม่ได้มีเพียงการตัดต้นไม้ แต่ยังรวมถึงการปรับหน้าดิน การก่อสร้างถนน พื้นที่จัดเก็บวัสดุ และการเปลี่ยนแปลงคูระบายน้ำในพื้นที่โครงการ
Google มีเวลามากกว่าหนึ่งสัปดาห์ในการชี้แจงการดำเนินงานต่อเจ้าหน้าที่ฟินแลนด์ โดย Sondre Ronander โฆษกของ Google ระบุผ่าน AFP ว่าบริษัทเข้าใจถึงข้อกังวลและยอมรับว่าการดำเนินงานครั้งนี้ไม่เป็นไปตามมาตรฐานที่บริษัทกำหนดไว้

Google ระบุว่าจะศึกษาข้อค้นพบของ LVV และปฏิบัติตามแนวทางที่หน่วยงานกำหนดต่อไป

ด้าน Finnish Association for Nature Conservation ระบุผ่าน AFP ว่าพื้นที่บางส่วนที่ได้รับผลกระทบเป็นพื้นที่ธรรมชาติที่ควรได้รับการอนุรักษ์
ขณะนี้กระบวนการตรวจสอบของทางการฟินแลนด์ยังอยู่ในระหว่างดำเนินการ จึงยังต้องติดตามว่าการตรวจสอบจะนำไปสู่ข้อกำหนดหรือการเปลี่ยนแปลงใดต่อโครงการ Data Center ของ Google ในทั้งสองพื้นที่

ที่มา: Agence France-Presse

AMD เผย IBS Memory Profiler สำหรับ Zen 6 มุ่งเพิ่มประสิทธิภาพการจัดการหน่วยความจำบน Linux

AMD เปิดเผยรายละเอียดของ IBS Memory Profiler ฟีเจอร์ด้านการวิเคราะห์หน่วยความจำที่เตรียมใช้งานในโปรเซสเซอร์ Zen 6 โดย Bharat Bhasker Rao วิศวกรของ AMD ได้นำเสนอเทคโนโลยีดังกล่าวในงาน Linux Plumbers Conference (LPC) 2026 ณ กรุงปราก เมื่อวันที่ 5 ตุลาคมที่ผ่านมา

Instruction-Based Sampling (IBS) เป็นเทคโนโลยีวิเคราะห์ประสิทธิภาพฮาร์ดแวร์ที่ AMD มีอยู่แล้ว โดย Zen 6 จะเพิ่มกลไกการสุ่มตรวจสอบการเข้าถึงหน่วยความจำโดยเฉพาะ เพื่อให้ข้อมูลเกี่ยวกับตำแหน่งที่เข้าถึงและแหล่งที่มาของข้อมูลว่าอยู่ใน DRAM หรือหน่วยความจำที่เชื่อมต่อผ่าน CXL

ข้อมูลดังกล่าวมีความสำคัญต่อระบบเซิร์ฟเวอร์ที่ใช้หน่วยความจำแบบ Tiered Memory ซึ่ง Linux จำเป็นต้องแยกข้อมูลที่ถูกเรียกใช้งานบ่อย หรือ Hot Pages ออกจากข้อมูลที่ใช้งานน้อย เพื่อย้ายข้อมูลที่สำคัญไปยัง DRAM ซึ่งมีความเร็วสูงกว่า

ปัจจุบัน Linux ใช้วิธีตรวจสอบ Page Tables และดักจับ Page Fault เพื่อค้นหา Hot Pages โดย AMD ต้องการนำข้อมูลจาก IBS Memory Profiler ไปใช้ร่วมกับ การพัฒนาระบบย่อย pg​​hot ของ Kernel สำหรับติดตามและจัดการข้อมูลที่ถูกเรียกใช้งานบ่อย

ผลทดสอบเบื้องต้นแสดงประโยชน์ในบางเวิร์กโหลด

จากการทดสอบบนระบบที่มี Logical CPUs จำนวน 256 หน่วย และหน่วยความจำ CXL ขนาด 256GB พบว่า XSBench ทำงานได้เร็วขึ้น 4.57 เท่า เมื่อเทียบกับการทดสอบแบบไม่ใช้ระบบดังกล่าว ขณะที่วิธีปัจจุบันให้ผลเร็วขึ้น 1.18 เท่า

