ประโยชน์ AI กับการบริหารจัดการภัยพิบัติ
“เราหยุดภัยธรรมชาติไม่ได้ แต่หยุดความเสียหายไม่ให้ลุกลามได้”
ในช่วงสัปดาห์ที่ผ่านมา ประเทศไทยเผชิญน้ำท่วมในหลายพื้นที่จากฝนที่ตกหนักต่อเนื่อง ทำให้ระบบระบายน้ำในบางพื้นที่ไม่สามารถรองรับปริมาณน้ำได้ทัน สถานการณ์ดังกล่าวไม่ได้เป็นเพียงปัญหาเรื่อง “น้ำท่วม” แต่เป็นโจทย์ของการบริหารจัดการเมือง ตั้งแต่การเตือนภัย การรับมือสถานการณ์ ไปจนถึงการฟื้นฟูเมืองให้กลับเข้าสู่ภาวะปกติ
คำถามสำคัญคือ เราควรมีระบบบริหารจัดการภัยพิบัติที่มีประสิทธิภาพตั้งแต่ต้นทางถึงปลายทางอย่างไร?
ผมมองว่า “การบูรณาการ” คือหัวใจสำคัญ เช่นเดียวกับการมีข้อมูลที่เพียงพอ ถูกต้อง และรวดเร็ว เพื่อสนับสนุนการตัดสินใจ เพราะในช่วงวิกฤต ทุกนาทีอาจหมายถึงชีวิต ทรัพย์สิน และความเสียหายทางเศรษฐกิจ
ในฐานะคนทำงานด้านเทคโนโลยี AI และ Remote Sensing ผมมองว่า ปัญญาประดิษฐ์ หรือ AI (Artificial Intelligence) สามารถเป็นเครื่องมือสำคัญในการรวบรวม ประมวลผล และวิเคราะห์ข้อมูลจำนวนมหาศาล เพื่อช่วยให้ผู้เชี่ยวชาญและผู้บริหารประเมินสถานการณ์และตัดสินใจได้รวดเร็วขึ้น
เนเธอร์แลนด์: AI เสริมระบบบริหารจัดการน้ำ
ประเทศเนเธอร์แลนด์มีพื้นที่จำนวนมากอยู่ต่ำกว่าระดับน้ำทะเล และเผชิญความเสี่ยงจากน้ำท่วมมาอย่างยาวนาน จึงมีระบบบริหารจัดการน้ำตั้งแต่เขื่อน คันกั้นน้ำ ประตูกั้นคลื่น ระบบสูบน้ำ ไปจนถึงแนวคิด “Room for the River” หรือการเพิ่มพื้นที่ให้แม่น้ำรองรับน้ำได้มากขึ้น
ในปี 2568 เนเธอร์แลนด์เดินหน้าพัฒนาการใช้ AI เพื่อเพิ่มประสิทธิภาพการบริหารจัดการน้ำ โดย Rijkswaterstaat, Deltares, Royal Netherlands Meteorological Institute (KNMI) และพันธมิตร ร่วมกันพัฒนา AI และ Machine Learning เพื่อเสริมแบบจำลองด้านน้ำและเพิ่มความรวดเร็วในการประเมินสถานการณ์
โดยมีการนำ AI เข้ามาช่วยตั้งแต่การเตรียมและประมวลผลข้อมูล การพัฒนาแบบจำลอง การประเมินผลกระทบ ไปจนถึงการจำลองสถานการณ์ โดยมีการพัฒนาแนวทางที่ผสมผสานหลักฟิสิกส์กับ Machine Learning ในบางงานสามารถลดระยะเวลาคำนวณสถานการณ์จากระดับหลายชั่วโมงลงมาเหลือระดับวินาที ทำให้ผู้ปฏิบัติงานสามารถประเมินทางเลือกได้รวดเร็วขึ้น
ญี่ปุ่น: ข้อมูลไม่กี่วินาทีสร้างความแตกต่าง
