เมื่อพูดถึง “machine learning” ถือเป็นคำยอดฮิตที่ฟังดูคุ้นหู โดยเฉพาะในยุค 4.0 อย่างในปัจจุบัน แต่เพื่อนๆหลายคนอาจสงสัยว่าแท้จริงแล้วมันคืออะไรกันแน่ โดย talk about fish ขอสรุปง่ายๆ ว่า “machine learning” ก็คือ ระบบการเรียนรู้ของเครื่องจักรกล ซึ่งก็เปรียบเสมือนสมองของเครื่องจักรนั่นเอง machine learning จะทำให้เครื่องจักรสามารถเรียนรู้ จดจำ คิดวิเคราะห์ และคาดคะเนเหตุการณ์ได้ด้วยตัวเอง โดยไม่ต้องอาศัยการช่วยเขียนโปรแกรมโดยมนุษย์ ...และทุกวันนี้ระบบ machine learning พัฒนาไปไกลมากๆ หากใครติดตามข่าวสารด้านเทคโนโลยีจะทราบว่า ปัจจุบัน machine learning สามารถช่วยให้เครื่องจักรเล่นโก๊ะ (เกมส์กระดานของญี่ปุ่น) ชนะแชมป์โลกได้ หรือหลายๆประเทศสามารถพัฒนาหุ่นยนต์ที่สามารถวินิจฉัยโรคในมนุษย์ รวมทั้งสามารถผ่าตัดผู้ป่วยได้อย่างมีประสิทธิภาพมากกว่ามนุษย์ แต่เทคโนโลยีนี้ยังไม่ถูกนำมาประยุกต์ใช้กับการเพาะเลี้ยงสัตว์น้ำเท่าที่ควร โดยเฉพาะในพื้นที่ภูมิภาคเอเชียตะวันออกเฉียงใต้ (SEA) นี้ ...การที่ประเทศเวียดนามซึ่งเป็นประเทศผู้ผลิตสัตว์น้ำที่เป็นคู่แข่งสำคัญของประเทศไทย สามารถพัฒนา machine learning ให้สามารถวินิจฉัยโรคในกุ้งได้ นับว่าเป็น “การพัฒนาอย่างก้าวกระโดด” ในวงการเพาะเลี้ยงสัตว์น้ำในภูมิภาค SEA เลยก็ว่าได้ ... ซึ่ง talk about fish จะมาเล่ารายละเอียดให้ฟังครับ... ก่อนอื่น talk about fish ขอเล่าย้อนไปถึงการวินิจฉัยโรคสัตว์น้ำของประเทศไทยในปัจจุบันโดยทั่วไปจะแบ่งออกเป็น 3 วิธีหลักๆ คือ 1. การส่งตัวอย่างสัตว์น้ำที่ป่วยไปยังหน่วยงานที่เกี่ยวข้อง เช่น กรมประมง หรือห้องปฏิบัติการต่างๆ ทั้งของรัฐและเอกชน เพื่อให้ผู้เชี่ยวชาญด้านโรคสัตว์น้ำทำการตรวจวินิจฉัย วิธีการนี้มีข้อจำกัดที่สำคัญมากๆอยู่ คือ ผู้เชี่ยวชาญด้านโรคสัตว์น้ำ รวมทั้งหน่วยงานที่เกี่ยวข้องมีอยู่ค่อนข้างจำกัด หลายๆครั้งการส่งตัวอย่างสัตว์ป่วยเพื่อไปตรวจวิเคราะห์โรคต้องใช้ระยะเวลานานหลายวันกว่าจะทราบผลตรวจ ซึ่งหลายๆครั้งอาจไม่ทันต่อการบริหารจัดการ (สัตว์น้ำในบ่อเลี้ยงอาจตายเป็นจำนวนมาก หรือโรคอาจรุกรามจนเกินควบคุม) เพราะโรคสัตว์น้ำหลายๆโรคมีการระบาดที่ค่อนข้างรวดเร็วและรุนแรง 2. ผู้เลี้ยงใช้ชุดทดสอบภาคสนาม (test kit) ในการตรวจโรคสัตว์น้ำเบื้อต้น วิธีการนี้มีข้อดีคือ สามารถทราบผลการวิเคราะห์ได้อย่างรวดเร็วทันท่วงที และมีต้นทุนค่อนข้างต่ำ แต่ก็มีข้อจำกัดหลายอย่าง เช่น ชุด test kit ในปัจจุบัน