ท่ามกลางวิกฤตการณ์การเปลี่ยนแปลงสภาพภูมิอากาศที่ทวีความรุนแรง การจำกัดอุณหภูมิโลกไม่ให้สูงเกิน 2 องศาเซลเซียสภายในปี 2100 ถือเป็นเงื่อนไขสำคัญในการรักษาความมั่นคงและความมั่งคั่งของสังคมโลก เบธานี แพตเทน (Bethany Patten) ผู้อำนวยการบริหารศูนย์นโยบายสภาพภูมิอากาศแห่ง MIT (MIT’s Climate Policy Center) กล่าวปาฐกถในงาน The Powering Southeast Asia through 2050: Building a Sustainable and Energy-Resilient ASEAN Conference จัดโดย MIT Sloan ASEAN Office (MSAO) โดยระบุถึงช่องว่างขนาดใหญ่ระหว่างคำมั่นสัญญาระดับนานาชาติกับผลลัพธ์ที่เป็นจริงในการลดการปล่อยก๊าซเรือนกระจก สถานการณ์ดังกล่าวผลักดันให้โลกต้องการเครื่องมือที่น่าเชื่อถือเพื่อจำลองฉากทัศน์ในอนาคตและเร่งหาแนวทางแก้ไขปัญหาให้ทันท่วงที
เปลี่ยนวิถีการนำเสนอข้อมูลสู่การจำลองสถานการณ์จริง
ศูนย์นโยบายสภาพภูมิอากาศแห่ง MIT ร่วมกับ Climate Interactive และ MIT Sloan ได้พัฒนาเครื่องมือจำลองนโยบายภูมิอากาศที่ชื่อว่า En-ROADS ขึ้น โดยมีเป้าหมายเพื่อสนับสนุนกระบวนการตัดสินใจของผู้บริหารระดับสูงทั้งในภาคธุรกิจ ภาครัฐ และภาคประชาสังคม เบธานีอ้างถึงแนวคิดของ จอห์น สเตอร์แมน ศาสตราจารย์จาก MIT ที่ระบุว่าการนำเสนองานวิจัยในรูปแบบเดิมมักไม่ก่อให้เกิดการเปลี่ยนแปลงพฤติกรรม ผู้คนไม่ต้องการเพียงแค่รับฟังการนำเสนอผ่านสไลด์และรับคำสั่งว่าควรปฏิบัติตนอย่างไร แต่ต้องการเรียนรู้ผ่านการลงมือทำด้วยตนเองเพื่อทดสอบสมมติฐานต่างๆ
แนวคิดการเรียนรู้เชิงรุกนี้ทำให้ En-ROADS ถูกนำไปใช้งานอย่างแพร่หลาย โดยมีผู้ใช้งานแล้วเกือบ 500,000 คนใน 184 ประเทศทั่วโลก ความสำเร็จดังกล่าวขับเคลื่อนผ่านเครือข่ายทูตสิ่งแวดล้อม (Ambassadors) ที่ผ่านการฝึกอบรมกว่า 1,000 คน ใน 91 ประเทศ รวมถึงตัวแทนในภูมิภาคนี้ บุคลากรเหล่านี้ทำหน้าที่นำแบบจำลองไปถ่ายทอดความรู้สู่ชุมชนท้องถิ่น ศาสนสถาน สถานที่ทำงาน ตลอดจนหน่วยงานภาครัฐ เพื่อแสดงให้เห็นถึงแนวทางปฏิบัติที่เป็นไปได้ในการลดการปล่อยก๊าซเรือนกระจก
