ວິທີທີ່ Machine Learning ຊ່ວຍຕ້ານພະຍາດໄຂ້ປ່າໃນອາຊີຕາເວັນອອກສຽງໃຕ້

ທຸກໆປີ ເມື່ອລະດູຝົນກ້າວເຂົ້າມາໃນປະເທດລາວ, ມັນບໍ່ພຽງແຕ່ເອົາຄວາມຊຸ່ມຊື່ນມາສູ່ແມ່ນ້ຳຂອງ ຫຼື ເຮັດໃຫ້ຊາວກະສິກອນຢູ່ປາກຊ່ອງສາມາດປູກຝັງໄດ້ດີຂຶ້ນເທົ່ານັ້ນ. ແຕ່ລະດູຝົນຍັງພາໃຫ້ເກີດແຫຼ່ງນ້ຳຂັງ ເຊິ່ງເປັນບ່ອນເພາະພັນຊັ້ນດີຂອງຍຸງ. ພະຍາດໄຂ້ປ່າ (Malaria) ແລະ ໄຂ້ຍຸງອື່ນໆ ຍັງຄົງເປັນສິ່ງທ້າທາຍທາງດ້ານສາທາລະນະສຸກອັນໃຫຍ່ຫຼວງໃນອາຊີຕາເວັນອອກສຽງໃຕ້ ລວມເຖິງບາງພື້ນທີ່ໃນປະເທດເຮົາ.

ແຕ່ຈະດີພຽງໃດ ຖ້າພວກເຮົາສາມາດ “ຮູ້ລ່ວງໜ້າ” ວ່າພະຍາດໄຂ້ປ່າຈະລະບາດຂຶ້ນຢູ່ບ້ານໃດ ຫຼື ແຂວງໃດ ກ່ອນທີ່ມັນຈະເກີດຂຶ້ນແທ້? ມື້ນີ້ພວກເຮົາຈະມາທຳຄວາມເຂົ້າໃຈກ່ຽວກັບເຕັກໂນໂລຊີທີ່ເອີ້ນວ່າ Machine Learning (ML) ສຳລັບຄົນທົ່ວໄປ ເພື່ອເບິ່ງວ່າມັນກຳລັງເຂົ້າມາມີບົດບາດສຳຄັນໃນການຊ່ວຍຊີວິດປະຊາຊົນແນວໃດ.

Machine Learning ແມ່ນຫຍັງ?

ສຳລັບຄົນທີ່ບໍ່ເຄີຍໄດ້ຍິນຄຳນີ້ມາກ່ອນ, Machine Learning (ML) ຫຼື “ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ” ແມ່ນພາກສ່ວນໜຶ່ງຂອງ Artificial Intelligence (AI) ຫຼື ປັນຍາປະດິດ.

ລອງຈິນຕະນາການເຖິງຜູ້ເຖົ້າຜູ້ແກ່ໃນໝູ່ບ້ານຂອງທ່ານ ທີ່ສາມາດເບິ່ງສີຂອງທ້ອງຟ້າ, ທິດທາງລົມ ແລະ ລະດັບນ້ຳໃນແມ່ນ້ຳຂອງ, ແລ້ວສາມາດບອກໄດ້ວ່າມື້ນີ້ຝົນຈະຕົກແຮງ ຫຼື ບໍ່ ຍ້ອນເພິ່ນມີປະສົບການມາຫຼາຍສິບປີ. ML ກໍເຮັດວຽກຄ້າຍຄືກັນ. ມັນແມ່ນໂປຣແກຣມຄອມພິວເຕີທີ່ສາມາດສຶກສາ “ຂໍ້ມູນ” ຈຳນວນມະຫາສານ, ຊອກຫາຮູບແບບ (Patterns) ທີ່ເຊື່ອງຢູ່, ແລະ ທຳນາຍສິ່ງທີ່ຈະເກີດຂຶ້ນໃນອະນາຄົດໄດ້ຢ່າງແມ່ນຍຳ ໂດຍທີ່ຄົນບໍ່ຕ້ອງເຂົ້າໄປປ້ອນຄຳສັ່ງໃໝ່ທຸກຄັ້ງ.