สำหรับ Graph500 ผลทดสอบเพิ่มขึ้นจาก 2.34 เท่า เป็น 3.17 เท่า อย่างไรก็ตาม Redis ไม่พบประโยชน์ด้านประสิทธิภาพที่ชัดเจน และ NAS BT ให้ผลต่ำกว่าวิธีเดิมเล็กน้อย
ในด้านต้นทุนการทำงาน AMD ระบุว่าการเปิดใช้งาน Profiling เพิ่มเวลา Overhead จาก 26.1 ไมโครวินาที เป็น 15.8 ไมโครวินาที ตามตัวเลขที่รายงาน ซึ่งแสดงให้เห็นว่าผลลัพธ์ขึ้นอยู่กับลักษณะงานที่ทดสอบ และยังต้องมีการประเมินเพิ่มเติม

รายงานยังระบุว่าแพตช์ของ pg​​hot อยู่ระหว่างการพัฒนา และสไลด์นำเสนอไม่ได้ระบุการรองรับ Virtualization สำหรับ Profiler ดังกล่าว

EPYC Venice เตรียมขยายสู่ระบบ Cloud

สำหรับแพลตฟอร์มเซิร์ฟเวอร์ AMD EPYC 9006 “Venice” รองรับการขยายหน่วยความจำผ่าน CXL 3.1 และเข้าสู่กระบวนการผลิตแล้ว โดยคาดว่าจะเริ่มมีการนำไปใช้งานในระบบ Cloud ในช่วงปลายปี 2026

IBS Memory Profiler จึงเป็นอีกหนึ่งแนวทางที่ AMD กำลังพัฒนาเพื่อช่วยให้ระบบเซิร์ฟเวอร์จัดการหน่วยความจำหลายระดับได้มีประสิทธิภาพมากขึ้น อย่างไรก็ตาม ผลทดสอบในปัจจุบันยังแสดงให้เห็นถึงความแตกต่างระหว่างเวิร์กโหลด จึงต้องรอการพัฒนาและผลประเมินเพิ่มเติมก่อนสรุปประโยชน์ในการใช้งานจริง

ที่มา: Linux Plumbers Conference 2026

สร้างโครงสร้างพื้นฐานสำหรับโลก AI ที่ไม่หยุดนิ่ง

สร้างโครงสร้างพื้นฐานสำหรับโลก AI ที่ไม่หยุดนิ่ง

บทความโดย Alexey Navolokin ผู้จัดการทั่วไปประจำภูมิภาคเอเชียแปซิฟิก (APAC)

ไม่มีใครในอุตสาหกรรมนี้ตอบได้ว่า AI จะมีหน้าตาเป็นอย่างไรในอีก 5 ปีข้างหน้า

ไม่มีใครรู้ว่าสถาปัตยกรรมโมเดลใดจะก้าวขึ้นมาเป็นผู้นำ ไม่มีใครรู้ว่าสัดส่วนระหว่างการเทรนและการอนุมาน (Inference) จะไปหยุดอยู่ที่จุดใด และไม่มีใครรู้ว่า AI จะทำงานอยู่ในดาต้าเซ็นเตอร์ของคุณ ในดาต้าเซ็นเตอร์ของคนอื่น หรือบนแล็ปท็อป (หรือแม้แต่อุปกรณ์ที่เล็กกว่านั้น) มากน้อยแค่ไหน แต่ถึงอย่างนั้น ผู้นำด้านโครงสร้างพื้นฐานยังคงต้องตัดสินใจและลงทุนตั้งแต่วันนี้ เพื่อวางรากฐานด้านไอทีให้กับธุรกิจไปอีก 5-7 ปีข้างหน้า

นี่คือความท้าทาย ความจริงก็คือ ความเสี่ยงสูงสุดไม่ใช่การเลือกเทคโนโลยีผิดในวันนี้ แต่เป็นการสร้างโครงสร้างพื้นฐานที่ไม่สามารถปรับตัวรับความต้องการที่เปลี่ยนไปเมื่อเวิร์กโหลดพัฒนาขึ้นไปในวันข้างหน้า

ในงาน AI Infra Summit ที่ผ่านมา ผมได้นำเสนอว่าเราจำเป็นต้องคิดใหม่เกี่ยวกับการออกแบบโครงสร้างพื้นฐาน AI ซึ่งไม่ควรยึดติดอยู่กับชิปหรือเทคโนโลยีเครือข่าย แต่ควรตั้งอยู่บนคำถามพื้นฐานที่ว่า: เมื่อความต้องการเปลี่ยนไป ระบบจะปรับตัวได้ง่ายเพียงใด?

