Machine Learning ສາມາດພະຍາກອນລົດຕິດໃນນະຄອນຫຼວງວຽງຈັນໄດ້ແທ້ຫຼືບໍ່?

ໃຜທີ່ເຄີຍຂັບລົດຜ່ານສີແຍກໄຟແດງດົງໂດກ ຫລື ຖະໜົນໄກສອນພົມວິຫານໃນຊ່ວງເວລາເລີກວຽກ (5 ໂມງແລງ) ຄົງຈະເຂົ້າໃຈດີເຖິງຄວາມອິດເມື່ອຍຂອງການຕິດຄ້າງຢູ່ເທິງທ້ອງຖະໜົນເປັນເວລາດົນ. ຍິ່ງມື້ໃດທີ່ມີຝົນຕົກໜັກ ຫລື ມີງານບຸນໃຫຍ່ເຊັ່ນ: ບຸນນະມັດສະການພຣະທາດຫຼວງ, ຖະໜົນຫຼາຍສາຍໃນນະຄອນຫຼວງວຽງຈັນແຖບຈະກາຍເປັນລານຈອດລົດໄປເລີຍ.

ແຕ່ຈະເປັນແນວໃດຖ້າເຮົາມີລະບົບອັດສະລິຍະທີ່ສາມາດ “ຮູ້ລ່ວງໜ້າ” ວ່າລົດຈະຕິດຢູ່ຈຸດໃດໃນອີກ 30 ນາທີຂ້າງໜ້າ? ລະບົບທີ່ສາມາດປັບປ່ຽນເວລາໄຟແດງເອງອັດຕະໂນມັດເພື່ອລະບາຍລົດ? ນີ້ບໍ່ແມ່ນເລື່ອງໃນໜັງວິທະຍາສາດອີກຕໍ່ໄປ ແຕ່ແມ່ນສິ່ງທີ່ເຕັກໂນໂລຊີທີ່ເອີ້ນວ່າ Machine Learning (ML) ສາມາດຊ່ວຍໃຫ້ເປັນຈິງໄດ້. ມື້ນີ້ເຮົາຈະມາທຳຄວາມເຂົ້າໃຈກັນວ່າ ML ແມ່ນຫຍັງ ແລະ ມັນຈະຊ່ວຍພັດທະນາວຽງຈັນໃຫ້ກາຍເປັນເມືອງສະຫຼາດ (Smart City) ໄດ້ແນວໃດ.

Machine Learning (ML) ແມ່ນຫຍັງ?

ອະທິບາຍແນວເຂົ້າໃຈງ່າຍແບບບໍ່ມີສັບເຕັກນິກຊັບຊ້ອນ: Machine Learning (ML) ຫຼື ແປເປັນພາສາລາວວ່າ “ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ” ແມ່ນພາກສ່ວນໜຶ່ງຂອງເຕັກໂນໂລຊີປັນຍາປະດິດ (AI). ແທນທີ່ເຮົາຈະຂຽນໂປຣແກຣມປ້ອນຄຳສັ່ງໃຫ້ຄອມພິວເຕີເຮັດວຽກແບບຕາຍຕົວ ML ຈະເປັນການປ້ອນ “ຂໍ້ມູນປະຫວັດສາດຈຳນວນມະຫາສານ” ໃຫ້ຄອມພິວເຕີ ເພື່ອໃຫ້ມັນຮຽນຮູ້ ແລະ ສັງເກດຮູບແບບ (Patterns) ດ້ວຍຕົນເອງ.

ລອງນຶກພາບເຖິງເດັກນ້ອຍທີ່ຮຽນຮູ້ການຂີ່ລົດຖີບ. ພວກເຂົາບໍ່ໄດ້ອ່ານປຶ້ມຄູ່ມືວ່າຕ້ອງຊົງຕົວແນວໃດ, ແຕ່ພວກເຂົາຮຽນຮູ້ຜ່ານປະສົບການການລົ້ມ ແລະ ການຝຶກຝົນ. ML ກໍເຮັດວຽກຄ້າຍຄືກັນ ຍິ່ງມັນໄດ້ຮັບຂໍ້ມູນການຈະລາຈອນຫຼາຍເທົ່າໃດ ມັນກໍຍິ່ງຈະ “ຄາດເດົາ” ອະນາຄົດໄດ້ຢ່າງແມ່ນຍຳຂຶ້ນເທົ່ານັ້ນ.

