AI กับการบริหารจัดการภัยพิบัติ “การบูรณาการ” คือหัวใจสำคัญ

ในช่วงสัปดาห์ที่ผ่านมา ประเทศไทยเผชิญสถานการณ์น้ำท่วมในหลายพื้นที่จากฝนที่ตกหนักต่อเนื่อง ทำให้ระบบระบายน้ำในบางพื้นที่ไม่สามารถรองรับปริมาณน้ำได้ทัน สถานการณ์ดังกล่าวจึงไม่ได้เป็นเพียงปัญหาเรื่อง “น้ำท่วม” แต่เป็นโจทย์ของการบริหารจัดการเมือง ตั้งแต่การเตือนภัย การรับมือสถานการณ์ ไปจนถึงการฟื้นฟูเมืองให้กลับเข้าสู่ภาวะปกติ

คำถามสำคัญคือ เราควรมีระบบบริหารจัดการภัยพิบัติที่มีประสิทธิภาพตั้งแต่ต้นทางถึงปลายทางอย่างไร?

ผศ.ดร.รุ่งโรจน์ โชคงามวงศ์ ประธานเจ้าหน้าที่บริหารสายงานเทคโนโลยีสารสนเทศ บริษัท เรียล สมาร์ท จำกัด (มหาชน) ในฐานะผู้ทำงานด้านเทคโนโลยี AI และ Remote Sensing ให้ความเห็นว่า “การบูรณาการ” คือหัวใจสำคัญ เช่นเดียวกับการมีข้อมูลที่เพียงพอ ถูกต้อง และรวดเร็ว เพื่อสนับสนุนการตัดสินใจ เพราะในช่วงวิกฤต ทุกนาทีอาจหมายถึงชีวิต ทรัพย์สิน และความเสียหายทางเศรษฐกิจ

“ปัญญาประดิษฐ์ หรือ AI (Artificial Intelligence) สามารถเป็นหนึ่งในเครื่องมือสำคัญในการรวบรวม ประมวลผล และวิเคราะห์ข้อมูลจำนวนมหาศาล เพื่อช่วยให้ผู้เชี่ยวชาญและผู้บริหารประเมินสถานการณ์และตัดสินใจได้รวดเร็วขึ้น” ผศ.ดร.รุ่งโรจน์ กล่าว

หลายประเทศกำลังนำ AI และเทคโนโลยีดิจิทัลมาใช้ร่วมกับระบบบริหารจัดการภัยพิบัติ ซึ่งมีบทเรียนที่น่าสนใจสำหรับประเทศไทย

เนเธอร์แลนด์: AI เสริมระบบบริหารจัดการน้ำ

เนเธอร์แลนด์เผชิญความเสี่ยงจากน้ำท่วมมาอย่างยาวนาน จึงพัฒนาระบบบริหารจัดการน้ำทั้งเขื่อน คันกั้นน้ำ ประตูกั้นคลื่น ระบบสูบน้ำ ตลอดจนแนวคิด “Room for the River” หรือการเพิ่มพื้นที่ให้แม่น้ำสามารถรองรับและระบายน้ำได้มากขึ้น

ในปี 2568 Rijkswaterstaat, Deltares, Royal Netherlands Meteorological Institute (KNMI) และพันธมิตร ได้เดินหน้าพัฒนา AI และ Machine Learning เพื่อเสริมแบบจำลองด้านน้ำ โดยนำเทคโนโลยีมาใช้เพื่อเพิ่มความรวดเร็วในการคำนวณและเปิดโอกาสให้สามารถจำลองสถานการณ์ได้มากขึ้น

แนวทางสำคัญคือการใช้ Machine Learning ควบคู่กับแบบจำลองที่อาศัยหลักฟิสิกส์ โดยในบางกรณีสามารถลดเวลาการคำนวณจากระดับหลายชั่วโมงลงอย่างมาก ทำให้ผู้ปฏิบัติงานสามารถประเมินสถานการณ์และทางเลือกต่าง ๆ ได้รวดเร็วยิ่งขึ้น

ญี่ปุ่น: ข้อมูลไม่กี่วินาทีสร้างความแตกต่าง

ญี่ปุ่นมีระบบเตือนภัยแผ่นดินไหวล่วงหน้า 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