ความสามารถในการปรับตัว: หัวใจหลักของการออกแบบ

ไม่กี่ปีก่อน “โครงสร้างพื้นฐาน AI” มักหมายถึงการรันโมเดลเทรนนิ่งขนาดใหญ่บนคลัสเตอร์เดียว ซึ่งสร้างความต้องการทรัพยากรแบบ batch ที่คาดเดาได้ แม้เวิร์กโหลดลักษณะนี้จะยังสำคัญ แต่วันนี้ระบบต้องรองรับทั้ง Inference, Agentic AI และเวิร์กโหลดที่กระจายตัวมากขึ้น ซึ่งล้วนมีข้อกำหนดที่แตกต่างกันอย่างสิ้นเชิง

Inference ต้องทำงานอยู่ตลอดเวลา โดยให้ความสำคัญกับค่าความหน่วง (latency) และต้นทุนต่อคำขอ ส่วน Agentic AI ยิ่งเพิ่มความซับซ้อน เพราะคำขอเดียวอาจแตกออกเป็นหลายขั้นตอน ทั้งการดึงและจัดรูปแบบข้อมูลอินพุต การเรียกใช้เครื่องมือ การรันโค้ด การประสานงาน sub-agent รวมถึงการรักษาสถานะที่มีอายุยาวนานกว่าคำขอทั่วไป

สิ่งนี้ไม่เพียงเปลี่ยนปริมาณทรัพยากรประมวลผลที่ต้องการ แต่ยังเปลี่ยน “รูปแบบ” ของระบบด้วย โครงสร้างพื้นฐานที่ปรับแต่งมาเพื่อคลัสเตอร์เทรนนิ่งในอดีตไม่ได้แค่ขาดแคลนความจุ แต่ยังมีรูปแบบที่ผิดเพี้ยนไป สมดุลระหว่างการประมวลผล หน่วยความจำ และเครือข่ายที่เคยสร้างไว้ ไม่สอดคล้องกับทิศทางที่เวิร์กโหลดเกิดขึ้นจริงอีกต่อไป และคุณไม่สามารถแก้ปัญหารูปแบบระบบนี้ได้เพียงแค่เพิ่มสิ่งที่คุณมีอยู่แล้วเข้าไป

กุญแจสำคัญคือการเพิ่มประสิทธิภาพทั้งระบบ ไม่ใช่แค่องค์ประกอบใดองค์ประกอบหนึ่ง การประมวลผล หน่วยความจำ เครือข่าย สตอเรจ ซอฟต์แวร์ พลังงาน และความเสถียร ต้องทำงานร่วมกันอย่างราบรื่น การขยายระบบที่คุ้นเคยเป็นเพียงเรื่องของการจัดสรรงบประมาณ แต่การเปิดรับสถาปัตยกรรมใหม่คือความท้าทายด้านการออกแบบและการปฏิบัติการอย่างแท้จริง

3 คุณสมบัติเพื่อรักษาอิสระในการเลือก

เมื่อความต้องการเปลี่ยนไปตลอดเวลา เป้าหมายของการออกแบบจึงไม่ใช่การทำนายผู้ชนะ แต่เป็นการรักษาอิสระที่จะก้าวไปสู่เทคโนโลยีขั้นต่อไป ซึ่งในทางปฏิบัติสามารถประเมินได้จาก 3 คุณสมบัติหลัก ดังนี้:

-    ปรับตัวได้ (Adaptable): คุณต้องมีพอร์ตโฟลิโอที่ครอบคลุมมากพอ เพื่อให้เมื่อเวิร์กโหลดเปลี่ยนไป ทางออกคือการปรับเปลี่ยนคอนฟิกูเรชัน ไม่ใช่การเปลี่ยนผู้จำหน่าย เลือกใช้ขุมพลังประมวลผลให้เหมาะกับงาน ภายใต้รากฐานซอฟต์แวร์ร่วมที่ช่วยให้การสับเปลี่ยนตัวเลือกเหล่านั้นเกิดขึ้นได้จริง

-    คุ้มค่าเชิงเศรษฐศาสตร์ (Economical): คำนี้ไม่ได้หมายถึงราคาถูก แต่หมายถึงการเลือกลงทุนในเครื่องมือที่ใช่ การเทรนโมเดลคือการลงทุนที่เกิดขึ้นนาน ๆ ครั้ง แต่ inference คือต้นทุนการดำเนินงานที่เกิดขึ้นนับพันล้านครั้งต่อวัน และคำขอแบบ agentic ก็ไม่ใช่ inference เพียงครั้งเดียว แต่เป็นเครือข่ายที่เชื่อมโยงกัน ดังนั้น สิ่งที่ควรให้ความสำคัญคือ “ต้นทุนต่องานที่สำเร็จ” ไม่ใช่ต้นทุนต่อโทเคน

-    เปิดกว้าง (Open): ระบบนิเวศแบบเปิดมอบทางเลือกผ่านการใช้มาตรฐานที่ได้รับการยอมรับอย่างกว้างขวาง ช่วยให้ลูกค้าไม่ต้องผูกติดกับโรดแมปผลิตภัณฑ์ของผู้จำหน่ายรายใดรายหนึ่ง นี่คืออิสระในการเลือกซัพพลายเออร์ที่แท้จริง และเป็นเหตุผลว่าทำไมการเชื่อมต่อและเครือข่ายแบบเปิดจึงมีความสำคัญ

บทบาทของกลุ่มผลิตภัณฑ์ AMD

นี่คือเหตุผลที่ความครอบคลุมของเทคโนโลยีมีความสำคัญ และเป็นเหตุผลที่ AMD เลือกลงทุนอย่างครบถ้วนทั้ง สแตกเทคโนโลยี แทนที่จะพึ่งพาผลิตภัณฑ์ชูโรงเพียงชิ้นเดียว ความต้องการด้าน AI ในปัจจุบันครอบคลุมตั้งแต่:

-    การทำ inference,tokenization, orchestration และการประมวลผลอเนกประสงค์อื่น ๆ บนโปรเซสเซอร์ AMD EPYC™ Server ไปจนถึงโมเดลขนาดเล็กและ AI ในเครื่อง (local AI) บนแพลตฟอร์ม AMD Radeon™ และ AMD Ryzen™ AI

-    การทำ inference และ fine-tuning สำหรับโมเดลภาษาขนาดใหญ่บนกราฟิกการ์ด AMD Instinct™ PCIe

-    การทำ distributed inference และการเทรนโมเดลบนระบบกราฟิกการ์ด AMD Instinct™ แบบ 8-way ซึ่งขยายสเกลไปสู่โซลูชัน AMD Helios™ ระดับตู้แร็คเพื่อรองรับการติดตั้งระดับ Mega-scale

ผลิตภัณฑ์เดี่ยว ๆ ไม่ใช่ประเด็นหลัก ความครอบคลุมที่ปราศจากซอฟต์แวร์ร่วมก็เป็นเพียงแค่แค็ตตาล็อกสินค้า แต่ความครอบคลุมที่ผสานกับซอฟต์แวร์คือความยืดหยุ่น ด้วย AMD ROCm™ software ที่เป็นรากฐานร่วม คุณสามารถโยกย้ายฮาร์ดแวร์ของเวิร์กโหลดได้โดยไม่ต้องเริ่มต้นนับหนึ่งใหม่

