ปัญญาประดิษฐ์ หรือ AI (Artificial Intelligence) กลายเป็นเครื่องมืออัจฉริยะที่ถูกนำมาใช้ช่วยอำนวยความสะดวกในหลากหลายวงการมากขึ้น แวดวงการศึกษาและวิจัยซึ่งต้องอาศัยการรวบรวม วิเคราะห์ และเรียบเรียงข้อมูลจำนวนมหาศาลก็จำเป็นต้องปรับตัวเรียนรู้การนำ AI มาใช้ให้เกิดประโยชน์ โดยเฉพาะขั้นตอนการสืบค้นข้อมูลซึ่งมีความสามารถอย่างมากในการช่วยลดเวลาคัดกรองแก่นักวิจัย
‘การเปลี่ยนแปลงสภาพภูมิอากาศ’ ในฐานะวิกฤตและความท้าทายแห่งยุคสมัย เป็นโจทย์สำคัญที่ผู้วิจัยจากหลากหลายพื้นที่ทั่วโลกมุ่งมั่นพัฒนาองค์ความรู้ใหม่เพื่อเติมเต็มช่องว่างของการจัดการและตั้งรับปรับตัว ส่งผลให้เป็นอีกประเด็นที่เมื่อต้องการศึกษาวิจัยแล้วจะพบว่ามีข้อมูลที่เกี่ยวข้องอยู่มากมายมหาศาล ที่ผ่านมาจึงมีความพยายามนำ AI มาใช้เพื่อสังเคราะห์และจัดการองค์ความรู้ด้านนี้ ซึ่งรวมถึง ‘โครงการสังเคราะห์และประมวลผลงานวิจัยด้านการเปลี่ยนแปลงสภาพภูมิอากาศ’ ที่ดำเนินการโดยกรมการเปลี่ยนแปลงสภาพภูมิอากาศและสิ่งแวดล้อม และ ศูนย์วิจัยและสนับสนุนเป้าหมายการพัฒนาที่ยั่งยืน (SDG Move) คณะเศรษฐศาสตร์ มหาวิทยาลัยธรรมศาสตร์ ที่ได้นำ AI มาเป็นเครื่องมือช่วยศึกษา วิเคราะห์ และจัดการองค์ความรู้ด้านการเปลี่ยนแปลงสภาพภูมิอากาศเช่นกัน
SDG Update ฉบับนี้ ชวนส่องโอกาส เทคนิค และข้อจำกัด จากการใช้ AI ในโครงการข้างต้น ซึ่งมีทั้ง ‘บทเรียน’ และ ‘ข้อค้นพบ’ ที่เป็นประโยชน์โดยเฉพาะแก่ผู้ที่สนใจหรือผู้ที่ปฏิบัติงานด้านข้อมูลและการวิจัยประเด็นสิ่งแวดล้อมและการเปลี่ยนแปลงสภาพภมิอากาศ
01 – AI เครื่องมือช่วยเติมเต็มและจัดการองค์ความรู้ Climate Change
AI ถูกนำมาใช้ในการวิจัยและการจัดทำข้อมูลด้านการเปลี่ยนแปลงสภาพภูมิอากาศในหลายรูปแบบ ตัวอย่างเช่น การใช้ AI จัดทําแผนที่วรรณกรรมอย่างเป็นระบบซึ่งช่วยค้นพบว่างานศึกษาด้านการดักจับและกักเก็บคาร์บอนไดออกไซด์มีจำนวนมากกว่าที่เคยพบจากการทบทวนวรรณกรรมแบบดั้งเดิม [1] อีกตัวอย่างหนึ่งคือการใช้ กราฟองค์ความรู้ (knowledge graph) เพื่อเชื่อมโยงผลการวิจัยเข้ากับประเด็นนโยบาย เช่น โครงการ ClimateKG ของสถาบัน TIB Hannover ซึ่งนำรายงาน IPCC AR6 ที่มีความยาวรวมกว่าหนึ่งหมื่นหน้ามาจัดระบบให้อยู่ในรูปแบบที่สามารถสืบค้น เปรียบเทียบ และเชื่อมโยงข้อมูลทางวิทยาศาสตร์ได้สะดวกยิ่งขึ้น [2] อย่างไรก็ดี จากการสำรวจข้อมูลของประเทศไทยพบว่าการประยุกต์ใช้ AI กับงานด้านการเปลี่ยนแปลงสภาพภูมิอากาศเท่าที่สืบค้นได้ ส่วนใหญ่ยังอยู่ในลักษณะความริเริ่มระยะเริ่มต้นมากกว่าโครงการระดับชาติที่มีเอกสารวิชาการรองรับอย่างเป็นระบบ ข้อมูลที่เผยแพร่ส่วนมากอยู่ในรูปแบบข่าวประชาสัมพันธ์มากกว่างานวิชาการที่ผ่านการประเมินโดยผู้ทรงคุณวุฒิ จึงควรพิจารณาความน่าเชื่อถือของแหล่งข้อมูลด้วยความระมัดระวังในการอ้างอิง
กรมการเปลี่ยนแปลงสภาพภูมิอากาศและสิ่งแวดล้อม และ SDG Move เล็งเห็นว่าประเทศไทยสามารถใช้โอกาสและประโยชน์จาก AI สำหรับการวิเคราะห์และจัดการองค์ความรู้ด้านการเปลี่ยนแปลงสภาพภูมิอากาศอีกหลายมิติ จึงนำมาใช้เป็นเครื่องมือดำเนินโครงการสังเคราะห์และประมวลผลงานวิจัยด้านการเปลี่ยนแปลงสภาพภูมิอากาศ ซึ่งเป็นทางเลือกที่คุ้มค่า โดยเฉพาะการใช้ระบบการสืบค้นข้อมูลที่เสริมด้วยการสร้างคําตอบ (Retrieval-Augmented Generation: Rag) ผ่านเครื่องมือ Claude และ NotebookLM ซึ่งโครงการกำหนดให้ประมวลผลจากชุดข้อมูลและแหล่งอ้างอิงที่กําหนดให้เท่านั้น (Grounded in Sources) วิธีการนี้ช่วยให้สามารถค้นหา คัดกรอง และเชื่อมโยงหลักฐานข้อมูลขนาดใหญ่ (big data) ได้รวดเร็วขึ้นและมีประสิทธิภาพ โดยยังคงอยู่ภายใต้มาตรการกำกับดูแลด้าน AI (AI Governance) พร้อมกับการตรวจสอบของนักวิจัยและผู้เชี่ยวชาญอย่างเคร่งครัด
02 – เปิด 8 ขั้นตอนใช้ AI วิจัยอย่างโปร่งใส ถูกต้อง และน่าเชื่อถือ
การใช้ AI เพื่อช่วยวิจัยประเด็นการเปลี่ยนแปลงสภาพภูมิอากาศภายใต้โครงการนี้ให้ความสำคัญความครอบคลุมและถูกต้องของข้อมูลเป็นหลัก โดยใช้ AI ช่วยย่อย จัดหมวด ค้นจับคู่ และสังเคราะห์หลักฐาน ขณะที่นักวิจัยกำหนดกรอบและเกณฑ์ ก่อนให้ผู้เชี่ยวชาญตรวจสอบผล แล้วจึงแปลงช่องว่างเป็นคำถามวิจัยและข้อเสนอถึงหน่วยบริหารจัดการทุน ซึ่งเป็นกระบวนการ 8 ขั้นตอน หรือ ‘8-STEP · EVIDENCE-TO-FUNDING WORKFLOW’ โดยเริ่มจากการรวบรวมหลักฐาน (Collect) โดยรวบรวมงานวิจัยและองค์ความรู้จากแหล่งข้อมูลที่โครงการกำหนด พร้อมจัดการข้อมูลซ้ำ ข้อมูลไม่ครบ และรูปแบบข้อมูลที่แตกต่างกัน จากนั้นจึงใช้ NotebookLM