ดร.รัสรินทร์ ชินโชติธีรนันท์ CEO บริษัท ListenField จำกัด
ในยุคที่เทคโนโลยีก้าวกระโดด หลายคนอาจมองว่า “เกษตรกรกับเทคโนโลยีเป็นเรื่องเพ้อฝัน เกษตรกรมีหน้าที่ในการปลูก ใส่ปุ๋ย และกำจัดศัตรูพืชเท่านั้น”
แต่หากเรามองย้อนกลับไปเมื่อ 20 ปีที่แล้ว Steve Jobs ผู้ก่อตั้ง Apple ไม่ได้คิดแค่ว่าโทรศัพท์มีไว้เพื่อรับสายและโทรออกเท่านั้น เขากล้าที่จะฝันไกล จนทำให้เกิด iPhone ที่ทำให้โลกเกิดการเปลี่ยนแปลงครั้งใหญ่ที่ทำให้คนสามารถเข้าถึงคอมพิวเตอร์พกพาผ่านสิ่งที่เรียกว่าสมาร์ทโฟน และกลายเป็นส่วนหนึ่งของชีวิตเราในปัจจุบัน
ประเทศไทยเป็นประเทศเกษตรกรรมที่สำคัญของโลก มีพื้นที่เพาะปลูกกว่า 150 ล้านไร่ และส่งออกผลผลิตทางการเกษตรติดอันดับต้นๆ ของโลกในหลายพืช อย่างไรก็ตาม เมื่อพิจารณาถึงประสิทธิภาพการผลิต เรากลับพบว่าผลผลิตต่อไร่ของไทยยังต่ำกว่าหลายประเทศ [1]

การนำเทคโนโลยี AI มาประยุกต์ใช้ในภาคเกษตรกรรมไทยจึงเป็นโอกาสสำคัญในการเพิ่มประสิทธิภาพการผลิตและยกระดับคุณภาพชีวิตของเกษตรกร โดย AI สามารถเข้ามามีบทบาทสำคัญในหลายด้าน เช่น

นอกจากนั้นแล้ว ก็ยังมีเรื่องของการนำเอาข้อมูลมาประกอบเพื่อการตรวจสอบย้อนกลับถึงแหล่งที่มา ตลอดไปจนถึงการประเมินการปล่อยก๊าซเรือนกระจกด้วย
ตัวอย่างที่น่าสนใจคือ โครงการความร่วมมือระหว่างบริษัท ลิสเซินฟิลด์ จำกัด และ Kubota ที่พัฒนาระบบ AI เพื่อควบคุมเครื่องจักรกลการเกษตรอัจฉริยะ โดยเชื่อมโยงข้อมูลธาตุอาหารในดิน อัตราการเจริญเติบโตของพืช และสร้างแผนที่การให้ปุ๋ยที่เหมาะสม ผลลัพธ์คือสามารถลดปริมาณการใช้ปุ๋ยลงได้ ในขณะที่ผลผลิตกลับเพิ่มขึ้น ส่งผลให้เกษตรกรมีกำไรเพิ่มขึ้น โดยโครงการนี้ได้ดำเนินการต่อเนื่องเป็นระยะเวลา 2 ปีในพื้นที่แปลงข้าวที่จังหวัดฉะเชิงเทราและสระแก้วของประเทศไทย
ผลที่เกิดขึ้นแล้วคือ ลดการใช้ปุ๋ยลง 15% หรือคิดเป็นประมาณ 250 บาทต่อไร่ โดยผลผลิตยังเพิ่มขึ้นอีกกว่า 15% โดยเฉลี่ยแล้ว รายได้ที่เพิ่มขึ้นประมาณ 1,500 บาทต่อไร่

แม้ว่าเทคโนโลยีเหล่านี้อาจยังอยู่ในช่วงทดลองและพัฒนา แต่เราต้องไม่ลืมว่าการเปลี่ยนแปลงครั้งยิ่งใหญ่ทุกครั้งล้วนเริ่มต้นจากความกล้าฝัน ความมุ่งมั่นลงมือทำ และการพัฒนาอย่างต่อเนื่อง
การนำ AI มาใช้ในภาคเกษตรกรรมไทยไม่ใช่เพียงแค่การเพิ่มประสิทธิภาพการผลิต แต่ยังเป็นการสร้างโอกาสใหม่ๆ ให้กับเกษตรกรไทย ทำให้พวกเขาสามารถแข่งขันได้ในตลาดโลก และยกระดับคุณภาพชีวิตให้ดีขึ้น
ในขณะที่เราต้องไม่ละเลยการแก้ไขปัญหาพื้นฐานด้านโครงสร้าง ที่ดิน และแหล่งน้ำ การพัฒนาโครงสร้างพื้นฐานด้านข้อมูลและ AI ก็เป็นสิ่งสำคัญไม่แพ้กัน เพราะจะเป็นรากฐานสำคัญในการพัฒนาภาคเกษตรกรรมไทยในอนาคต
การนำ AI มาประยุกต์ใช้ในภาคเกษตรกรรมไทยไม่เพียงแต่จะช่วยเพิ่มประสิทธิภาพการผลิตเท่านั้น แต่ยังเป็นโอกาสสำคัญในการเสริมสร้างความแข็งแกร่งทางเศรษฐกิจของประเทศอีกด้วย เมื่อพิจารณาสถานการณ์การค้าระหว่างประเทศ เราพบว่าประเทศไทยกำลังเผชิญกับการเสียดุลการค้าให้กับประเทศจีนเป็นมูลค่าหลายแสนล้านบาท โดยเฉพาะในด้านสินค้าอุตสาหกรรมที่ไทยแทบจะไม่สามารถแข่งขันกับจีนได้เลย
อย่างไรก็ตาม ประเทศไทยยังคงมีข้อได้เปรียบที่สำคัญเหนือจีนในด้านการเกษตรและอาหาร กล่าวคือ ประเทศไทยเป็นผู้ส่งออกสินค้าเกษตรและอาหารที่สำคัญ โดยติดอันดับที่ 17 ของโลก ในขณะที่ประเทศจีนกลับเป็นผู้นำเข้าสินค้าเกษตรและอาหารที่ใหญ่ที่สุดในโลก ด้วยมูลค่าการนำเข้าสูงถึงหนึ่งแสนสองหมื่นล้านเหรียญสหรัฐ [7] ข้อมูลนี้ชี้ให้เห็นถึงโอกาสอันยิ่งใหญ่สำหรับภาคเกษตรกรรมไทยในการเพิ่มส่วนแบ่งตลาดในประเทศจีน การลงทุนในเทคโนโลยี AI สำหรับภาคเกษตรกรรมจึงไม่เพียงเป็นการพัฒนาประสิทธิภาพการผลิตเท่านั้น แต่ยังเป็นการวางรากฐานสำคัญในการเสริมสร้างความมั่นคงทางเศรษฐกิจของประเทศ โดยอาศัยจุดแข็งที่เรามีอยู่แล้วในด้านการเกษตรและอาหาร
ด้วยการผสมผสานระหว่างภูมิปัญญาดั้งเดิมของเกษตรกรไทย ความอุดมสมบูรณ์ของทรัพยากรธรรมชาติ และการประยุกต์ใช้เทคโนโลยี AI อย่างชาญฉลาด ประเทศไทยมีโอกาสที่จะก้าวขึ้นเป็นมหาอำนาจด้านการเกษตรและอาหารของโลกได้อย่างแท้จริง
พร้อมกับการสร้างความสมดุลทางการค้า และเสริมสร้างความมั่นคงทางเศรษฐกิจของประเทศในระยะยาว
การผสมผสานระหว่างภูมิปัญญาดั้งเดิมของเกษตรกรไทยกับเทคโนโลยี AI สมัยใหม่ จะเป็นกุญแจสำคัญในการยกระดับภาคเกษตรกรรมของไทย ให้สามารถแข่งขันได้อย่างมีประสิทธิภาพ พร้อมรับมือกับความท้าทายในศตวรรษที่ 21
แหล่งอ้างอิง:
[1] Food and Agriculture Organization of the United Nations. (2021). FAOSTAT Statistical Database.[2] Liakos, K. G., et al. (2018). Machine learning in agriculture: A review. Sensors, 18(8), 2674.
[3] Ferentinos, K. P. (2018). Deep learning models for plant disease detection and diagnosis. Computers and Electronics in Agriculture, 145, 311-318.
[4] https://india.mongabay.com/2019/09/artificial-intelligence-powered-app-for-banana-disease-detection-control/
[5] Kamilaris, A., et al. (2017). Deep learning in agriculture: A survey. Computers and Electronics in Agriculture, 147, 70-90.
[6] Tsang, Y. P., et al. (2021). Blockchain-driven IoT for food traceability with an integrated consensus mechanism. IEEE Access, 9, 12907-12923.
[7] https://finance.yahoo.com/news/top-20-food-exporting-countries-122951352.html?guccounter=2