ประเทศญี่ปุ่นมีระบบเตือนภัยแผ่นดินไหวล่วงหน้า หรือ Earthquake Early Warning (EEW) ที่ได้รับการพัฒนาอย่างต่อเนื่อง โดย Japan Meteorological Agency (JMA) ใช้ข้อมูลจากเครือข่ายตรวจวัดของ JMA ประมาณ 690 จุด ร่วมกับเครือข่ายของ National Research Institute for Earth Science and Disaster Resilience (NIED) ประมาณ 1,000 จุดทั่วประเทศ
ระบบตรวจจับคลื่น P-wave ซึ่งเดินทางเร็วกว่าคลื่น S-wave ที่ก่อให้เกิดแรงสั่นสะเทือนรุนแรง แล้วนำข้อมูลมาประเมินตำแหน่งศูนย์กลาง ขนาดของแผ่นดินไหว และระดับความรุนแรง ก่อนส่งคำเตือนไปยังประชาชนและระบบต่างๆ อย่างรวดเร็ว โดยระยะเวลาเตือนล่วงหน้าจะแตกต่างกันตามระยะห่างจากจุดเกิดแผ่นดินไหว
กรณีของญี่ปุ่นจึงสะท้อนว่า สิ่งสำคัญไม่ได้อยู่ที่ AI เพียงอย่างเดียว แต่อยู่ที่การเชื่อมโยง ข้อมูล + Sensor + ระบบประมวลผล + ระบบสื่อสาร + กระบวนการตอบสนอง เข้าด้วยกัน
สหรัฐอเมริกา: AI ช่วยเฝ้าระวังไฟป่า
ในรัฐแคลิฟอร์เนีย ประเทศสหรัฐอเมริกา มีการนำ AI มาใช้ช่วยตรวจจับไฟป่าผ่านโครงการ ALERTCalifornia ซึ่งมีเครือข่ายกล้องมากกว่า 1,200 ตัว โดย AI วิเคราะห์ภาพและตรวจจับสิ่งที่อาจเป็นควันหรือไฟป่า ก่อนส่งสัญญาณแจ้งเตือนไปยังเจ้าหน้าที่ พร้อมข้อมูลระดับความมั่นใจและตำแหน่งโดยประมาณ เพื่อให้ตรวจสอบและตอบสนองได้อย่างรวดเร็ว
ข้อมูลของ ALERTCalifornia ระบุว่า ในฤดูกาลแรกของการใช้งาน AI ระบบตรวจพบไฟมากกว่า 1,200 เหตุการณ์ และมากกว่า 30% ของกรณีสามารถแจ้งเตือนได้ก่อนมีการแจ้งเหตุผ่านระบบ 911
กรณีนี้แสดงให้เห็นบทบาทของ AI ที่ไม่ได้เข้ามาแทนที่เจ้าหน้าที่ แต่ทำหน้าที่เสมือน “ดวงตาอีกหลายพันคู่” ที่ช่วยเฝ้าระวังและส่งข้อมูลให้มนุษย์ตัดสินใจได้เร็วขึ้น
AI: จากการเตือนภัยสู่การช่วยตัดสินใจ
หากนำแนวคิดเหล่านี้กลับมามองประเทศไทย AI สามารถช่วยบริหารจัดการภัยพิบัติได้ตั้งแต่ต้นทางถึงปลายทาง
ในกรณีอุทกภัย เราสามารถใช้ AI ร่วมกับแบบจำลองทางอุตุนิยมวิทยาและแบบจำลองน้ำ เพื่อวิเคราะห์สภาพอากาศ คาดการณ์ปริมาณฝน วิเคราะห์ระดับน้ำและสร้างฉากทัศน์ของสถานการณ์ในแต่ละพื้นที่
คำถามที่ระบบควรช่วยตอบจึงไม่ใช่เพียงว่า “ฝนจะตกเท่าไร” แต่ควรตอบได้ว่า หากฝนตกในปริมาณดังกล่าว น้ำจะไหลไปทางไหน พื้นที่ใดเสี่ยงน้ำท่วม ระดับน้ำอาจสูงเท่าไร พื้นที่ใดจะได้รับผลกระทบก่อน และมีทางเลือกใดในการบริหารจัดการน้ำ