นอกจากนี้ ภายใต้โครงการ Climate Pathways ยังมุ่งเน้นสร้างการมีส่วนร่วมกับผู้นำระดับสูง ทั้งสมาชิกรัฐสภาสหรัฐฯ ฝ่ายบริหาร ผู้ว่าการรัฐ นายกเทศมนตรี และคู่เทียบในต่างประเทศ รวมถึงผู้นำภาคธุรกิจและภาคประชาสังคม ยิ่งไปกว่านั้น เครื่องมือนี้ยังถูกบรรจุเป็นส่วนหนึ่งของหลักสูตรการเรียนการสอนในมหาวิทยาลัยกว่า 300 แห่งทั่วโลก เพื่อทำหน้าที่บ่มเพาะและเตรียมความพร้อมให้กับผู้นำรุ่นต่อไปในการรับมือกับวิกฤติสภาพภูมิอากาศ
การยอมรับจากผู้นำระดับโลกและภาคการลงทุน
เครื่องมือนี้ได้รับการรับรองจากบุคคลสำคัญหลายวงการ รวมถึง จอห์น เคอร์รี อดีตทูตพิเศษด้านสภาพภูมิอากาศของสหรัฐฯ ที่ยกย่องให้เป็นจุดเปลี่ยนสำคัญของการทำงานด้านนี้ และ จอห์น โฮลเดรน อดีตที่ปรึกษาด้านวิทยาศาสตร์ของทำเนียบขาว ที่ใช้ข้อมูลจากแบบจำลองในการสรุปผลงานต่อประธานาธิบดี
ในขณะเดียวกัน ภาคการเงินการลงทุนอย่างบริษัท AllianceBernstein ได้นำ En-ROADS ไปใช้เป็นเครื่องมือวิเคราะห์ความเสี่ยงด้านภูมิอากาศเพื่อกำหนดทิศทางการบริหารจัดการพอร์ตการลงทุน สะท้อนให้เห็นว่าเครื่องมือทางวิทยาศาสตร์สามารถบูรณาการเข้ากับกลยุทธ์ทางธุรกิจและการกำหนดนโยบายสาธารณะได้อย่างเป็นรูปธรรม
ความโปร่งใสและความยืดหยุ่นของฐานข้อมูล
ความโดดเด่นของ En-ROADS อยู่ที่การเป็นโมเดลที่พัฒนาร่วมกันระหว่าง Climate Interactive ซึ่งแยกตัวออกมาจากโครงการนโยบายเทคโนโลยีของ MIT นำโดยศิษย์เก่า ดรูว์ โจนส์ และ MIT Sloan โดยยึดหลักความโปร่งใสและการเข้าถึงได้ง่าย ฐานข้อมูลอ้างอิงจากแหล่งที่ได้รับการยอมรับระดับสากล เช่น สำนักงานพลังงานสากล (IEA) คณะกรรมการระหว่างรัฐบาลว่าด้วยการเปลี่ยนแปลงสภาพภูมิอากาศ (IPCC) และข้อมูลด้านพลังงานของสหรัฐฯ ผู้ใช้งานสามารถเข้าถึงได้ฟรีผ่านเว็บเบราว์เซอร์
ความโปร่งใสในที่นี้หมายถึงการเปิดเผยสมการเบื้องหลังทั้งหมดให้ตรวจสอบได้ มีเอกสารกำกับ และระบุเวอร์ชันชัดเจน โมเดลได้รับการสอบทานเทียบกับแบบจำลองหลักอื่นๆ แต่มีข้อได้เปรียบสำคัญคือความเร็วในการประมวลผลที่ใช้เวลาเพียงระดับมิลลิวินาที ทำให้เห็นผลลัพธ์ทันที ต่างจากโมเดลขนาดใหญ่ทั่วไปที่อาจต้องใช้เวลาประมวลผลนานหลายสัปดาห์