เราสร้างสรรค์เทคโนโลยีครอบคลุมทั้งสแตก เพราะเชื่อว่าแต่ละองค์ประกอบต้องพิสูจน์ความยอดเยี่ยมด้วยตัวมันเอง ไม่ใช่เพราะระบบจะทำงานได้ก็ต่อเมื่อคุณเหมาซื้อทั้งหมด มาตรฐานแบบเปิดคือสิ่งที่ทำให้แนวคิดนี้เป็นจริง: คุณสามารถเลือกองค์ประกอบของ AMD ที่เหมาะที่สุดกับเวิร์กโหลดของคุณ ในขณะที่ยังคงอิสระในการเลือกใช้โซลูชันอื่น ๆ จากที่อื่นได้อย่างเต็มที่

องค์กรที่จะประสบความสำเร็จในอีก 5 ปีข้างหน้า จะไม่ใช่องค์กรที่คาดเดาทุกการเปลี่ยนแปลงได้ถูกต้อง แต่จะเป็นองค์กรที่มีอิสระและความยืดหยุ่นมากพอที่จะปรับเปลี่ยนทิศทางเมื่อเวลานั้นมาถึง

สร้างให้ปรับตัวได้ เพื่อให้อนาคตไม่ว่าจะมาในรูปแบบใดก็ยังรองรับได้ สร้างอย่างคุ้มค่า เพื่อให้คุณจ่ายกับเครื่องมือที่เหมาะสม ไม่ใช่เครื่องมือที่ใหญ่ที่สุด และสร้างบนพื้นฐานแบบเปิด เพื่อรักษาทางเลือกเอาไว้ เพราะเมื่อคุณไม่มีทางเลือก คุณย่อมต้องจ่ายต้นทุนของมัน

จงสร้างระบบให้ ปรับตัวได้ เพื่อรับมือกับอนาคตไม่ว่าจะมาในรูปแบบใด จงสร้างให้ คุ้มค่า เพื่อจ่ายให้กับเครื่องมือที่ใช่ ไม่ใช่เครื่องมือที่ใหญ่ที่สุด และจงสร้างบนพื้นฐานที่ เปิดกว้าง เพื่อรักษาทางเลือกเอาไว้ เพราะหากคุณทิ้งสิทธิ์นั้นไป คุณย่อมต้องจ่ายต้นทุนที่ตามมา

สิ่งเดียวที่เรารับประกันได้คือ AI จะยังคงเปลี่ยนแปลงต่อไป และเราควรเริ่มสร้างโครงสร้างพื้นฐานโดยตั้งอยู่บนสมมติฐานนี้ตั้งแต่แรก

เด็กชายวัย 16 ปีติดอยู่บนภูเขา หลังใช้ Claude AI แนะนำเส้นทางจนออกนอกเส้นทาง

เกิดเหตุการณ์ที่สะท้อนข้อจำกัดของ AI Chatbot เมื่อเด็กชายวัย 16 ปีในบริติชโคลัมเบีย ประเทศแคนาดา ต้องได้รับการช่วยเหลือจากทีมกู้ภัย หลังใช้ Claude AI ให้คำแนะนำเกี่ยวกับเส้นทางเดินลงจาก Grouse Mountain

รายงานระบุว่า เด็กชายขึ้นกระเช้าไปยังพื้นที่ด้านบนของ Grouse Mountain ซึ่งมีความสูงมากกว่า 4,000 ฟุต ก่อนใช้ Claude เพื่อช่วยนำทางระหว่างเดินทางกลับ
อย่างไรก็ตาม คำแนะนำจาก AI ทำให้เขาออกนอกเส้นทางและไปติดอยู่บริเวณฐานของหน้าผาสูงชันที่เรียกว่า “Widowmaker”
เจ้าหน้าที่กู้ภัยระบุว่าสถานการณ์ดังกล่าวมีความเสี่ยงสูง โดยหากเด็กชายพลัดตกลงมาอาจได้รับบาดเจ็บรุนแรงหรือเสียชีวิต

เนื่องจากเฮลิคอปเตอร์ไม่สามารถเข้าใกล้ผนังหน้าผาได้ ทีมกู้ภัย 2 คนจึงต้องโรยตัวลงไปยังพื้นที่ดังกล่าว พร้อมสร้างจุดยึดและให้การช่วยเหลือเพื่อเคลื่อนย้ายเด็กไปยังจุดที่สามารถนำตัวออกจากพื้นที่ได้อย่างปลอดภัย