เป็นเครื่องมือหลักในการอ่านและย่อยเอกสารงานวิจัยทีละชิ้น (Digest) โดยใช้ AI ย่อยเนื้อหาออกเป็นหน่วยความรู้ขนาดเล็ก หรือ atomic notes ตามหลัก Zettelkasten เพื่อให้สามารถสืบค้น เชื่อมโยง และตรวจสอบหลักฐานรายประเด็นได้ง่ายขึ้น กระบวนการดังกล่าวไม่ใช่การสรุปย่องานวิจัยให้เหลือเพียงประโยคเดียว แต่เป็นการแยกสาระสำคัญออกเป็นหน่วยที่ตอบคำถามเฉพาะ โดยแต่ละหน่วยยังสามารถตรวจสอบย้อนกลับไปเชื่อมยังแหล่งข้อมูลต้นทางได้ จากนั้นจึงเข้าสู่ขั้นตอนต่อมาคือการจัดหมวดหลักฐาน (Organize) โดยใช้ AI ช่วยเสนอการจัดหมวด atomic notes เข้าสู่ การลดก๊าซเรือนกระจก (Mitigation) การสร้างภูมิคุ้มกันต่อการเปลี่ยนแปลงสภาพภูมิอากาศ (Resilience) และงานวิจัยเชิงระบบ (System Research) ตามหลักเกณฑ์ที่นักวิจัยกำหนดไว้
ในขั้นตอนที่ 4 การระบุความต้องการความรู้ (Knowledge Demand) จำเป็นต้องอาศัยการวิเคราะห์จากนักวิจัยว่าพันธกรณี เป้าหมาย และมาตรการเชิงนโยบายต้องการใช้องค์ความรู้เรื่องใดบ้าง โดยอาศัยเอกสารนโยบายและประสบการณ์ของผู้ปฏิบัติเป็นฐานในการตั้งคำถาม ขั้นตอนนี้ทำให้แผนที่องค์ความรู้ไม่ได้แสดงเพียงว่า “มีงานวิจัยอะไร” แต่ยังช่วยตรวจสอบต่อว่า “งานวิจัยที่มีตอบสิ่งที่ประเทศจำเป็นต้องรู้หรือไม่” จากนั้นจึงขยับไปสู่ ขั้นตอนที่ 5 การนำข้อมูลที่ได้จับคู่งานวิจัยกับโจทย์นโยบาย (Match Supply and Demand) โดยใช้ระบบค้นคืนหลักฐานร่วมกับ AI เพื่อค้นและจับคู่ atomic notes ที่เกี่ยวข้องกับความต้องการความรู้แต่ละข้อ โดยการวิเคราะห์ในขั้นนี้พิจารณาองค์ประกอบ 3 ส่วน ได้แก่ (1) หลักฐานจากงานวิจัยที่มีอยู่ (Knowledge supply) (2) ความรู้ที่นโยบายและผู้ปฏิบัติต้องการ (Knowledge demand) และ (3) การพิจารณาว่าหลักฐานที่มีตอบความต้องการนั้นได้เพียงใด (Evidence matching)
ในขั้นตอนที่ 6 การวิเคราะห์ช่องว่าง (Gap Analysis) เป็นการพิจารณาช่องว่างทั้งตามกรอบแผนงานวิจัยและตามความต้องการเชิงนโยบาย โดย AI มีบทบาทในการช่วยรวบรวมและร่างผลการสังเคราะห์เบื้องต้น ก่อนให้นักวิจัยตรวจสอบทานความถูกต้อง ทั้งนี้ ในขั้นตอนการสรุปผู้วิจัยตั้งข้อควรพึงระวังว่าการ “มีงานวิจัยน้อย” ไม่เท่ากับ “ไม่มีองค์ความรู้” เสมอไป เนื่องจากจำนวนข้อมูลที่พบอาจขึ้นอยู่กับขอบเขตและวิธีการค้นหา คุณภาพของข้อมูล คำอธิบายชุดข้อมูล ตลอดจนความครอบคลุมของฐานข้อมูลที่นำมาวิเคราะห์
