สาหร่ายขนาดเล็กซึ่งเติบโตโดยอาศัยแสงและคาร์บอนไดออกไซด์ สามารถนำไปใช้ผลิตอาหารและวัตถุดิบสำหรับสัตว์ สีผสม และเชื้อเพลิงหมุนเวียนที่อาจผลิตได้ในอนาคต อย่างไรก็ตาม การเพาะเลี้ยงอย่างมีประสิทธิภาพในระดับอุตสาหกรรมทำได้ไม่ง่าย เพราะต้องควบคุมทั้งแสง อุณหภูมิ pH (ระดับความเป็นกรดหรือด่าง) และความเข้มข้นของออกซิเจนระหว่างกระบวนการเพาะเลี้ยง

งานวิจัยและกรณีทดลองเมื่อไม่นานมานี้แสดงให้เห็นว่า ปัญญาประดิษฐ์ (AI) อาจช่วยสนับสนุนการจัดการดังกล่าวได้ กล่าวคือ AI อาจวิเคราะห์สภาวะการเจริญเติบโตจากข้อมูลที่ได้จากเซ็นเซอร์และภาพ และช่วยปรับเงื่อนไขการเดินระบบ เช่น การจ่ายคาร์บอนไดออกไซด์หรือค่า pH อย่างไรก็ตาม นี่ไม่ได้หมายความว่า AI ได้พิสูจน์แล้วว่าช่วยเพิ่มผลผลิตหรือความคุ้มค่าทางเศรษฐกิจในการผลิตระดับอุตสาหกรรม

ภูมิหลังและบริบท

สาหร่ายขนาดเล็กเป็นสิ่งมีชีวิตขนาดเล็กที่พบได้มากในทะเล แม่น้ำ และทะเลสาบ โดยเปลี่ยนแสงผ่านการสังเคราะห์ด้วยแสงให้เป็นสารประกอบอินทรีย์ เช่น โปรตีน ไขมัน และคาร์โบไฮเดรต ในเครื่องปฏิกรณ์ชีวภาพด้วยแสง (อุปกรณ์เพาะเลี้ยงจุลินทรีย์โดยใช้แสง) ที่ใช้เพาะเลี้ยงสาหร่ายขนาดเล็ก จำเป็นต้องรักษาสภาวะการเพาะเลี้ยงให้เหมาะสม

สภาวะต่าง ๆ ส่งผลต่อกันและกัน หากแสงไม่เพียงพอ การสังเคราะห์ด้วยแสงก็จะถูกจำกัด ส่วนแสงที่แรงเกินไปอาจทำให้เกิดการยับยั้งด้วยแสง (ภาวะที่ประสิทธิภาพการสังเคราะห์ด้วยแสงลดลงเพราะได้รับแสงมากเกินไป) เมื่อจำนวนเซลล์ในสารละลายเพาะเลี้ยงเพิ่มขึ้น เซลล์อาจบังแสงซึ่งกันและกันได้ด้วย ดังนั้น การปรับเพียงเงื่อนไขเดียวอาจไม่เพียงพอที่จะจัดการสภาวะการเพาะเลี้ยงได้อย่างครบถ้วน

เซ็นเซอร์สามารถวัดอุณหภูมิ pH ออกซิเจนละลายน้ำ (ออกซิเจนที่ละลายอยู่ในของเหลว) แสง และคาร์บอนไดออกไซด์ได้อย่างต่อเนื่อง ส่วนแมชชีนเลิร์นนิง (วิธีวิเคราะห์ที่ค้นหารูปแบบจากข้อมูล) ใช้ตรวจสอบข้อมูลเหล่านี้เพื่อทำความเข้าใจสภาวะการเพาะเลี้ยงและการเปลี่ยนแปลงที่เกี่ยวข้องกับการเติบโต นอกจากนี้ ยังมีการศึกษาวิธีวิเคราะห์ภาพถ่ายของสารละลายเพาะเลี้ยงเพื่อประเมินการเปลี่ยนแปลงของชีวมวล (สารที่มีแหล่งกำเนิดจากสิ่งมีชีวิต) หรือความหนาแน่นของการเพาะเลี้ยง