ML ຈະແກ້ໄຂບັນຫາລົດຕິດໃນນະຄອນຫຼວງວຽງຈັນຊ່ວຍເຮົາແນວໃດ?

ຖ້າເຮົາຈະນຳເອົາ ML ມາໃຊ້ກູ້ວິກິດລົດຕິດໃນນະຄອນຫຼວງວຽງຈັນ, ນີ້ຄືພາບງ່າຍໆຂອງຂະບວນການທີ່ລະບົບນີ້ຈະເຂົ້າມາຊ່ວຍເຫຼືອ:

1. ການເກັບກຳຂໍ້ມູນ (Data Gathering)

ລະບົບ ML ໜຶ່ງຈະສະຫຼາດໄດ້ຕ້ອງມີຂໍ້ມູນ. ໃນນະຄອນຫຼວງວຽງຈັນ ເຮົາອາດຈະເກັບຂໍ້ມູນຈາກຫຼາຍແຫຼ່ງເຊັ່ນ:

• ກ້ອງວົງຈອນປິດ (CCTV) ຢູ່ຕາມສີແຍກຕ່າງໆ (ເຊັ່ນ: ສີແຍກໄຟແດງຕະຫຼາດເຊົ້າ ຫລື ປະຕູໄຊ).
• ຂໍ້ມູນຄວາມໄວຂອງການເຄື່ອນທີ່ຂອງລົດ ຈາກແອັບພລິເຄຊັນສະມາດໂຟນທີ່ຄົນລາວໃຊ້ກັນຢູ່ແລ້ວ.
• ສະພາບອາກາດ (ມື້ນີ້ຝົນຕົກບໍ່?) ແລະ ປະຕິທິນ (ມື້ນີ້ແມ່ນວັນສຸກ ຫຼື ວັນພັກລັດຖະການ?).

2. ການຄົ້ນຫາຮູບແບບຂອງການຈະລາຈອນ (Pattern Recognition)

ເມື່ອຂໍ້ມູນຖືກປ້ອນເຂົ້າໃນລະບົບ, ML ຈະເລີ່ມສຶກສາ. ມັນອາດຈະພົບວ່າ: “ທຸກໆວັນສຸກ ເວລາ 16:30 ຖ້າມີຝົນຕົກ, ແຖວລົດຢູ່ຖະໜົນສຸພານຸວົງ (ທາງໄປສະໜາມບິນວັດໄຕ) ຈະເລີ່ມຍາວຂຶ້ນ ແລະ ຕິດຄ້າງກັນຢ່າງໜັກພາຍໃນເວລາ 15 ນາທີ.”

3. ການຄາດເດົາ ແລະ ການປັບຕົວ (Prediction & Adaptation)

ເມື່ອມັນຮູ້ຮູບແບບແລ້ວ ໃນວັນສຸກໜ້າທີ່ຝົນກຳລັງຕັ້ງເຄົ້າ, ລະບົບຈະຄາດເດົາທັນທີວ່າລົດກຳລັງຈະຕິດ. ຈາກນັ້ນ ມັນສາມາດສັ່ງການໄປຫາ “ໄຟອຳນາດອັດສະລິຍະ” ຢູ່ຕາມເສັ້ນທາງນັ້ນ ໃຫ້ປັບເວລາໄຟຂຽວໃຫ້ດົນຂຶ້ນໂດຍອັດຕະໂນມັດ ເພື່ອລະບາຍລົດໃຫ້ໄວທີ່ສຸດ ກ່ອນທີ່ລົດຈະຕິດສະສົມຈົນໜ້າວິຕົກ.