เหตุการณ์ดังกล่าวเกิดขึ้นไม่นานหลังจากมีรายงานนักเดินป่า 3 คนในเทือกเขา Cascade Range รัฐแคลิฟอร์เนีย ต้องได้รับการช่วยเหลือ หลัง Google AI แนะนำให้พวกเขานำอาหารและน้ำไปน้อยกว่าปริมาณที่จำเป็น จนการเดินทางที่วางแผนไว้เพียง 8 ชั่วโมงกลายเป็นเหตุการณ์ที่กินเวลาหลายวัน

Paul Markey ผู้จัดการฝ่ายค้นหาและกู้ภัยของ North Shore Rescue เตือนว่า ผู้ใช้งานไม่ควรพึ่งพา AI Chatbot อย่าง Claude สำหรับข้อมูลประเภทนี้ เนื่องจาก AI ไม่ได้มีประสบการณ์จริงหรือความรู้เฉพาะพื้นที่

กรณีดังกล่าวสะท้อนให้เห็นว่า แม้ AI จะสามารถช่วยค้นข้อมูลและวางแผนทั่วไปได้ แต่ข้อมูลเกี่ยวกับ เส้นทางเดินป่า ภูมิประเทศ สภาพอากาศ และความปลอดภัยในพื้นที่จริง ควรตรวจสอบกับแหล่งข้อมูลที่เชื่อถือได้และผู้เชี่ยวชาญในพื้นที่เสมอ

ที่มา: CTV News

ASUS เปิดตัว ROG Strix OLED XG32UQDS จอ 4K QD-OLED 180Hz

ASUS เปิดตัว ROG Strix OLED XG32UQDS เกมมิ่งมอนิเตอร์รุ่นใหม่ที่ใช้พาเนล QD-OLED รุ่นที่ 3 ขนาด 31.5 นิ้ว พร้อมความละเอียด 3840 × 2160 พิกเซล และรีเฟรชเรตสูงสุด 180Hz
จอรุ่นนี้มี Response Time อยู่ที่ 0.03ms และรองรับเทคโนโลยี ASUS BlackShield ซึ่งบริษัทระบุว่าสามารถเพิ่มความทนทานต่อรอยขีดข่วนได้ 2.5 เท่าเมื่อเทียบกับ QD-OLED รุ่นก่อนหน้า พร้อมช่วยปรับปรุงระดับสีดำในสภาพแวดล้อมที่มีแสงสว่าง

ด้านการแสดงผลรองรับ 99% DCI-P3, สีแบบ True 10-bit และ Delta E < 2 พร้อมอัตราส่วนคอนทราสต์ที่ ASUS ระบุไว้ที่ 1,500,000:1
ROG Strix OLED XG32UQDS ยังมาพร้อมระบบ ASUS OLED Care Pro ซึ่งประกอบด้วย Pixel Cleaning, Screen Movement, Taskbar Detection และ Logo Brightness Adjustment
อีกหนึ่งฟีเจอร์คือ Neo Proximity Sensor สำหรับตรวจจับว่าผู้ใช้งานอยู่หน้าจอหรือไม่ หากไม่มีผู้ใช้งาน ระบบสามารถเปลี่ยนหน้าจอเป็นสีดำและกลับมาแสดงผลเมื่อผู้ใช้กลับมา ซึ่งช่วยลดความเสี่ยงจากปัญหา Burn-in

ด้านการเล่นเกมรองรับ AMD FreeSync Premium Pro และ NVIDIA G-SYNC Compatible รวมถึง Simulation Mode ขนาด 24.5 นิ้วที่ทำงานได้สูงสุด 180Hz และโหมด 4:3 ที่ความละเอียด 1280 × 960 และ 1024 × 768 สำหรับเกมแข่งขัน

การเชื่อมต่อประกอบด้วย DisplayPort 1.4 พร้อม DSC และ HDMI 2.1 จำนวน 2 ช่อง โดย HDMI 2.1 รองรับ 4K 120Hz พร้อม VRR สำหรับ PlayStation 5 และ Xbox Series X
อย่างไรก็ตาม ASUS ยังไม่ได้เปิดเผย ราคาและกำหนดวางจำหน่ายอย่างเป็นทางการ ในขณะนี้

ที่มา: ASUS