คุณสมบัติสำคัญอีกประการคือความยืดหยุ่น ซึ่งเป็นประโยชน์อย่างยิ่งในสภาพแวดล้อมที่มีความเห็นต่าง หากผู้ใช้งานไม่เห็นด้วยกับสมมติฐานตั้งต้นของโมเดล ก็สามารถปรับเปลี่ยนค่าพารามิเตอร์ต่างๆ ให้สอดคล้องกับข้อมูลวิทยาศาสตร์ที่ตนเชื่อถือได้ ความสามารถนี้ช่วยเปิดพื้นที่สำหรับการเจรจาพูดคุยกับทุกฝ่าย รวมถึงผู้ที่มีความกังขา เพื่อทดสอบสมมติฐานร่วมกันโดยไม่จำกัดฝ่าย เบธานีเน้นย้ำว่า เป้าหมายของเครื่องมือนี้ไม่ใช่การทำนายตัวเลขที่แน่นอน (Point Prediction) แต่เป็นการสร้างพื้นฐานสำหรับการสนทนา (Grounding Conversations) เพื่อให้เห็นภาพว่าหากเกิดฉากทัศน์หนึ่งขึ้น โลกจะเป็นอย่างไร ภายใต้หลักการทำงานแบบ “อ่างอาบน้ำ” ที่พิจารณาแหล่งที่มาของการปล่อยก๊าซเรือนกระจกเปรียบเทียบกับอัตราการดูดซับออกจากชั้นบรรยากาศ เพื่อหาทางลดปริมาณก๊าซสะสมและลดอุณหภูมิโลกในที่สุด
บทเรียนจากฉากทัศน์พลังงานและเทคโนโลยี
จากการสาธิตหน้าจอแสดงผลหลักที่ประกอบด้วยกราฟแหล่งพลังงานปฐมภูมิและการปล่อยก๊าซเรือนกระจก เบธานีได้นำเสนอผลลัพธ์จากการปรับเปลี่ยนตัวแปรสำคัญหลายด้านเพื่อให้เห็นภาพพลวัตของระบบที่ซับซ้อน เริ่มจากการทดลองลดการใช้ถ่านหินอย่างเต็มรูปแบบ กราฟแสดงผลชี้ให้เห็นว่าแม้ผลต่ออุณหภูมิโลกอาจต้องใช้เวลา แต่สิ่งที่เกิดขึ้นทันทีคือประโยชน์ร่วมด้านสุขภาพ โดยปริมาณฝุ่นละอองขนาดเล็ก หรือ PM 2.5 ในอากาศลดลงอย่างมีนัยสำคัญ
ในประเด็นด้านการขนส่ง เมื่อทดลองเปลี่ยนยานพาหนะเป็นไฟฟ้า (EV) เพียงอย่างเดียว ผลลัพธ์ระบุว่าช่วยลดอุณหภูมิโลกได้เพียงเล็กน้อยประมาณ 0.2 องศาเซลเซียส เนื่องจากแหล่งผลิตไฟฟ้าต้นทางยังคงพึ่งพาเชื้อเพลิงฟอสซิล ดังนั้นการแก้ปัญหาที่มีประสิทธิภาพจึงจำเป็นต้องใช้มาตรการผสมผสาน โดยต้องทำควบคู่ไปกับการเพิ่มสัดส่วนพลังงานหมุนเวียนจึงจะเห็นผลลัพธ์ที่ชัดเจน
สำหรับการทดสอบสมมติฐานด้านประชากร หากมีการลดอัตราการเติบโตของประชากรลงตามคาดการณ์ขั้นต่ำของสหประชาชาติ พบว่าการปล่อยก๊าซเรือนกระจกจะลดลงเพียงเล็กน้อยและมีความล่าช้า โดยผลลัพธ์จะเริ่มปรากฏชัดเจนในช่วงหลังปี 2060 เนื่องจากโครงสร้างประชากรต้องใช้เวลาหลายทศวรรษในการเปลี่ยนแปลง
ในส่วนของกลไกราคาคาร์บอน เมื่อทดลองกำหนดราคาที่ 35 ดอลลาร์สหรัฐต่อตัน เทียบกับค่าเฉลี่ยโลกปัจจุบันที่ประมาณ 5 ดอลลาร์ พบว่าส่งผลให้ความต้องการใช้พลังงานลดลงเล็กน้อยและราคาพลังงานสูงขึ้น แต่ยังไม่สร้างผลกระทบต่ออุณหภูมิมากนักหากราคาไม่สูงเพียงพอ ขณะที่มาตรการด้านป่าไม้ การหยุดตัดไม้ทำลายป่าและการปลูกป่าใหม่ช่วยบรรเทาปัญหาได้ระดับหนึ่ง แต่ต้องใช้เวลานานกว่าต้นไม้จะเติบโตเต็มที่เพื่อดูดซับคาร์บอน