สามารถวิเคราะห์โรคได้ค่อนข้างจำกัดเพียงไม่กี่โรคเท่านั้น (ไม่ครอบคลุมทุกโรค) และ test kit สามารถระบุผลได้แค่เพียงเบื้องต้นเท่านั้น ไม่สามารถระบุได้ชัดเจนเหมือนการส่งตรวจ อีกทั้งหากผู้ใช้ไม่มีความชำนาญเพียงพอก็อาจจะทำให้ผลที่ออกมาผิดพลาดได้ (ซึ่งบางครั้งผู้ใช้ก็ไม่รู้ตัวด้วย) จนอาจทำให้การจัดการสัตว์น้ำในบ่อเลี้ยงเสียหายโดยไม่ตั้งใจ 3. ผู้เลี้ยงอาศัยประสบการณ์ และความชำนาญส่วนตัว ในการวินิจฉัยโรคจากอาการผิดปกติของสัตว์น้ำในบ่อเลี้ยง เช่น การว่ายน้ำที่ผิดปกติ ลักษณะอาการของแผลบริเวณลำตัว เหงือก เป็นต้น ข้อดีของวิธีการนี้คือ หากผู้เลี้ยงมีความชำนาญเพียงพอก็สามารถเข้ามาวินิจฉัยโรคได้อย่างรวดเร็ว โดยไม่ต้องใช้ต้นทุนอะไรเลย และสามารถแก้ปัญหาได้อย่างทันท่วงที แต่มีข้อจำกัดหลายประการณ์ เช่น โรคหลายชนิดมีอาการผิดปกติที่ไม่ชัดเจน โรคหลายชนิดมีอาหารผิดปกติที่คล้ายกันจนแยกออกยากด้วยตาเปล่า และโรคหลายชนิดกว่าจะแสดงอาการผิดปกติทางพฤติกรรมจนสามารถสังเกตได้อย่างชัดเจน มักจะเป็นระยะท้ายๆของโรค ซึ่งแทบจะไม่สามารถรักษาได้แล้ว เป็นต้น จากที่เล่ามาจะเห็นว่า การวินิจฉัยโรคสัตว์น้ำในปัจจุบันทั้ง 3 วิธี ต่างมีข้อจำกัดสำคัญอยู่หลายประการ และปัญหาด้านโรคสัตว์น้ำนั้นนับว่าเป็นประเด็นสำคัญทางเศรษฐกิจของประเทศอีกด้วย เนื่องจากประเทศไทยจัดเป็นประเทศผู้ส่งออกสัตว์น้ำรายใหญ่ของโลกประเทศหนึ่ง โดยเฉพาะผลผลิตกุ้งขาว ด้วยการเพาะเลี้ยงสัตว์น้ำต้องใช้เงินลงทุนในแต่ละรอบการเลี้ยงค่อนข้างสูงมาก ดังนั้นการประสบปัญหาโรคระบาดในบ่อเลี้ยงอาจพลิกจากกำไร เป็นขาดทุนได้เพียงชั่วข้ามคืน (โรคบางชนิดมีการระบาดที่รวดเร็วและรุนแรง) แล้วระบบ “machine learning” ของเวียดนาม สามารถนำมาแก้ปัญหาข้างต้นได้อย่างไร ? ....ในส่วนนี้ผมขอนำผลงานวิชาการของ คุณ Nguyen Minh Khiem ซึ่งเป็นนักวิจัยของ Can Tho University ที่ได้ตีพิมพ์เฉยแพร่ในวารสารวิชาการ Fisheries Science เมื่อต้นเดือนพฤษภาคม 2020 ที่ผ่านมา สรุปได้ว่า.... ในปัจจุบันเวียดนามได้มีการเริ่มศึกษา และทดลองใช้ machine learning ในการวินิจฉัยโอกาศในการเกิดโรคสัตว์น้ำที่เกิดจากไวรัสวิบริโอ (Vibrio parahaemolyticus) ซึ่งเป็นโรคระบาดที่สำคัญมากในการเลี้ยงกุ้งขาว เนื่องจากสามารถทำให้กุ้งตายแบบยกบ่อได้ภายในระยะเวลาเพียงไม่ถึงเดือนเท่านั้น โดยใช้ข้อมูลด้านโรคสัตว์น้ำที่เก็บรวมรวมไว้ตั้งแต่ปี 2010 ...... ผลปรากฏว่า machine learning