รายงานล่าสุดระบุว่า นักวิทยาศาสตร์ของ NASA ประสบความสำเร็จในการพัฒนาเครื่องมือปัญญาประดิษฐ์ หรือ AI เพื่อแก้ปัญหาความท้าทายที่มีมาอย่างยาวนานในน่านน้ำมหาสมุทร จากการวิเคราะห์พบว่าเครื่องมือดังกล่าวสามารถรวมข้อมูลจากดาวเทียมหลายดวงเพื่อตรวจจับ ปรากฏการณ์ขี้ปลาวาฬ หรือ การสะพรั่งของสาหร่ายที่เป็นอันตราย (Harmful Algal Blooms - HABs) ที่เกิดขึ้นในแถบฟลอริดาตะวันตกและแคลิฟอร์เนียตอนใต้ได้อย่างแม่นยำ
การสะพรั่งของสาหร่ายที่เป็นอันตราย (HABs) คือปรากฏการณ์ที่สาหร่ายหรือแพลงก์ตอนพืชบางชนิดขยายพันธุ์อย่างรวดเร็วและปล่อยสารพิษสู่แหล่งน้ำ ซึ่งอาจส่งผลเสียต่อระบบนิเวศและสุขภาพของมนุษย์ การแพร่ระบาดที่รุนแรงก่อให้เกิดความเสี่ยงด้านสุขภาพและสร้างความเสียหายต่อเศรษฐกิจชายฝั่งในสหรัฐอเมริกามูลค่าหลายสิบล้านดอลลาร์ในแต่ละปี
ความท้าทายในการเฝ้าระวังสาหร่ายพิษ
จากการเปิดเผยของ NASA พื้นที่ในฟลอริดา เช่น อ่าวแทมปา (Tampa Bay) และซาราโซตา (Sarasota) ต้องเผชิญกับปัญหานี้มานานหลายทศวรรษ โดยเฉพาะสาหร่ายสายพันธุ์ Karenia brevis ที่มักแพร่พันธุ์ในอ่าวเม็กซิโก ส่งผลให้สัตว์ทะเลล้มตายและทำให้นักท่องเที่ยวเจ็บป่วย ขณะที่ทางฝั่งตะวันตก การสะพรั่งของสาหร่ายสายพันธุ์ Pseudo-nitzschia ได้สร้างสารพิษที่ส่งผลกระทบต่อโลมาและสิงโตทะเลจำนวนมาก นอกจากนี้ สารพิษจากสาหร่ายยังสามารถแพร่กระจายไปในอากาศและก่อให้เกิดโรคทางเดินหายใจในมนุษย์ได้อีกด้วย
ในปัจจุบัน การทดสอบในพื้นที่จริงต้องใช้เวลาหลายชั่วโมงในการออกเรือไปเก็บตัวอย่างน้ำด้วยตนเองและส่งไปยังห้องปฏิบัติการ ซึ่งอาจใช้เวลาเป็นวันหรือมากกว่านั้น ทำให้การคาดการณ์ตำแหน่งที่จะเกิดการแพร่ระบาดก่อนที่มันจะขยายตัวเป็นเรื่องที่ทำได้ยากยิ่ง
พลังของ AI และข้อมูลจากดาวเทียม
เครื่องมือ AI ใหม่นี้จะทำหน้าที่เป็น "ตัวทวีคูณประสิทธิภาพ" (Force Multiplier) โดยการนำชุดข้อมูลที่หลากหลายจากดาวเทียมที่โคจรรอบโลกมาประมวลผลร่วมกัน เช่น ข้อมูลจากเซนเซอร์ไฮเปอร์สเปกตรัมบนดาวเทียม PACE (Plankton, Aerosol, Cloud, ocean Ecosystem) ซึ่งเป็นภารกิจของ NASA ที่ออกแบบมาเพื่อศึกษาความหลากหลายของพืชและอนุภาคในมหาสมุทรและชั้นบรรยากาศโดยละเอียด และอุปกรณ์ TROPOMI (Tropospheric Monitoring Instrument) ที่สามารถตรวจจับแสงเรืองสีแดงจางๆ ที่สาหร่ายปล่อยออกมาขณะสังเคราะห์แสง
"อย่างน้อยที่สุด เครื่องมือแบบนี้สามารถช่วยให้เรารู้ว่าควรเก็บตัวอย่างน้ำที่ไหนและเมื่อใดในขณะที่การสะพรั่งของสาหร่ายกำลังเริ่มต้นขึ้น"
Michelle Gierach นักวิทยาศาสตร์จาก Jet Propulsion Laboratory (JPL) ของ NASA ในแคลิฟอร์เนียตอนใต้ หนึ่งในผู้ร่วมเขียน ผลงานวิจัย อธิบายว่าเทคโนโลยีนี้ยังช่วยส่งเสริมความร่วมมือระหว่างผู้เชี่ยวชาญในการสร้างวิธีการใหม่ๆ เพื่อสนับสนุนการตัดสินใจในระดับนโยบาย
ระบบการเรียนรู้ด้วยตนเองเพื่อความแม่นยำสูงสุด
ทีมวิจัยได้พัฒนาระบบ การเรียนรู้ด้วยตนเองของเครื่อง (Self-supervised Machine Learning) ซึ่งถูกออกแบบมาให้เรียนรู้รูปแบบจากข้อมูลดาวเทียมหลายประเภทและเปรียบเทียบกับการสังเกตการณ์ในภาคสนาม วิธีการนี้ช่วยให้ AI สามารถจดจำความสัมพันธ์ระหว่างแหล่งข้อมูลที่แตกต่างกันได้โดยไม่จำเป็นต้องมีการระบุชื่อข้อมูล (Labeling) ล่วงหน้า
ระบบได้รับการฝึกฝนด้วยข้อมูลดาวเทียมที่รวบรวมในปี 2018 และ 2019 โดยใช้การวัดผลจากภาคสนามและห้องปฏิบัติการเพื่อเพิ่มบริบทในโลกแห่งความเป็นจริง ผลลัพธ์เบื้องต้นระบุว่าเครื่องมือนี้สามารถระบุและทำแผนที่การสะพรั่งที่เป็นอันตรายได้อย่างถูกต้อง รวมถึงระบุสายพันธุ์เฉพาะอย่าง K. brevis แม้ในสภาพน้ำชายฝั่งที่ซับซ้อนซึ่งเต็มไปด้วยตะกอนและน้ำไหลบ่า
ปัจจุบันทีมงานกำลังพัฒนาเครื่องมือนี้ให้ดียิ่งขึ้นด้วยข้อมูลจากชายฝั่งอื่นๆ และขยายการทดสอบไปยังแหล่งน้ำประเภทอื่นๆ เช่น ทะเลสาบ โดยมีเป้าหมายเพื่อให้หน่วยงานที่เกี่ยวข้องสามารถเข้าถึงและใช้งานได้ในอีกไม่กี่ปีข้างหน้า เพื่อประโยชน์ตั้งแต่การทำฟาร์มสัตว์น้ำไปจนถึงการท่องเที่ยว
