AI สิ่งแวดล้อมไม่ใช่ทฤษฎีอีกต่อไป แต่คือเครื่องมือไล่ล่าตัวการโลกร้อนที่ซ่อนตัว
เทคโนโลยี AI สิ่งแวดล้อม คือการใช้ปัญญาประดิษฐ์ประมวลผลข้อมูลขนาดใหญ่จากเซ็นเซอร์ ดาวเทียม และแบบจำลอง เพื่อค้นหา ติดตาม และลดมลพิษที่เป็นต้นตอของการเปลี่ยนแปลงสภาพภูมิอากาศ ทั้งการปล่อยเมธีน เมฆหางเครื่องบิน และฝุ่นละอองขนาดเล็ก โดยมุ่งให้ได้ผลลัพธ์เชิงปริมาณที่ลดการปล่อยก๊าซเรือนกระจกและมลพิษทางอากาศอย่างชัดเจน สิ่งที่น่าสนใจในวันนี้คือ AI ลดการปล่อยก๊าซเรือนกระจกเริ่มเคลื่อนย้ายจากห้องวิจัยสู่การใช้งานจริงทั้งบนสถานีอวกาศ บนเส้นทางบินเชิงพาณิชย์ และบนถนนเมือง โปรแกรมใหม่อย่าง MAPL‑EMIT ของ Google และ NASA JPL ที่ใช้ดาวเทียม EMIT ตรวจจับและระบุตำแหน่งพลูมเมธีนทั่วโลก ระบบ AI คาดการณ์เมฆหางเครื่องบินที่ช่วยให้สายการบินปรับเส้นทางเพื่อลดความร้อนสะสมจาก Contrails รวมถึงโปรแกรมจัดสวนลดฝุ่นที่ออกแบบพื้นที่สีเขียวให้ลด PM 2.5 แบบเจาะจงพื้นที่ ทั้งหมดนี้ส่งสัญญาณชัดว่า ปัญญาประดิษฐ์ลดมลพิษกำลังกลายเป็นโครงสร้างพื้นฐานใหม่ของการต่อสู้กับโลกร้อน
MAPL‑EMIT เมื่อ AI ตรวจจับเมธีนจากอวกาศและตีแผ่ตัวการโลกร้อนที่มองไม่เห็น
ถ้าจะถามว่าตัวการใดของโลกร้อนที่ “ซ่อนตัวเก่งที่สุด” เมธีนคือผู้ต้องสงสัยอันดับต้น ๆ เมธีนมีศักยภาพการทำให้โลกร้อนช่วง 100 ปีมากกว่าคาร์บอนไดออกไซด์ถึง 30 เท่า แต่การตรวจจับแหล่งรั่วไหลทีละจุดบนพื้นดินแทบเป็นไปไม่ได้ในโลกจริง Google และห้องปฏิบัติการขับเคลื่อนจรวดของ NASA จึงเปิดตัวโมเดล MAPL‑EMIT เมื่อวันที่ 9 กันยายน ซึ่งเป็นโมเดลเรียนรู้เชิงลึกแบบ Vision Transformer ที่สามารถตรวจจับ ประเมินปริมาณ และระบุตำแหน่งพลูมเมธีนทั่วโลกจากข้อมูลสเปกตรัมของเครื่องมือ EMIT บนสถานีอวกาศนานาชาติ โมเดลนี้ถูกฝึกด้วยพลูมจำลองเชิงฟิสิกส์จำนวน 3.6 ล้านพลูม ทำให้ตรวจจับพลูมได้มากกว่าผู้เชี่ยวชาญมนุษย์ถึง 50% และพบพลูมเพิ่มเติมกว่า 23,000 พลูมทั่วโลก รวมทั้งใน 24 จาก 25 แหล่งฝังกลบที่ปล่อยเมธีนมากที่สุด ที่สำคัญ Google ยังปล่อยฐานข้อมูลพลูมระดับโลก แอป Earth Engine สำหรับแสดงผล และโมเดลที่ฝึกแล้วสำหรับนักวิจัยและหน่วยงานกำกับดูแลให้ใช้งานต่อได้ จุดแข็งของแนวทางนี้คือการเปลี่ยนเมธีนที่เคยมองไม่เห็นให้กลายเป็นแผนที่ที่ระบุตำแหน่งปล่อยได้อย่างแม่นยำ เปิดทางให้การบังคับใช้กฎหมายและการลงทุนซ่อมแซมโครงสร้างพื้นฐานพลังงานทำได้ตรงจุด ไม่ใช่หว่านงบไปกับมาตรการทั่วไปที่ไม่รู้ว่าแก้ถูกจุดหรือไม่
