AI "จิตอาสา" จัดการข้อมูลมหาศาล ทุกซอกมุมโซเชียล ช่วยหาผู้ประสบภัยอย่างไร?

เมื่อเกิดภัยพิบัติ ข้อมูลร้องขอความช่วยเหลือจากประชาชนมักกระจายอยู่ในหลายช่องทาง โดยเฉพาะบนโซเชียลมีเดีย ทำให้การประสานงานช่วยเหลือเป็นไปอย่างล่าช้า ทีมอาสาและนักพัฒนาไทย (เอกชน) จึงร่วมมือกันนำเทคโนโลยีปัญญาประดิษฐ์ (AI) มาสร้างระบบจัดการข้อมูลที่มีประสิทธิภาพมากขึ้น เพื่อให้ทุกหน่วยงานสามารถเข้าถึงข้อมูลที่ถูกต้องและใช้งานได้ทันที

 

AI เข้ามาแก้ปัญหา “ข้อมูลกระจัดกระจาย” อย่างไร

ก่อนหน้านี้ ผู้ประสบภัยจำนวนมากต้องโพสต์ขอความช่วยเหลือผ่าน Facebook, X, TikTok หรือคอมเมนต์ในโพสต์ต่าง ๆ ทำให้ข้อมูลกระจาย และยากต่อการติดตาม ทีม Tact AI และเครือข่ายอาสา Hatyai Connext จึงพัฒนาระบบที่สามารถ “กวาดข้อมูล” จากทุกแพลตฟอร์ม และแปลงข้อมูลเหล่านั้นให้เป็นรูปแบบเดียวกัน ก่อนนำเข้าแพลตฟอร์ม jitasa.care ซึ่งใช้เป็นศูนย์กลางข้อมูลช่วยเหลือ

 

เบื้องหลังเทคโนโลยี NLP + Information Extraction

หัวใจสำคัญของระบบคือเทคโนโลยี Natural Language Processing (NLP) ที่ทำให้คอมพิวเตอร์เข้าใจภาษาที่ประชาชนใช้ในโพสต์จริง not official language - ไม่ใช่ภาษาทางการ แต่เป็นภาษาพูดหลากหลายรูปแบบที่ปกติประมวลผลได้ยาก!

 

 

ระบบสามารถสแกนข้อความจำนวนมหาศาลเพื่อค้นหา:

• ผู้ป่วยหรือกลุ่มเปราะบางที่ต้องได้รับความช่วยเหลือเร่งด่วน
• หมายเลขโทรศัพท์ที่สามารถติดต่อได้
• พิกัดหรือคำอธิบายสถานที่ของผู้ประสบภัย

 

จากนั้นระบบจะใช้เทคนิค Information Extraction เพื่อดึงข้อมูลสำคัญออกจากข้อความที่ไม่มีโครงสร้าง แล้วแปลงให้อยู่ในรูปแบบที่จัดการได้ เช่น ชื่อ-ติดต่อ-สถานที่ พร้อมใช้งานในฐานข้อมูล

 

การรวมศูนย์ข้อมูล หัวใจของการช่วยเหลือที่มีประสิทธิภาพ

หนึ่งในความสำเร็จของปฏิบัติการครั้งนี้คือ “รวมทุกข้อมูลไว้ที่เดียว” ทำให้หน่วยงานรัฐ หน่วยกู้ภัย และทีมอาสาสมัครสามารถ:

• จัดลำดับความสำคัญของพื้นที่ที่ต้องลงพื้นที่เร่งด่วน
• ลดความซ้ำซ้อนของชุดปฏิบัติการ
• วิเคราะห์ภาพรวมสถานการณ์ได้แบบเรียลไทม์

 

 

ความดีของ jitasa.care เฉพาะในคืนที่ผ่านมา มีรายงานว่า ระบบสามารถประมวลผลและส่งต่อข้อมูลผู้ขอความช่วยเหลือจากเหตุการณ์น้ำท่วมได้มากกว่า 20,000 เคส จากหลายแพลตฟอร์ม นับเป็นการเร่งรัดงานช่วยเหลือที่เป็นรูปธรรมและเห็นผลอย่างชัดเจนที่สุด

ตัวอย่างการบริหารจัดการของ AI

เมื่อเกิดน้ำท่วม ไฟไหม้ หรือพายุ ลูกหลาน ผู้สูงอายุ หรือคนที่ติดอยู่ในบ้าน มักจะโพสต์หรือคอมเมนต์ขอความช่วยเหลือบนโซเชียลมีเดีย เช่น

“ช่วยด้วย บ้านน้ำท่วม มีคนป่วยติดเตียงอยู่ 2 คน 087-xxx อยู่ซอย...”

ปัญหาคือข้อความเหล่านี้กระจัดกระจายอยู่หลายที่
- มีทั้งในโพสต์ข่าว, คอมเมนต์, กลุ่มชุมชน, TikTok, X
- บางคนโพสต์แบบไม่ชัดเจน เช่น “ท่วมแล้ว ขอเรือด่วน ๆ”
- บางคนไม่ได้ใส่เบอร์โทร
- บางคนแจ้งที่อยู่แบบคลุมเครือ เช่น “ท้ายซอยวัดเก่า”

 

ทำให้การช่วยเหลือช้า เพราะทีมกู้ภัยไม่รู้จะเริ่มจากตรงไหนก่อน นี่คือเหตุผลที่ทีม Tact AI และ Hatyai Connext นำ AI เข้ามาช่วยแก้ปัญหา

 

 

 

