AI ช่วยเตือนภัยได้ไว เซฟความเสียหายได้มากขึ้น

Grid Brief

หากมนุษย์รู้ล่วงหน้าได้เร็วขึ้นเท่าไรว่าจะเกิดภัยธรรมชาติที่ไหน ยิ่งช่วยลดความสูญเสียได้มากขึ้นเท่านั้น และผู้ช่วยเตือนภัยมือหนึ่งในยุคนี้คือ AI (ปัญญาประดิษฐ์) ที่เข้ามามีบทบาทในการลดผลกระทบจากภัยธรรมชาติต่าง ๆ ได้ ไม่ว่าจะช่วยตรวจจับไฟป่าเร็วขึ้น 500 เท่าจากภาพถ่ายดาวเทียม พยากรณ์มรสุมล่วงหน้า 30 วัน ไปจนถึงจำแนกความเสียหายของอาคารบ้านเรือน ถนน และสะพานหลังภัยพิบัติ

The United Nations Early Warnings for All Initiative หน่วยงานด้านการเตือนภัยแห่งสหประชาชาติ เรียกร้องให้องค์กรและหน่วยงานทั่วโลกสร้างระบบการเตือนภัยล่วงหน้าภายในปี 2570 เนื่องจากหากประชาชนได้รับการเตือนภัยล่วงหน้าเร็วเท่าไร จะยิ่งมีเวลาหลบเลี่ยงภัยธรรมชาติได้มากขึ้น

จวบจนถึงปี 2566 มีประเทศต่าง ๆ 52% ทั่วโลกที่เข้าถึงระบบการเตือนภัยล่วงหน้าอันทันสมัย ทว่า ประเทศไกลโพ้น ด้อยพัฒนา และเป็นเกาะเล็ก ๆ กลับยิ่งห่างไกลจากเทคโนโลยีเตือนภัย ประเทศเหล่านี้จึงมักเผชิญความสูญเสียมากกว่า ไม่ว่าจะเป็นทรัพย์สินหรือชีวิต

นักวิจัยทั่วโลกพยายามพัฒนาระบบให้เตือนภัยได้เร็วขึ้น แม่นยำขึ้น และใช้งานง่ายขึ้น ดังตัวอย่างระบบเตือนภัยด้วยเทคโนโลยี AI 7 ข้อต่อไปนี้

AI ตรวจจับวัฏจักรน้ำ

The Digital Twin Earth Hydrology Platform แพลตฟอร์มบนคลาวด์ใช้ข้อมูลจากดาวเทียมในการวัดค่าความชื้นในดิน การตกตะกอน การระเหย ทิศทางการไหลของน้ำ และระดับความลึกของหิมะ มาพัฒนาโมเดลจำลองภัยธรรมชาติที่อาจขึ้นได้ในโลกจริง จึงช่วยพยากรณ์น้ำท่วม น้ำแล้ง ดินถล่ม ไปจนถึงบริหารจัดการน้ำได้อย่างแม่นยำขึ้น

Machine Learning พยากรณ์ฤดูมรสุม

ทุก ๆ ปี ฤดูมรสุมในเอเชียใต้ก่อให้เกิดฝนตกหนัก จนผู้คนนับพันล้านได้รับผลกระทบ การเกษตรเสียหาย การวางผังเมืองพังทลาย หากสามารถพยากรณ์แบบแผนของฝนได้ จะช่วยวางแผนการปลูกและเก็บเกี่ยวผลผลิต ไปจนถึงการกักตุนอาหาร ซึ่ง Eviatar Bach นักคณิตศาสตร์ด้านวิทยาการข้อมูลแห่ง University of Reading สหราชอาณาจักร ร่วมกับคณะนักวิจัยได้พัฒนา Machine Learning (การทำให้คอมพิวเตอร์สามารถเรียนรู้สิ่งต่าง ๆ และพัฒนาการทำงานให้ดีขึ้นได้ด้วยตัวเองจากข้อมูลและสภาพแวดล้อมที่ได้รับ) แบบใหม่ที่ช่วยพยากรณ์ฝนตกล่วงหน้าได้ 10-30 วันและแม่นยำขึ้น 70% ซึ่งช่วยให้เตรียมรับมือภัยธรรมชาติได้เร็วขึ้นมาก