สามารถวินิจฉัยโอกาสในการเกิดโรคจากไวรัสวิบริโอ ได้อย่างแม่นยำถึง 85 – 99 % หากมีปัจจัยแวดล้อมเข้ามาเกี่ยวข้องไม่มากนัก โดยหลักการทำงานของ machine learning คือ การนำฐานข้อมูลในอดีต โดยเฉพาะข้อมูลการเกิดโรค และข้อมูลความสัมพันธ์ของปัจจัยสิ่งแวดล้อม โดยใช้สมมุติฐานในการวิเคราะห์หลายๆทฤษฏี เพื่อนำมาใช้เป็นวัตถุดิบในการประมวลผลร่วมกับข้อมูลในปัจจุบันจากบ่อเลี้ยงที่ทำการวิเคราะห์ ...แต่เมื่อมีปัจจัยแวดล้อมมาเกี่ยวข้องด้วยเพิ่มมากขึ้น ความแม่นยำในการวิเคราะห์ผลก็จะลดลงตามลำดับ และข้อจำกัดที่สำคัญอีกประการหนึ่งคือ ฐานข้อมูลที่นำมาใช้ในการพัฒนา machine learning ในครั้งนี้เป็นข้อมูลที่ส่วนใหญ่มาจากพื้นที่ทางตอนใต้ของเวียดนาม ส่งผลให้การประมวลผลเหมาะสมกับเฉพาะพื้นที่เท่านั้น และความแม่นยำในการวิเคราะห์จะลดต่ำลงเมื่อนำไปใช้ในต่างพื้นที่ แม้ว่าปัจจุบัน machine learning สำหรับการวิเคราะห์โรคสัตว์น้ำยังไม่สามารถทำงานแทนมนุษย์ได้อย่าง 100 % แต่การพัฒนาในครั้งนี้ก็ช่วยเพิ่มศักยภาพในการจัดการฟาร์มสัตว์น้ำขึ้นอีกระดับหนึ่ง เนื่องจากสามารถทำให้ผู้เลี้ยงสัตว์รู้ถึงปัจจัยเสี่ยงด้านโรคสัตว์น้ำที่จะเกิดขึ้นล่วงหน้า ทำให้สามารถที่จะวางแผนในการรับมือกับปัญหาที่จะเกิดขึ้นในอนาคตได้อย่างทันท่วงที หรือสามารถติดต่อประสานงานผู้เชี่ยวชาญเพื่อขอคำปรึกษาต่างๆได้อย่างทันการณ์ และประเด็นสำคัญคือ machine learning มีความสามารถในการเรียนรู้ และจดจำฐานข้อมูลต่างๆ เพื่อนำมาพัฒนาการประมวลผลข้อมูลด้วยตัวเอง ซึ่งหมายความว่า ในอนาคต machine learning จะสามารถพัฒนาความสามารถในการประมวลผลให้ดีขึ้นเรื่อยๆ จนสักวันหนึ่งเจ้าสิ่งนี้อาจจะสามารถมาทำงานแทนมนุษย์ได้อย่างสมบูรณ์ ......ซึ่งประเด็นนี้จะเป็นข้อคิดให้บุคลากรในประเทศไทย ควรหันมาให้ความสนใจกับการพัฒนาเทคโนโลยีในการเพาะเลี้ยงสัตว์น้ำเพิ่มมากขึ้น เพราะประเทศเวียดนามซึ่งเป็นคู่แข่งรายสำคัญของประเทศไทยในอุตสาหกรรมนี้ หากบุคลากรในประเทศยังไม่ตระหนักในประเด็นดังกล่าว... ก็ไม่แน่ว่าในอนาคตประเทศเวียดนามก็อาจจะก้าวขึ้นมานำเราก็เป็นได้ที่มาภาพ ภาพปก / รูปประกอบที่ 1 / รูปประกอบที่ 2 / รูปประกอบที่ 3 /รูปประกอบที่ 4 /รูปประกอบที่ 5เอกสารอ้างอิง Khiem, N. M. et al. (2020). The use of machine learning to predict acute hepatopancreatic necrosis disease (AHPND) in shrimp farmed on the east coast of the Mekong Delta of Vietnam. Fisheries Science, 11 p.