สำหรับ 2 ขั้นตอนสุดท้าย จำเป็นต้องอาศัย ‘มนุษย์’ หรือ ‘นักวิจัย’ ในการตรวจสอบข้อค้นพบและแปลงช่องว่างที่ค้นพบไปสู่โจทย์วิจัยที่นำไปใช้ต่อได้ โดย ขั้นตอนที่ 7 การนำข้อค้นพบที่ได้ตรวจสอบกับผู้เชี่ยวชาญ (Validation) ซึ่งเน้นการตรวจสอบเทียบกับความเห็นและประสบการณ์ของผู้เชี่ยวชาญ เพื่อพิจารณาว่าผลจากฐานข้อมูลสอดคล้องกับสถานการณ์จริงหรือไม่ และสุดท้ายคือ ขั้นตอนที่ 8 การแปลงช่องว่างเป็นโจทย์วิจัย (Research Questions and PMU) โดยนำช่องว่างที่ผ่านการตรวจสอบแล้วมาพัฒนาเป็นคำถามวิจัย และพิจารณาว่าหน่วยบริหารจัดการทุนใดควรมีบทบาทสนับสนุน เพื่อให้ข้อค้นพบจากการสังเคราะห์สามารถนำไปใช้กำหนดทิศทางและจัดสรรทุนวิจัยของประเทศได้ต่อไป
เห็นได้ว่ากระบวนการทั้ง 8 ขั้นตอน ต้องอาศัยการทำงานคู่ขนานกันระหว่าง ‘AI’ กับ ‘มนุษย์’ เนื่องจากให้ความสำคัญกับ ‘มาตรการกํากับดูแล AI อย่างเคร่งครัด’ (AI Governance) ตั้งแต่การออกแบบและการประมวลผลและคําสั่ง (prompt engineering) ต้องโปร่งใส และมีกระบวนการตรวจสอบข้อมูลย้อนกลับไปยังแหล่งอ้างอิงต้นทาง ซึ่งเป็นแนวทางที่เรียกว่า “การสังเคราะห์หลักฐานโดยมีมนุษย์กำกับ” หรือ “Human-Guided Evidence Synthesis” ซึ่งยึดหลักการสำคัญ 4 ข้อ ได้แก่ (1) นักวิจัยเป็นผู้กำหนดคำถามและเกณฑ์ก่อนใช้ AI (2) ทุกข้อสรุปต้องเชื่อมกลับไปยังหลักฐานต้นทางได้ (3) แยกขั้นตอนการสร้างคำตอบออกจากขั้นตอนการตรวจสอบและทวนสอบ และ (4) นำผลลัพธ์ไปใช้ต่อเมื่อผ่านการตรวจแหล่งอ้างอิงและเกณฑ์ที่กำหนดแล้ว แนวทางนี้จะช่วยป้องกันปัญหาการประมวลผลผิดพลาดและช่วยให้ผลลัพธ์จากการสังเคราะห์มีความถูกต้อง แม่นยําและเป็นไปตามมาตรฐานวิชาการระดับสูง
03 – โอกาสและข้อจำกัด: AI ทุ่นแรง แต่มนุษย์ต้อง ‘เท่าทัน’ และ ‘ควบคุมเป็น’
การนำ AI มาใช้ในกระบวนการทั้ง 8 ขั้นตอนข้างต้น ภายใต้การกำกับดูแลของนักวิจัยและผู้เชี่ยวชาญ เป็นโอกาสแห่งยุคสมัยที่งานวิจัยปัจจุบันและอนาคตสามารถปรับตัวเรียนรู้เพื่อใช้ประโยชน์จากเครื่องมือนี้ให้ได้มากที่สุด โดยเฉพาะการช่วยจัดการเอกสารจำนวนมากและหลากหลายรูปแบบ รวมถึงเป็นการช่วยลดเวลาในการค้นหาและจัดกลุ่มหลักฐานเบื้องต้น การช่วยเชื่อมโยงงานวิจัยที่กระจายอยู่ต่างสาขา และทำให้การค้นคืนหลักฐานตามคำถามเชิงนโยบายได้เป็นระบบ เหล่านี้จะช่วยยกระดับองค์ความรู้ด้านการเปลี่ยนแปลงสภาพภูมิอากาศและประเด็นอื่น ๆ ที่เกี่ยวข้องให้กระชับ ถูกต้อง และนำไปต่อยอดทั้งเชิงนวัตกรรมและนโยบายได้อย่างทันท่วงที