ระบบใช้การตรวจจับคลื่น P-wave ซึ่งเดินทางเร็วกว่าคลื่น S-wave ที่ก่อให้เกิดแรงสั่นสะเทือนรุนแรง จากนั้นจึงประมวลผลเพื่อประเมินตำแหน่งศูนย์กลาง ขนาดของแผ่นดินไหว และระดับความรุนแรง ก่อนส่งคำเตือนไปยังประชาชนและระบบต่าง ๆ อย่างรวดเร็ว ทั้งนี้ ระยะเวลาเตือนล่วงหน้าจะแตกต่างกันตามระยะห่างจากจุดเกิดแผ่นดินไหว และพื้นที่ใกล้ศูนย์กลางอาจมีเวลาเตือนน้อยมากหรือไม่ทันก่อนแรงสั่นสะเทือนรุนแรงมาถึง

กรณีของญี่ปุ่นจึงสะท้อนว่า หัวใจของการบริหารจัดการภัยพิบัติไม่ได้อยู่ที่ AI เพียงอย่างเดียว แต่อยู่ที่การเชื่อมโยง ข้อมูล + Sensor + ระบบประมวลผล + ระบบสื่อสาร + กระบวนการตอบสนอง เข้าด้วยกัน

สหรัฐอเมริกา: AI ช่วยเฝ้าระวังไฟป่า

ในรัฐแคลิฟอร์เนีย มีการนำ AI มาใช้ช่วยตรวจจับไฟป่าผ่านโครงการ ALERTCalifornia ซึ่งมีเครือข่ายกล้องมากกว่า 1,200 ตัวทั่วรัฐ เมื่อ AI ตรวจพบสิ่งที่อาจเป็นไฟป่าจากภาพ ระบบจะแจ้งเตือนไปยังเจ้าหน้าที่ พร้อมระดับความมั่นใจและตำแหน่งโดยประมาณ เพื่อให้เจ้าหน้าที่ตรวจสอบและตอบสนองต่อเหตุการณ์ได้อย่างรวดเร็ว

ข้อมูลจาก ALERTCalifornia ระบุว่า ในฤดูกาลแรกของการใช้งาน ระบบ AI ตรวจพบไฟมากกว่า 1,200 เหตุการณ์ทั่วรัฐ และสามารถแจ้งเตือนได้ก่อนมีการรายงานผ่านระบบ 911 มากกว่า 30% ของกรณี

กรณีนี้สะท้อนบทบาทของ AI ที่ไม่ได้เข้ามาแทนที่เจ้าหน้าที่ แต่ทำหน้าที่เสมือน “ดวงตาอีกหลายพันคู่” ที่ช่วยเฝ้าระวัง วิเคราะห์ และส่งข้อมูลให้มนุษย์ตัดสินใจได้เร็วขึ้น

AI: จากการเตือนภัยสู่การช่วยตัดสินใจ

หากนำแนวคิดเหล่านี้กลับมามองประเทศไทย ผศ.ดร.รุ่งโรจน์ มองว่า AI สามารถเข้ามาช่วยบริหารจัดการภัยพิบัติได้ตั้งแต่ต้นทางถึงปลายทาง

“ในกรณีอุทกภัย เราสามารถใช้ AI ร่วมกับแบบจำลองทางอุตุนิยมวิทยาและ แบบจำลองทางอุทกวิทยา (Hydrological Model) เพื่อวิเคราะห์สภาพอากาศ คาดการณ์ปริมาณฝน วิเคราะห์ระดับน้ำและการไหลของน้ำ ก่อนนำข้อมูลมาสร้าง การจำลองสถานการณ์ (Scenario Simulation) เพื่อประเมินว่าสถานการณ์ในแต่ละพื้นที่อาจพัฒนาไปในทิศทางใด”

คำถามที่ระบบควรช่วยตอบจึงไม่ใช่เพียงว่า “ฝนจะตกเท่าไร” แต่ควรตอบต่อไปได้ว่า หากฝนตกในปริมาณดังกล่าว น้ำจะไหลไปทางไหน พื้นที่ใดเสี่ยงน้ำท่วม ระดับน้ำอาจสูงเท่าไร พื้นที่ใดจะได้รับผลกระทบก่อน และมีทางเลือกใดในการบริหารจัดการน้ำ

ตัวอย่างเช่น ระบบสามารถทำ Scenario Simulation เพื่อเปรียบเทียบทางเลือกต่างๆ ว่า หากปริมาณฝนเพิ่มขึ้น หากมีการระบายน้ำในระดับที่แตกต่างกัน หรือหากมีการปรับการทำงานของเครื่องสูบน้ำและประตูระบายน้ำ ผลกระทบต่อพื้นที่ต่าง ๆ จะเปลี่ยนแปลงอย่างไร เพื่อให้ผู้เชี่ยวชาญสามารถประเมินทางเลือกก่อนนำไปสู่การตัดสินใจจริง