Crowdsourcing ช่วยป้องกันไฟป่า

NOBURN แอปพลิเคชันที่พัฒนาโดย University of Adelaide ประเทศออสเตรเลีย ใช้ AI มาช่วยวิเคราะห์รูปภาพพื้นที่เสี่ยงต่อการเกิดไฟป่า คำนวณปริมาณวัสดุที่สามารถเป็นเชื้อเพลิงไฟป่าในพื้นที่นั้น ๆ ได้ และประเมินว่า ไฟป่าจะรุนแรงและลุกลามกินพื้นที่มากน้อยเพียงไร แอปฯ ตัวนี้จึงช่วยให้พลเมือง เช่น นักเดินป่าและนักตั้งแคมป์เข้าช่วยป้องกันไฟป่าได้แบบเรียลไทม์ ผู้พัฒนาแอปฯ จะเก็บรวบรวมข้อมูลด้วยการทำ Crowdsourcing (วิธีการรวบรวมข้อมูลหรือสิ่งอื่น ๆ ที่ต้องการจากกลุ่มคนจำนวนหนึ่ง โดยส่วนมากกระบวนการนี้จะใช้เพื่อรวบรวมข้อคิดเห็น ความคิดสร้างสรรค์ หรือข้อมูลจากกลุ่มคนที่ถือเป็นตัวแทนของประชากรในสถานที่หรือสังคมหนึ่ง ๆ อย่างเปิดเผย เพื่อนำไปใช้แก้ปัญหาหรือเป็นข้อสรุปให้กับคำถามที่มีผลกระทบต่อประชากรในสังคมนั้น ๆ) และฝึก AI ให้ช่วยวิเคราะห์ข้อมูลที่ได้มาอีกที

AI แปลพยากรณ์อากาศหลากภาษา

กรมอุตุนิยมวิทยาของสหรัฐอเมริกา (National Weather Service: NWS) ใช้ AI ช่วยแปลคำพยากรณ์อากาศเป็นภาษาต่าง ๆ เพื่อเตือนภัยให้ผู้คนในวงกว้างมากขึ้น หลังจากที่ตลอด 30 ปีที่ผ่านมาใช้คนแปลคำพยากรณ์อากาศจากภาษาอังกฤษเป็นภาษาสเปนเท่านั้นมาโดยตลอด เวลานี้ NWS ทดลองใช้ซอฟต์แวร์ AI ช่วยแปลคำพยากรณ์อากาศและน้ำเป็นภาษาสเปนและภาษาจีน โดยมีแผนว่าจะแปลเป็นภาษาซามัวและภาษาเวียดนาม รวมทั้งภาษาอื่น ๆ ต่อไป

AI ตรวจจับควันไฟจากอวกาศ

นักวิทยาศาสตร์จาก University of South Australia ใช้ดาวเทียมที่มี AI ช่วยสร้างภาพแบบไฮเปอร์สเปกตัม (Hyperspectral Imaging (HSI) เทคนิคที่ผสมผสานทั้งการวัดสเปกตรัมและการถ่ายภาพดิจิทัล ช่วยให้ระบุประเภท ชนิด ทำแผนภูมิ และคัดแยกสสารได้ง่ายตามความแตกต่างของคุณสมบัติทางชีววิทยา เคมี หรือทางกายภาพ) ระบุตำแหน่งที่มีควันไฟจากมุมมองอวกาศ จึงตรวจหาไฟป่าได้เร็วขึ้น 500 เท่ามากกว่าการตรวจจับไฟป่าบนพื้นโลก และช่วยสกัดไฟได้ก่อนจะลุกลามใหญ่โต

AI ช่วยอพยพได้เร็วขึ้น

จังหวัดอิวาเตะ ประเทศญี่ปุ่นพัฒนาระบบเตือนภัยหลังจากเหตุการณ์สึนามิและแผ่นดินไหวสุดวิปโยคในปี 2554 โดยใช้ AI เข้ามาช่วยส่งสัญญาณเตือนให้ประชาชนอพยพในกรณีเกิดภัยพิบัติธรรมชาติ นอกจากระบบจะอัปเดตสถานการณ์ให้ประชาชนดูได้ทางสมาร์ตโฟน ยังส่งข้อความเตือนภัยส่งไปตามหมายเลขโทรศัพท์ของประชาชนที่ไม่ได้ใช้โซเชียลมีเดียอีกด้วย

AI ประเมินความเสียหายหลังวิกฤต

กระบวนการหลังภัยพิบัติมีความสำคัญเช่นกัน Simon Fraser University ในประเทศแคนาดาจึงพัฒนาโมเดลดีปเลิร์นนิงที่ชื่อ DAHiTrA ที่จะใช้ภาพถ่ายดาวเทียมความละเอียดสูงมาตรวจจับการเปลี่ยนแปลงทางสภาพภูมิศาสตร์ในช่วงเวลาต่าง ๆ ทั้งก่อนและหลังเกิดภัยพิบัติ จึงประเมินและจำแนกระดับความเสียหายหลังเกิดภัยพิบัติทางธรรมชาติต่าง ๆ ได้อย่างแม่นยำ ไม่ว่าจะเป็นอาคาร ถนน หรือสะพานพังทลาย โดยเริ่มใช้ไปแล้วหลังจากเฮอร์ริเคนฮาร์วีย์ถล่มเทกซัสในปี 2560 ด้วยเทคโนโลยี AI นี้จึงช่วยให้รัฐบาลและหน่วยงานบรรเทาทุกข์ต่าง ๆ เข้าช่วยเหลือ เยียวยาผู้ประสบภัย ตลอดจนฟื้นฟูสาธารณูปโภคต่าง ๆ ได้อย่างมีประสิทธิภาพและรวดเร็วยิ่งขึ้น

ที่มา

รูปปก : Freepik