อย่างไรก็ดี แม้การใช้ AI จะมีประโยชน์ไม่น้อยต่อการศึกษา วิเคราะห์ และจัดการองค์ความรู้ด้านการเปลี่ยนแปลงสภาพภูมิอากาศ แต่ไม่อาจปฏิเสธได้ว่ามีข้อจำกัดและความเสี่ยงที่พึงพิจารณาควบคู่ไปด้วยอย่างน้อย 4 ประการ ได้แก่ (1) การพึ่งพาคุณภาพของข้อมูลที่ใช้ทดลอง ซึ่งหากมีความลําเอียงเชิงพื้นที่หรือเวลา อาจทําให้ผลลัพธ์ไม่สอดคล้องกับความเป็นจริง (2) ความเสี่ยงด้านความเท่าเทียมของการใช้ AI เนื่องจากประเทศกําลังพัฒนารวมถึงภูมิภาคเอเชียตะวันออกเฉียงใต้มักมีข้อมูลสําหรับฝึกฝนโมเดลน้อยกว่าประเทศพัฒนาแล้ว เครื่องมือ AI ด้านภูมิอากาศจึงอาจมีความแม่นยําตํ่ากว่าในภูมิภาคที่เปราะบางที่สุด [3] ทำให้อาจขยายความไม่เท่าเทียมด้านข้อมูลที่เพิ่มขึ้น (3) ความจําเป็นที่ต้องมีผู้เชี่ยวชาญโดเมนตรวจสอบผลลัพธ์ควบคู่ไปเสมอ โดยเฉพาะในขั้นตอนการประเมินคุณภาพหลักฐานและการตีความบริบท และ (4) ต้นทุนด้านคอมพิวเตอร์ พลังงาน และคาร์บอนฟุตพริ้นท์ (carbon footprint) ของ AI เอง ซึ่งเป็นประเด็นย้อนแย้งเชิงจริยธรรมที่ถูกกล่าวถึงมากขึ้นในวรรณกรรมล่าสุด ทั้งนี้ประเด็นดังกล่าวยังอยู่ระหว่างการถกเถียงและยังไม่มีข้อสรุปเชิงปริมาณที่เป็นที่ยอมรับร่วมกัน
เช่นนั้นเอง AI จึงควรถูกใช้ในฐานะเครื่องมือช่วยเพิ่มความเร็วและขยายขอบเขตของการสังเคราะห์งานวิจัย มิใช่ตัวแทนการตัดสินใจเชิงวิชาการ การใช้งานต้องมีกลไกตรวจสอบโดยนักวิจัยและผู้เชี่ยวชาญเฉพาะด้านควบคู่กัน ตั้งแต่การกำหนดคำถาม การประเมินหลักฐาน ไปจนถึงการยืนยันข้อสรุป ซึ่งเป็นหลักการสำคัญที่โครงการนี้ยึดถือในการออกแบบระเบียบวิธีและพร้อมเปิดรับรับข้อเสนอแนะเพิ่มเติมจากผู้อ่านและผู้ทรงคุณวุฒิเพื่อปรับปรุงต่อไป
04 – บทสรุป