ຜົນປະໂຫຍດຂອງການນຳໃຊ້ ML ສູ່ແນວຄິດເມືອງອັດສະລິຍະ (Smart City)

ການຍົກລະດັບວຽງຈັນໃຫ້ກາຍເປັນ Smart City ໂດຍໃຊ້ເຕັກໂນໂລຊີເຂົ້າຊ່ວຍນີ້ ມີຜົນດີຕໍ່ທຸກຄົນຢ່າງມະຫາສານ:

• ປະຢັດເວລາ ແລະ ນ້ຳມັນ: ປັດຈຸບັນຄົນວຽງຈັນເສຍເວລາ ແລະ ນ້ຳມັນໄປຫຼາຍກັບການຕິດເຄື່ອງລໍຖ້າໄຟແດງ. ຖ້າການສັນຈອນໄຫຼລື່ນຂຶ້ນ ທຸກຄົນກໍຈະກັບຮອດບ້ານພັກຜ່ອນໄວຂຶ້ນ ແລະ ປະຢັດເງິນໃນກະເປົ໋າໄປໄດ້ຫຼາຍ.
• ຫຼຸດຜ່ອນມົນລະພິດ: ການທີ່ລົດຕ້ອງຈອດຕິດເຄື່ອງຢູ່ກັບທີ່ດົນໆ ແມ່ນໜຶ່ງໃນສາເຫດທີ່ເຮັດໃຫ້ເກີດຝຸ່ນລະອອງ PM2.5. ການຈະລາຈອນທີ່ຄ່ອງຕົວ ຊ່ວຍຫຼຸດຜ່ອນການປ່ອຍອາຍພິດຂອງພາຫະນະໄດ້ຢ່າງຊັດເຈນ.
• ຫຼຸດຜ່ອນຄວາມຕຶງຄຽດ: ຊີວິດການເປັນຢູ່ຈະດີຂຶ້ນເມື່ອສຸຂະພາບຈິດບໍ່ຕ້ອງມາໝົ່ນໝອງນຳເລື່ອງລົດຕິດໃນທຸກເຊົ້າ ຫຼື ແລງ.

ຂໍ້ຄິດສຳຄັນ

• Machine Learning (ML) ບໍ່ແມ່ນເວດມົນ, ແຕ່ແມ່ນການສອນໃຫ້ຄອມພິວເຕີສະຫຼາດຂຶ້ນຜ່ານການຮຽນຮູ້ຈາກຂໍ້ມູນເຫດການໃນອະດີດ.
• ແຮງມີຂໍ້ມູນການເຄື່ອນທີ່ຂອງລົດຫຼາຍເທົ່າໃດ ML ຍິ່ງຈະສາມາດ “ຄາດເດົາ” ການເກີດລົດຕິດໃນວຽງຈັນໄດ້ຢ່າງຖືກຕ້ອງ.
• ການນຳໃຊ້ ML ເຂົ້າໃນການຄວບຄຸມໄຟຈະລາຈອນ ແມ່ນບາດກ້າວອັນສຳຄັນໃນການປ່ຽນແປງນະຄອນຫຼວງວຽງຈັນ ໃຫ້ກາຍເປັນ ເມືອງອັດສະລິຍະ (Smart City) ທີ່ໜ້າຢູ່ສຳລັບທຸກຄົນ.

ສະຫຼຸບແລ້ວ, Machine Learning ສາມາດຊ່ວຍພະຍາກອນ ແລະ ຫຼຸດຜ່ອນບັນຫາລົດຕິດໃນນະຄອນຫຼວງວຽງຈັນໄດ້ແທ້. ເຖິງແມ່ນວ່າການຈະປ່ຽນແປງລະບົບໂຄງຮ່າງພື້ນຖານມາວາງລະບົບເຊັນເຊີ ຫຼື ກ້ອງວົງຈອນປິດທີ່ມີ AI ທົ່ວທັງເມືອງອາດຈະຕ້ອງໃຊ້ເວລາ ແລະ ງົບປະມານຈຳນວນໜຶ່ງ ແຕ່ດ້ວຍທ່າອ່ຽງທາງເຕັກໂນໂລຊີທີ່ເຂົ້າເຖິງງ່າຍຂຶ້ນ ໃນອະນາຄົດອັນໃກ້ນີ້ ເຮົາອາດຈະໄດ້ເຫັນລະບົບຈະລາຈອນອັດສະລິຍະ ເຂົ້າມາສ້າງຄວາມສະດວກສະບາຍໃນການສັນຈອນຂອງພີ່ນ້ອງຊາວລາວເຮົາຢ່າງແນ່ນອນ.