สวัสดีครับทุกคน วันนี้เราจะมาสวมหมวกเป็น “นักสร้างแบบจำลอง” (Modeler) กันนะครับ หลายคนอาจจะสงสัยว่า คณิตศาสตร์ที่ดูแห้งแล้งบนกระดานดำ จะช่วยกอบกู้โลกให้ยั่งยืนตามเป้าหมาย SDGs (Sustainable Development Goals) ของสหประชาชาติได้อย่างไร?

ความจริงก็คือ คณิตศาสตร์คือภาษาที่ใช้แปลปัญหาโลกที่ซับซ้อน ให้กลายเป็นโครงสร้างที่แก้ได้ด้วยเหตุและผล ครับ ถ้าพร้อมแล้ว เรามาเริ่มเรียนกันเลย

1. แบบจำลองคณิตศาสตร์คืออะไร? (The Blueprint)

ในเชิงวิชาการ แบบจำลองคณิตศาสตร์ (Mathematical Model) คือการใช้สมการหรือความสัมพันธ์ทางคณิตศาสตร์เพื่ออธิบายพฤติกรรมของระบบในโลกจริง ไม่ว่าจะเป็นการแพร่ระบาดของโรค, การเปลี่ยนแปลงสภาพภูมิอากาศ หรือการกระจายรายได้

หากจะเขียนให้เป็นรูปธรรมที่สุด เรามักจะมองในรูปของฟังก์ชัน:

• $y$: คือผลลัพธ์ที่เราสนใจ (เช่น ปริมาณก๊าซคาร์บอน, ระดับความยากจน)

• $x$: คือปัจจัยที่เราควบคุมได้หรือสังเกตได้

• $\theta$: คือพารามิเตอร์หรือเงื่อนไขของระบบ

• $\epsilon$: คือความไม่แน่นอน (Uncertainty) ที่เราต้องจัดการ

2. คณิตศาสตร์เข้าไปช่วย SDGs ได้อย่างไร?

เป้าหมายการพัฒนาที่ยั่งยืน 17 ประการ (17 SDGs) นั้นมีความเชื่อมโยงกันอย่างมหาศาลครับ คณิตศาสตร์ช่วยเราใน 3 ด้านหลัก:

ก. การทำนาย (Prediction) – SDG 13: Climate Action

เราใช้ระบบสมการเชิงอนุพันธ์ (Differential Equations) เพื่อจำลองการไหลเวียนของกระแสน้ำและชั้นบรรยากาศ หากเราปล่อย CO2 เพิ่มขึ้น $n$% อุณหภูมิโลกจะสูงขึ้นเท่าไหร่? คณิตศาสตร์คือเครื่องมือเดียวที่ให้คำตอบก่อนที่เหตุการณ์จริงจะสายเกินแก้

ข. การหาค่าที่เหมาะสมที่สุด (Optimization) – SDG 2 & 7

ในโลกที่มีทรัพยากรจำกัด เราจะทำอย่างไรให้เกิดประโยชน์สูงสุด?

• SDG 2 (Zero Hunger): ใช้ Linear Programming เพื่อคำนวณสูตรปุ๋ยหรือการกระจายอาหารให้ถึงมือผู้ยากไร้ด้วยต้นทุนขนส่งที่ต่ำที่สุด

• SDG 7 (Affordable and Clean Energy): การบริหารจัดการโครงข่ายไฟฟ้า (Smart Grid) ว่าจะดึงพลังงานจากแสงอาทิตย์หรือลมมาใช้ในช่วงเวลาไหนจึงจะเสถียรที่สุด

ค. การประเมินความเหลื่อมล้ำ – SDG 10: Reduced Inequalities

เราใช้ดัชนีทางสถิติ เช่น Gini Coefficient ซึ่งคำนวณจากพื้นที่ใต้เส้นโค้ง Lorentz (การประยุกต์ใช้ Calculus) เพื่อบอกว่าความมั่งคั่งในประเทศกระจุกตัวเกินไปหรือไม่

3. ขั้นตอนการสร้างแบบจำลองเพื่อความยั่งยืน

หากนักศึกษาอยากจะสร้างโมเดลขึ้นมาสักตัว ให้เดินตาม Step นี้ครับ:

1. Identification (ระบุปัญหา): เลือก SDG ที่สนใจ เช่น ปัญหาขยะในชุมชน

2. Formulation (สร้างสมการ): เปลี่ยนปัจจัยต่างๆ เป็นตัวแปร เช่น ให้ $R(t)$ คือปริมาณขยะรีไซเคิล ณ เวลา $t$

3. Solution (หาคำตอบ): ใช้ระเบียบวิธีเชิงตัวเลข (Numerical Methods) หรือซอฟต์แวร์ช่วยคำนวณ

4. Validation (ตรวจสอบ): นำผลลัพธ์ไปเทียบกับข้อมูลจริงในอดีต ว่าโมเดลเรา “แม่น” แค่ไหน

5. Policy Recommendation (ข้อเสนอแนะ): นำตัวเลขที่ได้ไปบอกผู้บริหารเมืองว่า “ถ้าเราเพิ่มถังขยะแยกประเภทอีก 20% จะลดขยะตกค้างได้ 15% ครับ”

4. ตัวอย่างโมเดลที่น่าสนใจ: การเติบโตของประชากร (SDG 11)

เพื่อให้เห็นภาพ ครูขอแนะนำสมการคลาสสิกอย่าง Logistic Growth Model ที่ใช้วางแผนเมืองยั่งยืน:

• $P$: คือประชากร

• $r$: คืออัตราการเติบโต

• $K$: คือ Carrying Capacity (ขีดความสามารถในการรองรับของทรัพยากร)

สมการนี้บอกเราว่า เมืองไม่สามารถโตไปได้เรื่อยๆ โดยไม่มีที่สิ้นสุด คณิตศาสตร์เตือนให้เราเตรียมระบบสาธารณูปโภคให้สมดุลกับค่า $K$ ก่อนที่ระบบจะพังทลาย

สรุป: คณิตศาสตร์ไม่ใช่แค่เรื่องของตัวเลข

การสร้างแบบจำลองเพื่อความยั่งยืน ไม่ได้ทำเพื่อหาคำตอบที่ “สวยงาม” ที่สุดในกระดาษ แต่ทำเพื่อหาคำตอบที่ “เป็นไปได้จริง” และ “ยุติธรรม” ที่สุดสำหรับโลกใบนี้ครับ

คณิตศาสตร์คือแว่นตาที่ช่วยให้เรามองเห็นความจริงที่ซ่อนอยู่ในข้อมูลมหาศาล และช่วยให้เราตัดสินใจเพื่ออนาคตได้อย่างแม่นยำ