การประยุกต์ใช้ AI ซึ่งเป็นเทคโนโลยีสร้างสรรค์มาเติมเต็มช่องว่างการศึกษาวิจัยเพื่อหนุนเสริมและจัดการองค์ความรู้ด้านการเปลี่ยนแปลงสภาพภูมิอากาศไม่เพียงช่วยให้รับมือกับข้อมูลขนาดใหญ่และกระจัดกระจายได้ดีขึ้นเท่านั้น เเต่ยังเป็นทางเลือกที่ช่วยให้การศึกษาประเด็นวิกฤตการณ์สิ่งแวดล้อมร่วมสมัยสามารถดำเนินได้อย่างสะดวกและรวดเร็วมากขึ้นเพื่อให้ทันต่อการตั้งรับปรับตัวต่อสถานการณ์การเปลี่ยนเเปลงสภาพภูมิอากาศที่รุนเเรงขึ้นทุกปี
ข้อค้นพบของการใช้ AI สำหรับการวิจัยภายใต้ โครงการสังเคราะห์และประมวลผลงานวิจัยด้านการเปลี่ยนแปลงสภาพภูมิอากาศ จึงสรุปได้ว่า AI เป็นเครื่องมือที่มีประโยชน์ซึ่งสามารถทดเเทนการใช้แรงมนุษย์ได้ในหลายขั้นตอน เช่น การอ่านและย่อยเอกสาร เเละการจัดหมวดหลักฐาน อย่างไรก็ดี ในขั้นตอนการป้อนข้อมูลและการตรวจทานความถูกต้องก่อนสรุปหรือเผยเเพร่งานวิจัย ยังจำเป็นต้องอาศัยมนุษย์ เช่น ผู้เชี่ยวชาญหรือผู้มีประสบการณ์ต่อประเด็นที่วิจัย ในการตรวจสอบย้อนกลับเพื่อให้เเน่ใจว่าจะได้ข้อสรุปที่ถูกต้องเเม่นยำ ไม่ใช่สะดวกและรวดเร็วเท่านั้น
อติรุจ ดือเระ – ผู้เรียบเรียง
แพรวพรรณ ศิริเลิศ – พิสูจน์อักษร
วิจย์ณี เสนแดง – ภาพประกอบ
● สามารถติดตามบทความที่เกี่ยวข้องกับโครงการ ได้ที่นี่
บทความฉบับนี้จัดทำขึ้นภายใต้ โครงการสังเคราะห์และประมวลผลงานวิจัยด้านการเปลี่ยนแปลงสภาพภูมิอากาศ โดยความร่วมมือระหว่าง กรมการเปลี่ยนแปลงสภาพภูมิอากาศและสิ่งแวดล้อม และ ศูนย์วิจัยและสนับสนุนเป้าหมายการพัฒนาที่ยั่งยืน (SDG Move) คณะเศรษฐศาสตร์ มหาวิทยาลัยธรรมศาสตร์ เพื่อรวบรวม สังเคราะห์ และสื่อสารองค์ความรู้ที่สนับสนุนการกำหนดทิศทางงานวิจัยและนโยบายด้านการเปลี่ยนแปลงสภาพภูมิอากาศของประเทศไทย
รายการอ้างอิง
[1] Nature Communications. (2025). Scientific literature on carbon dioxide removal revealed as much larger through AI-enhanced systematic mapping. https://www.nature.com/articles/s41467-025-61485-8.
[2] TIB Hannover. (n.d.). Climate Knowledge Graph (#ClimateKG). GitHub. https://github.com/TIBHannover/climate-knowledge-graph.
[3] Environmental Science and Pollution Research. (2025). Predictive modeling of climate change impacts using artificial intelligence: A review for equitable governance and sustainable outcome. Springer. https://link.springer.com/article/10.1007/s11356-025- 36356-w.