AI ช่วยอย่างไร? อธิบายแบบให้เห็นภาพแบบชัดๆ 

1) “กวาดข้อมูล” จากทุกมุมของโซเชียล

ระบบจะดึงข้อมูลจากหลายแหล่ง เช่น

• คอมเมนต์ใต้โพสต์ข่าวน้ำท่วม
• โพสต์ในกลุ่มเฟซบุ๊กประจำจังหวัด
• ข้อความบน TikTok หรือ X ที่ใช้คำว่า “ช่วยด้วย”
• รายงานจากประชาชนที่แท็กเพจอาสา

 

ตัวอย่างสถานการณ์จริง มีผู้ใช้ Facebook พิมพ์ว่า “แม่ล้มป่วยอยู่บ้านคนเดียว น้ำเริ่มเข้าบ้านแล้ว ซอยพัฒนาการ 50” ในคอมเมนต์ของเพจข่าวท้องถิ่น ระบบของ AI จะดึงข้อความนี้ขึ้นมาทันทีโดยที่อาสาไม่ต้องไล่อ่านเองทีละ 10,000 คอมเมนต์

 

2) เข้าใจข้อความของผู้ประสบภัยด้วย NLP (ระบบคอมพิวเตอร์ที่เข้าใจภาษาคนจริง ๆ)

NLP จะทำให้ระบบเข้าใจว่าข้อความไหนเป็น “ขอความช่วยเหลือจริง” ไม่ใช่คอมเมนต์ทั่วไป เช่น

“น้ำท่วมหนักเลย” - ไม่ใช่การร้องขอ

“ขอเรือด้วยค่ะ มีเด็กเล็กอยู่ 3 คน” - ต้องแจ้งทีมช่วยเหลือ

“อยู่กับผู้ป่วยติดเตียง เบอร์ 08x-xxx” - ความเสี่ยงสูง ต้องจัดเป็นกลุ่มเร่งด่วน

 

ตัวอย่างข้อความ “มีคนแก่ติดอยู่ชั้นสอง ลงมาไม่ได้” NLP สามารถวิเคราะห์ได้ว่า

“คนแก่” = กลุ่มเสี่ยง

“ติดอยู่” = ต้องช่วยทันที

“ชั้นสอง” = สถานการณ์เร่งด่วน น้ำอาจท่วมชั้นล่าง

ระบบจะจัดเป็น Priority 1 อัตโนมัติ

 

3) ดึงข้อมูลสำคัญออกมาแบบอัตโนมัติ

เทคนิค Information Extraction จะช่วยแยกข้อมูลที่เป็นประโยชน์ เช่น

ชื่อผู้ร้องขอ

เบอร์โทร

ที่อยู่ / จุดสังเกต / พิกัด

ระดับความรุนแรง

 

ตัวอย่าง ข้อความแบบไม่เป็นระเบียบ

“บ้านยายจัน ซอย 8 ตรงศาลเจ้า มีเด็ก 2 คน อยู่ชั้นลอย น้ำมาแล้ว เบอร์ 089xxx”

AI จะจัดเป็นข้อมูลเชิงโครงสร้างว่า

 

 

ทำให้ทีมกู้ภัยนำไปใช้ได้ทันที โดยไม่ต้องเสียเวลาแปลความหมาย

 

4) อาสามนุษย์ตรวจสอบความถูกต้อง (Human Verification)

แม้ AI จะทำได้เร็ว แต่เพื่อป้องกันความผิดพลาด ยังมีมนุษย์ช่วยตรวจสอบอีกขั้น เช่น

• เบอร์โทรโทรติดไหม?
• ที่อยู่ตรงกับแผนที่หรือไม่?
• ข้อมูลมีซ้ำกับเคสก่อนหน้าหรือไม่?

 

ตัวอย่าง บางครั้งมีคนโพสต์ซ้ำ 3 ครั้งใน 3 กลุ่ม AI อาจจับได้หมด อาสาจะเช็กและรวมเป็นเคสเดียว เพื่อไม่ให้ทีมไปซ้ำซ้อน

 

 

 

5) รวมข้อมูลเข้าสู่ระบบกลาง jitasa.care

หลังผ่านการตรวจสอบ ทุกข้อมูลจะถูกส่งเข้าระบบ jitasa.care ซึ่งมีข้อดีคือ:

• ทุกหน่วยงาน - สาธารณสุข, อปท., ทีมอาสา - เห็นข้อมูลเดียวกัน
• จัดลำดับความสำคัญได้แบบเรียลไทม์
• เลือกทีมที่ใกล้ที่สุดออกช่วย
• ลดงานซ้ำซ้อนของหลายหน่วยงานที่อาจลงไปที่เดียวกัน

 

ตัวอย่าง ข้อมูลในคืนหนึ่งมากกว่า 20,000 รายการ หากไม่มีซอฟต์แวร์ จะต้องใช้คนอ่านหลายร้อยคน และใช้เวลาหลายชั่วโมง แต่ด้วย AI ทุกอย่างถูกจัดเรียงพร้อมใช้งานแทบจะทันที

 

 

ทำไม “ระบบรวมศูนย์” จึงสำคัญมากในภาวะวิกฤต?

เพราะช่วยให้เกิดคำถามสำคัญ 3 ข้อแบบชัดเจน:

• ตรงไหนเดือดร้อนที่สุดตอนนี้?
• ใครเป็นกลุ่มเสี่ยงที่ต้องช่วยก่อน?
• ทีมไหนอยู่ใกล้ที่สุดและสามารถออกปฏิบัติการได้ทันที?

ผลลัพธ์คือ การช่วยเหลือเร็วขึ้นและแม่นยำขึ้น

 

ถ้าประชาชนต้องการแจ้งความช่วยเหลือทำอย่างไร?

สามารถแจ้งผ่านเว็บได้โดยตรงได้ที่ https://jitasa.care