ข้อมูลเหล่านี้สามารถสนับสนุนการวางแผนระบายน้ำ การบริหารเครื่องสูบน้ำและประตูระบายน้ำ การเตรียมพื้นที่รองรับน้ำ ตลอดจนการเตรียมความพร้อมของประชาชนในพื้นที่เสี่ยง

จาก Sensor ระดับพื้นที่ สู่ภาพเดียวของทั้งประเทศ

หากประเทศไทยมีระบบ Sensor ที่เชื่อมโยงกันตั้งแต่ระดับตำบล อำเภอ จังหวัด ไปจนถึงระดับประเทศ ข้อมูลปริมาณฝน ระดับน้ำ เขื่อน อ่างเก็บน้ำ ประตูระบายน้ำ ระบบสูบน้ำ การจราจร ภาพจาก CCTV หรือโดรน รวมถึงข้อมูลจากประชาชน สามารถนำมาบูรณาการและวิเคราะห์ร่วมกันได้

จากเดิมที่ข้อมูลกระจัดกระจายอยู่ตามหน่วยงานต่าง ๆ AI สามารถช่วยประมวลผลข้อมูลจากหลายแหล่ง เพื่อสร้าง “ภาพสถานการณ์เดียวกัน” หรือ Common Operating Picture ให้หน่วยงานที่เกี่ยวข้องมองเห็นสถานการณ์จากข้อมูลชุดเดียวกัน และสามารถประสานงานและตัดสินใจได้อย่างรวดเร็ว

นี่คือการยกระดับจาก Early Warning System ที่ตอบว่า “กำลังจะเกิดอะไรขึ้น” ไปสู่ Decision Support System ที่ช่วยตอบต่อว่า “แล้วเราควรทำอะไร”

AI จึงมีหน้าที่รวบรวมข้อมูล วิเคราะห์ จำลองสถานการณ์ และนำเสนอทางเลือก เพื่อสนับสนุนผู้เชี่ยวชาญและผู้มีอำนาจในการตัดสินใจ แต่ AI ไม่ใช่ผู้ตัดสินใจ

การมีเครื่องมือที่ช่วยประมวลผลข้อมูลและสร้างทางเลือกได้รวดเร็วขึ้นมีความสำคัญอย่างยิ่ง เพราะ “ทุกนาทีของการตัดสินใจที่เร็วขึ้น อาจหมายถึงความสูญเสียทางเศรษฐกิจที่ลดลง”

ศูนย์พยากรณ์เศรษฐกิจและธุรกิจ มหาวิทยาลัยหอการค้าไทย ประเมินผลกระทบทางเศรษฐกิจจากสถานการณ์อุทกภัยระหว่างวันที่ 25–29 กันยายน 2569 ครอบคลุมกรุงเทพมหานครและ 26 จังหวัด โดยในกรณีฐานประเมินผลกระทบไว้ประมาณ 12,283 ล้านบาท หรือ 0.066% ของ GDP ทั้งปี

ตัวเลขดังกล่าวเป็นการประเมินผลกระทบจากกิจกรรมทางเศรษฐกิจที่หยุดชะงัก และยังไม่รวมความเสียหายต่อทรัพย์สิน เช่น ที่อยู่อาศัย ยานพาหนะ สินค้าคงคลัง และผลผลิตทางการเกษตร

ภัยพิบัติอาจเป็นสิ่งที่เราไม่สามารถหยุดไม่ให้เกิดขึ้นได้ แต่เทคโนโลยีสามารถช่วยลดโอกาสที่ความเสียหายจะขยายวงกว้างเกินความจำเป็น

“เราไม่สามารถหยุดภัยพิบัติได้ แต่เราสามารถลดความเสียหายไม่ให้ลุกลามได้ หากรู้จักนำเครื่องมือและเทคโนโลยีที่มีอยู่มาทำงานร่วมกันอย่างบูรณาการ นำ AI มาช่วยบริหารจัดการข้อมูล วิเคราะห์ ประมวลผล และสร้างทางเลือก เพื่อให้ผู้เชี่ยวชาญและผู้มีอำนาจตัดสินใจเห็นสถานการณ์เดียวกัน และสามารถตัดสินใจได้ทันเวลา เพื่อลดความสูญเสียทั้งทางเศรษฐกิจและสังคม” ผศ.ดร.รุ่งโรจน์ กล่าว