AI บนท้องฟ้า: เมื่อเมฆหางเครื่องบินกลายเป็นเป้าหมายใหม่ของการลดโลกร้อน
อุตสาหกรรมการบินมักถูกจับจ้องเรื่องคาร์บอนจากเชื้อเพลิง แต่เมฆหางเครื่องบินหรือ Contrails คือ “ตัวประกอบที่อันตรายกว่าที่คิด” รอยเมฆสีขาวที่พาดตามหลังเครื่องบินเหล่านี้เกิดจากไอน้ำเย็นจัดเกาะกับอนุภาคไอเสีย และทำหน้าที่กักเก็บความร้อนในชั้นบรรยากาศคล้ายเมฆเซอรัสตามธรรมชาติ ข้อมูลจาก Google ชี้ว่า Contrails เป็นสาเหตุถึงหนึ่งในสามของปัญหาโลกร้อนที่เกิดจากอุตสาหกรรมการบิน Google จับมือกับสายการบิน Cathay Pacific นำเทคโนโลยี AI เชิงคาดการณ์มาวิเคราะห์ภาพถ่ายดาวเทียมและข้อมูลสภาพอากาศ เพื่อประเมินพื้นที่เสี่ยงเกิด Contrails แบบเรียลไทม์ จากนั้นระบบจะแนะนำให้นักบินปรับระดับความสูงหรือเปลี่ยนเส้นทางเพื่อหลีกเลี่ยงชั้นบรรยากาศที่เอื้อต่อการก่อตัวของเมฆหางเครื่องบิน การทดสอบในเส้นทางบินหลายสิบเส้นทางช่วงปลายปีที่ผ่านมาแสดงให้เห็นว่าอัลกอริทึม AI นี้สามารถช่วยลดปริมาณความร้อนสะสมจาก Contrails ได้มากถึง 40% ซึ่งเป็นตัวเลขที่ชี้ชัดว่า AI ลดการปล่อยก๊าซเรือนกระจกและผลกระทบทางรังสีจากการบินได้แบบจับต้องได้ ไม่ใช่แค่คำสัญญาในรายงานความยั่งยืน ความร่วมมือนี้ยังเดินหน้าสู่ระยะที่สองเพื่อขยายขอบเขตการทำงานให้ครอบคลุมเส้นทางบินภายในเอเชีย เส้นทางข้ามมหาสมุทรแปซิฟิก และเส้นทางขั้วโลกของสายการบิน Cathay Pacific ที่น่าคิดคือ เมื่อ AI ทำงานเบื้องหลังแผนการบินเหมือนระบบหลบหลุมอากาศ นักเดินทางทั่วไปอาจไม่รู้ด้วยซ้ำว่าตั๋วเครื่องบินหนึ่งใบของตนกำลังมีส่วนลดความร้อนสะสมในบรรยากาศ
จากอวกาศสู่ถนนเมือง: โปรแกรมจัดสวนลดฝุ่นและบทเรียนสำหรับการออกแบบเมืองด้วย AI
ถ้า MAPL‑EMIT และ AI Contrails ทำงานบนท้องฟ้า โปรแกรมจัดสวนลดฝุ่นของมหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรีคือตัวอย่างว่าปัญญาประดิษฐ์ลดมลพิษสามารถลงมาช่วยในระดับทางเท้าได้อย่างไร มหาวิทยาลัยได้พัฒนาโปรแกรม AI ออกแบบ “สวนลดฝุ่น” เพื่อจัดพื้นที่สีเขียวแบบเจาะจงให้ลด PM 2.5 ได้สูงสุดถึง 40% เนื่องในวันอากาศสะอาดโลก 7 กันยายน โปรแกรมรวบรวมข้อมูลพันธุ์พืชไทย 73 ชนิด แบ่งเป็นไม้ประดับ 51 ชนิด ไม้ยืนต้น 13 ชนิด และไม้พุ่ม 9 ชนิด เพื่อวิเคราะห์ประสิทธิภาพการดักฝุ่นที่ต่างกันไปตามลักษณะใบ ตั้งแต่ความหนาแน่นปากใบ ขนบนใบ ไปจนถึงความขรุขระและชั้นไขบนผิวใบ งานวิจัยยังพบว่ารูปแบบการจัดวางต้นไม้มีผลไม่แพ้ชนิดพืช การปลูกแบบหลายระดับ ผสมไม้คลุมดิน ไม้พุ่ม และไม้ยืนต้นให้เป็นการปลูกแบบสามระดับที่มีระยะเหมาะสม สามารถลดฝุ่นได้สูงสุด 40.5% ในช่วงฤดูฝุ่น และเพิ่มความชื้นสัมพัทธ์ราว 9.9% ขณะที่การปลูกแบบชั้นเดียวให้ผลเพียง 6‑8.2% เท่านั้น ทีมนักวิจัยไม่ได้หยุดแค่การจำลอง พวกเขาใช้ AI วิเคราะห์ข้อมูลคุณภาพอากาศจากเซ็นเซอร์ 70 จุดทั่วกรุงเทพฯ ต่อเนื่อง 4 ปี พบว่าพื้นที่สวนสาธารณะมีค่า PM 2.5 เฉลี่ย 20.40 ไมโครกรัมต่อลูกบาศก์เมตร ต่ำกว่าพื้นที่ริมถนนที่วัดได้ 26.81 ไมโครกรัมต่อลูกบาศก์เมตร เป้าหมายระยะยาวคือการสร้างเครือข่าย Clean Zones กระจายทั่วเมือง ทั้งริมถนน โรงเรียน โรงพยาบาล ป้ายรถโดยสาร และทางเท้า เพื่อเสริมการควบคุมมลพิษที่ต้นทางด้วยการลดการสัมผัสฝุ่นของประชาชนในชีวิตประจำวัน
บทสรุป: AI สิ่งแวดล้อมต้องเดินคู่กับนโยบาย ไม่ใช่แทนที่ความรับผิดชอบมนุษย์
ทั้งสามกรณีบอกเรื่องเดียวกัน คือ AI ลดการปล่อยก๊าซเรือนกระจกและมลพิษได้เมื่อถูกออกแบบให้แก้ปัญหาเฉพาะจุด และผูกกับข้อมูลจริงขนาดใหญ่ MAPL‑EMIT แสดงให้เห็นว่าการเฝ้าระวังเมธีนระดับโลกไม่จำเป็นต้องรอให้แต่ละโรงงานหรือแหล่งฝังกลบรายงานตัวเองอีกต่อไป AI สามารถชี้จุดรั่วไหลจากอวกาศอย่างเป็นกลาง ส่วนระบบ AI Contrails ทำให้สายการบินมีทางเลือกปรับแผนการบินเพื่อลดผลกระทบทางรังสีโดยไม่ต้องรอให้เชื้อเพลิงยั่งยืนราคาถูกลง และโปรแกรมจัดสวนลดฝุ่นพิสูจน์ว่า การออกแบบเมืองด้วยข้อมูลและแบบจำลองสามารถลด PM 2.5 ในชีวิตประจำวันของคนเมืองได้จริง อย่างไรก็ดี เทคโนโลยี AI สิ่งแวดล้อมไม่ควรถูกมองว่าเป็นใบอนุญาตให้ปล่อยเพิ่มแล้วค่อยมาแก้ทีหลัง หากปล่อยให้ถูกใช้เป็นเครื่องมือประชาสัมพันธ์ โดยที่รัฐบาลและธุรกิจยังคงขยายเชื้อเพลิงฟอสซิลแบบไม่ล้มเลิก เป้าหมายลดการปล่อยเมธีนและคาร์บอน 30% ในอีกไม่กี่ปีข้างหน้าจะเป็นเพียงสถิติบนสไลด์ เมื่อผู้เขียนงานวิจัย MAPL‑EMIT ระบุเป้าหมายต่อไปว่าจะพัฒนาสายการทำงานเพื่อสกัดข้อมูลหลายก๊าซหลายดาวเทียมและประเมินอัตราการปล่อยแบบ end‑to‑end โดยไม่ต้องรวมข้อมูลลมภายหลัง นั่นคือโอกาสทองให้ผู้กำหนดนโยบายใช้ข้อมูลใหม่เหล่านี้ในการปรับมาตรการควบคุมมลพิษอย่างเฉียบคมคำถามจึงไม่ใช่ว่า AI ทำได้หรือไม่ แต่คือเรากล้าจะใช้ข้อมูลที่ AI เปิดเผยเพื่อเปลี่ยนโครงสร้างเศรษฐกิจและการคมนาคมให้สอดคล้องกับวิกฤตสภาพภูมิอากาศหรือไม่