ข้อมูลเหล่านี้สามารถสนับสนุนการวางแผนระบายน้ำ การบริหารเครื่องสูบน้ำและประตูระบายน้ำ การเตรียมพื้นที่รองรับน้ำ ตลอดจนการเตรียมความพร้อมของประชาชนในพื้นที่เสี่ยง
จาก Sensor ระดับพื้นที่ สู่ภาพเดียวของทั้งประเทศ
หากเรามีระบบ Sensor ครอบคลุมตั้งแต่ระดับตำบล อำเภอ และจังหวัด ข้อมูลปริมาณฝน ระดับน้ำ เขื่อน อ่างเก็บน้ำ ประตูระบายน้ำ ระบบสูบน้ำ การจราจร ภาพจาก CCTV หรือโดรน รวมถึงข้อมูลจากประชาชน สามารถนำมาบูรณาการและวิเคราะห์ร่วมกันได้
จากเดิมที่ข้อมูลกระจัดกระจายอยู่ตามหน่วยงานต่างๆ AI สามารถช่วยประมวลผลข้อมูลจากหลายแหล่ง เพื่อสร้าง “ภาพสถานการณ์เดียวกัน” หรือ Common Operating Picture ให้หน่วยงานที่เกี่ยวข้องใช้ข้อมูลชุดเดียวกันในการประสานงานและตัดสินใจ
นี่คือการยกระดับจาก Early Warning System ที่ตอบว่า “กำลังจะเกิดอะไรขึ้น” ไปสู่ Decision Support System ที่ช่วยตอบว่า “แล้วเราควรทำอะไร”
AI มีหน้าที่ในการรวบรวมข้อมูล วิเคราะห์ จำลองสถานการณ์ และนำเสนอทางเลือก เพื่อช่วยให้ผู้เชี่ยวชาญ และผู้บริหารที่มีอำนาจในการตัดสินใจนำมาใช้ในการตัดสินใจ แต่ไม่ใช่ผู้ตัดสินใจ การที่มีเครื่องมือช่วยประมวลผลข้อมูล และหาทางเลือกในการแก้ไขปัญหาที่รวดเร็ว ทำให้ “ทุกนาทีของการตัดสินใจที่เร็วขึ้น หมายถึง ความสูญเสียทางเศรษฐกิจที่ลดลง”
จากรายงานของศูนย์พยากรณ์เศรษฐกิจและธุรกิจ มหาวิทยาลัยหอการค้าไทย ที่ประเมินผลกระทบจากสถานการณ์อุทกภัยระหว่างวันที่ 25-29 กันยายน 2569 ในกรุงเทพมหานครและ 26 จังหวัด พบว่า ในกรณีฐาน ผลกระทบทางเศรษฐกิจอยู่ที่ประมาณ 12,283 ล้านบาท หรือ 0.066% ของ GDP
ความเสียหายทางเศรษฐกิจดังกล่าว เป็นการประเมินผลกระทบจากกิจกรรมทางเศรษฐกิจที่หยุดชะงัก และยังไม่รวมความเสียหายต่อทรัพย์สิน รถยนต์ สินค้าคงคลัง และผลผลิตทางการเกษตร
“เราไม่สามารถที่จะหยุดภัยพิบัติได้ แต่เราสามารถหยุดความเสียหายไม่ให้ลุกลามได้ เมื่อเรารู้จักที่จะเลือกใช้เครื่องมือ และเทคโนโลยีที่มีอยู่ มาทำงานร่วมกันอย่างบูรณาการ นำ AI มาทำให้เราสามารถที่จะบริหารจัดการข้อมูล วิเคราะห์ ประมวลผล และสร้างทางเลือก เพื่อให้ผู้เชี่ยวชาญ และผู้มีอำนาจในการตัดสินใจได้เห็นสถานการณ์เดียวกันและตัดสินใจได้ทันเวลาเพื่อลดความสูญเสียที่เกิดขึ้นทั้งในทางเศรษฐกิจและสังคม”