นอกจากนี้ เบธานียังเน้นย้ำถึงปัจจัยทางเศรษฐกิจและเทคโนโลยีอุบัติใหม่อย่างปัญญาประดิษฐ์ (AI) ที่เปรียบเสมือนแรงกระแทกใหม่ต่อระบบความต้องการพลังงาน หากมีการใช้งาน AI อย่างแพร่หลายโดยไม่มีมาตรการเพิ่มประสิทธิภาพการใช้พลังงานรองรับ จะส่งผลให้กราฟการใช้พลังงานและการปล่อยก๊าซเรือนกระจกพุ่งสูงขึ้น สวนทางกับเป้าหมายการลดอุณหภูมิโลก
สร้างการเรียนรู้ผ่านผลลัพธ์ที่รวดเร็ว
เบธานีเน้นย้ำว่า เป้าหมายสำคัญของการใช้ En-ROADS ไม่ใช่เพียงการแสดงให้เห็นคำตอบสำเร็จรูปหรือบอกเส้นทางที่ถูกต้องที่สุด แต่คือการเปิดโอกาสให้ผู้นำและผู้ใช้งานได้ท้าทาย “แบบจำลองความคิด” (Mental Models) ของตนเอง บ่อยครั้งที่ผู้ใช้งานมีความเชื่อฝังใจว่ามาตรการบางอย่างจะสร้างผลกระทบมหาศาล แต่เมื่อทดลองปรับค่าในโมเดลกลับพบว่าส่งผลเพียงเล็กน้อย หรือในทางกลับกัน มาตรการที่ถูกมองข้ามกลับสร้างผลลัพธ์ที่ยิ่งใหญ่ การได้เห็นความคลาดเคลื่อนระหว่างความเชื่อกับความจริงผ่านหน้าจอคือกระบวนการเรียนรู้ที่มีประสิทธิภาพที่สุด
กระบวนการนี้ถูกเปรียบเทียบกับการเล่นกอล์ฟ หากนักกอล์ฟตีลูกแล้วเห็นผลลัพธ์ทันทีว่าลูกไปในทิศทางใด พวกเขาจะสามารถรับรู้ข้อผิดพลาดและปรับปรุงวงสวิงได้ทันท่วงที แต่หากต้องรอผลลัพธ์นานเป็นสัปดาห์ นักกอล์ฟย่อมไม่สามารถจดจำได้ว่าตนทำอะไรผิดพลาดไปในตอนต้น หลักการเดียวกันนี้ถูกนำมาใช้กับ En-ROADS คือการลดช่วงเวลาแห่งความล่าช้า (Close the delay time) ระหว่างการตัดสินใจดำเนินนโยบายกับผลลัพธ์ที่เกิดขึ้น เพื่อให้ผู้ใช้งานเกิดการเรียนรู้และเข้าใจผลกระทบอย่างลึกซึ้ง
ทั้งนี้ ทางศูนย์นโยบายสภาพภูมิอากาศแห่ง MIT มีความพร้อมในการจัดกิจกรรมเวิร์กช็อปทั้งในรูปแบบออนไลน์และออฟไลน์ สำหรับภาคธุรกิจและหน่วยงานภาครัฐ เพื่อใช้เครื่องมือนี้เป็นสื่อกลางในการสร้างบทสนทนาและร่วมกันออกแบบอนาคตที่ยั่งยืนต่อไป
ข่าวอื่น ๆ ที่น่าสนใจ
กลยุทธ์เพื่อสิ่งแวดล้อม ช่วยเพิ่มผลประกอบการหรือไม่
จุฬาฯ เปิด ‘ศูนย์กันก่อนท่วม’ ชูโมเดลรุกฆาตแก้ต้นน้ำ รับมือวิกฤติปี 69