ໂມເດວພະຍາກອນ (Predictive Models) ຊ່ວຍຕິດຕາມພະຍາດໄດ້ແນວໃດ?

ໃນການກຳຈັດພະຍາດໄຂ້ປ່າ, ນັກວິທະຍາສາດສາທາລະນະສຸກໄດ້ສ້າງ “ໂມເດວພະຍາກອນ” ຂຶ້ນມາ. ລະບົບນີ້ບໍ່ໄດ້ໃຊ້ເວດມົນ, ແຕ່ມັນໃຊ້ ຂໍ້ມູນ (Data) ຈຳນວນຫຼາຍມາປະກອບກັນ ເຊັ່ນ:

• ຂໍ້ມູນສະພາບອາກາດ: ປະລິມານນ້ຳຝົນ, ອຸນຫະພູມ, ແລະ ຄວາມຊຸ່ມຊື່ນໃນແຕ່ລະເດືອນ.
• ຂໍ້ມູນພູມສາດ: ປ່າໄມ້ທີ່ຕຶບໜາ, ແຫຼ່ງນ້ຳ, ເຂດພູດອຍ (ເຊັ່ນ: ພື້ນທີ່ບາງເມືອງໃນແຂວງອັດຕະປື ແລະ ເຊກອງ).
• ຂໍ້ມູນສະຖິຕິຈາກໂຮງໝໍ: ສະຖິຕິຄົນເຈັບໃນອະດີດ ທີ່ເຄີຍເຂົ້າໄປປິ່ນປົວຢູ່ສຸກສາລາໃນແຕ່ລະປີ.

ເມື່ອເອົາຂໍ້ມູນທັງໝົດນີ້ເຂົ້າໄປໃນລະບົບ ML, ຄອມພິວເຕີຈະຮຽນຮູ້ແລະທຳນາຍອອກມາວ່າ: “ຖ້າອຸນຫະພູມເພີ່ມຂຶ້ນ 2 ອົງສາ, ບວກກັບມີຝົນຕົກໜັກຕິດຕໍ່ກັນໃນເຂດໃກ້ປ່າ, ອີກ 2 ອາທິດຂ້າງໜ້າ ຈະມີໂອກາດສູງທີ່ຍຸງກົ້ນປ່ອງຈະແຜ່ພັນ ແລະ ເຮັດໃຫ້ເກີດການລະບາດຂອງໄຂ້ປ່າ.”

ຜົນກະທົບຕົວຈິງທີ່ເປັນປະໂຫຍດສຳລັບປະເທດລາວ

ການຮູ້ລ່ວງໜ້າມີປະໂຫຍດອັນມະຫາສານໃນການບໍລິຫານຈັການດ້ານສາທາລະນະສຸກໃນປະເທດລາວ ແລະ ຂົງເຂດອ້ອມຂ້າງ:

• ການກະກຽມຊັບພະຍາກອນໄດ້ກົງຈຸດ: ແທນທີ່ຈະຕ້ອງກະຈາຍຢາປົວພະຍາດ, ມຸ້ງຍ້ອມຢາກັນຍຸງ ແລະ ທີມແພດໄປທົ່ວທຸກບ່ອນຢ່າງເທົ່າກັນ ເຊິ່ງສິ້ນເປືອງງົບປະມານ, ກະຊວງສາທາລະນະສຸກສາມາດເນັ້ນໜັກການສົ່ງອຸປະກອນເຫຼົ່ານີ້ໄປຍັງ “ພື້ນທີ່ສ່ຽງ” ທີ່ ML ທຳນາຍໄວ້ລ່ວງໜ້າ ກ່ອນທີ່ການລະບາດຈະເລີ່ມຂຶ້ນແທ້.
• ການແຈ້ງເຕືອນປະຊາຊົນ (Early Warning): ອຳນາດການປົກຄອງທ້ອງຖິ່ນສາມາດປະກາດເຕືອນຊາວບ້ານຜ່ານໂທລະໂຄ່ງບ້ານ ຫຼື ວິທະຍຸຊຸມຊົນ ເພື່ອໃຫ້ເຂົາເຈົ້າລະມັດລະວັງໃນການເຂົ້າປ່າ ເພື່ອຫຼຸດຄວາມສ່ຽງ.
• ຫຼຸດຜ່ອນຄວາມແອອັດໃນໂຮງໝໍສູນກາງ: ເມື່ອເຮົາສາມາດສະກັດກັ້ນ ແລະ ປິ່ນປົວໄດ້ທັນເວລາໃນຂັ້ນທ້ອງຖິ່ນ, ຈຳນວນຜູ້ເຈັບໜັກກໍຈະຫຼຸດລົງ, ເຮັດໃຫ້ໂຮງໝໍໃຫຍ່ໃນນະຄອນຫຼວງວຽງຈັນ ເຊັ່ນ ໂຮງໝໍມະໂຫສົດ ຫຼື ໂຮງໝໍເສດຖາທິລາດ ບໍ່ຕ້ອງແບກຮັບພາລະຄົນເຈັບລົ້ນຕຽງ.

ຂໍ້ສັງເກດສຳຄັນ (Key Takeaways)

• ML ບໍ່ແມ່ນເລື່ອງທີ່ເຂົ້າໃຈຍາກ: ມັນແມ່ນເຕັກໂນໂລຊີທີ່ປ່ຽນຂໍ້ມູນດິນຟ້າອາກາດ ແລະ ປະຫວັດສາທາລະນະສຸກ ໃຫ້ກາຍເປັນ “ຕົວທຳນາຍທິດທາງ” ເພື່ອຊ່ວຍແກ້ໄຂບັນຫາໃນໂລກຕົວຈິງ.
• ປ້ອງກັນດີກວ່າປິ່ນປົວ: ໂມເດວພະຍາກອນຊ່ວຍໃຫ້ລັດຖະບານ ສາມາດຍ້າຍຈາກວັດທະນະທຳການ “ລໍຖ້າປິ່ນປົວຄົນເຈັບ” ມາເປັນການ “ລົງສະກັດກັ້ນລ່ວງໜ້າ” ກ່ອນທີ່ຄົນຈະລົ້ມປ່ວຍ.
• ງົບປະມານມີປະສິດທິຜົນສູງສຸດ: ການແຈກຢາຍຢາ ແລະ ອຸປະກອນການແພດໄປຍັງຈຸດທີ່ຕ້ອງການດ່ວນແທ້ໆ ຊ່ວຍໃຫ້ທຸກຊັບພະຍາກອນຖືກນຳໃຊ້ຢ່າງຄຸ້ມຄ່າ.

ສະຫຼຸບແລ້ວ, Machine Learning ອາດຈະຟັງເບິ່ງຄືເປັນລະຫັດຄອມພິວເຕີທີ່ສັບສົນ, ແຕ່ໃນຄວາມເປັນຈິງແລ້ວ ມັນກຳລັງເຮັດໜ້າທີ່ເປັນ “ຜູ້ຊ່ວຍທີ່ສະຫຼາດ” ໃຫ້ແກ່ແພດໝໍ ແລະ ນັກຄົ້ນຄວ້າ. ສຳລັບປະເທດທີ່ກຳລັງສ້າງສາພັດທະນາເຊັ່ນປະເທດລາວເຮົາ, ເຕັກໂນໂລຊີນີ້ບໍ່ພຽງແຕ່ເປັນນັດວັດຕະກຳເທົ່ານັ້ນ, ແຕ່ມັນຄືຄວາມຫວັງໃໝ່ໃນການປົກປ້ອງພໍ່ແມ່ປະຊາຊົນທຸກຄົນ ໃຫ້ປອດໄພຈາກພະຍາດໄຂ້ປ່າ ແລະ ພະຍາດລະບາດອື່ນໆໃນອະນາຄົດ.