มีกรณีที่ใช้แมชชีนเลิร์นนิงคาดการณ์การเติบโตของสาหร่ายขนาดเล็กหรือปรับสภาวะการเพาะเลี้ยงให้เหมาะสมแล้ว อย่างไรก็ตาม การผลิตส่วนใหญ่ที่มีการศึกษาอยู่ในระดับห้องทดลองหรือโครงการนำร่องขนาดเล็ก การที่มีการทดลองควบคุมด้วย AI ในระบบเพาะเลี้ยงกลางแจ้งขนาดใหญ่บางแห่ง แสดงให้เห็นถึงความเป็นไปได้ในการประยุกต์ใช้นอกห้องทดลอง แต่ไม่ได้ยืนยันผลสำเร็จในระดับเชิงพาณิชย์ด้วยตัวมันเอง

ความหมายของข่าวนี้

บทบาทของ AI ไม่ได้อยู่ที่การเข้ามาแทนที่การเพาะเลี้ยง แต่อยู่ใกล้เคียงกับการช่วยนักวิจัยและผู้ควบคุมกระบวนการตัดสินใจ โดยพิจารณาเงื่อนไขและค่าที่วัดได้หลายอย่างร่วมกัน AI อาจค้นหารูปแบบที่เกี่ยวข้องกับการเติบโตจากข้อมูลเซ็นเซอร์ หรือช่วยระบุการเปลี่ยนแปลงที่สังเกตได้ยากหากต้องเฝ้าดูอย่างต่อเนื่อง เพื่อใช้ประกอบการปรับเงื่อนไขการเดินระบบ การวิเคราะห์ภาพก็เป็นแหล่งข้อมูลอีกทางหนึ่งสำหรับประเมินสภาวะของสารละลายเพาะเลี้ยง

ในปี 2026 นักวิจัยในเมืองอัลเมเรีย ทางตะวันออกเฉียงใต้ของสเปน ทดลองใช้การเรียนรู้แบบเสริมกำลังกับรางน้ำวนเปิด (ระบบที่สารละลายเพาะเลี้ยงหมุนเวียนในรางกลางแจ้ง) ขนาด 80㎡ ซึ่งใช้เพาะเลี้ยงสาหร่ายขนาดเล็ก การเรียนรู้แบบเสริมกำลังเป็นวิธีที่คอมพิวเตอร์เรียนรู้ว่าการกระทำแบบใดให้ผลลัพธ์ที่เหมาะสม ระบบ AI ดังกล่าวใช้ค่าที่วัดได้ของอุณหภูมิ แสงแดด และออกซิเจนละลายน้ำ เพื่อกำหนดปริมาณคาร์บอนไดออกไซด์ที่จะจ่าย และควบคุม pH ด้วยการปรับการฉีดคาร์บอนไดออกไซด์

ระบบได้รับการทดลองเป็นเวลา 8 วันภายใต้สภาวะกลางแจ้งที่เปลี่ยนแปลง โดยนักวิจัยระบุว่าระบบปรับกระบวนการได้พร้อมกับตอบสนองต่อการเปลี่ยนแปลงของเงื่อนไขการเดินระบบ นี่เป็นกรณีหนึ่งของการนำระบบควบคุมด้วย AI ไปใช้กับระบบเพาะเลี้ยงที่ดำเนินงานจริง อย่างไรก็ตาม ข้อมูลที่นำเสนอในบทความนี้ไม่ได้บอกว่าระบบมีประสิทธิผลเพียงใดในระดับเชิงพาณิชย์ หรือมีต้นทุนและความคุ้มค่าทางเศรษฐกิจอย่างไร

ลองนึกถึงสถานเพาะเลี้ยงแห่งหนึ่งที่ใช้ข้อมูลจากเซ็นเซอร์ปรับปริมาณคาร์บอนไดออกไซด์ที่จ่าย การปรับที่ AI เสนออาจเป็นข้อมูลช่วยประกอบการตัดสินใจของผู้ปฏิบัติงาน แต่หากการวัดของเซ็นเซอร์ไม่แม่นยำ หรือแบบจำลองยังไม่ได้รับการตรวจสอบอย่างเพียงพอกับสายพันธุ์และอุปกรณ์อื่น ก็ยากที่จะคาดหวังผลลัพธ์ในระดับเดียวกัน ด้วยเหตุนี้ จึงต้องพิจารณาไม่เพียงแบบจำลอง AI เท่านั้น แต่รวมถึงเซ็นเซอร์ อุปกรณ์เพาะเลี้ยง สายพันธุ์สาหร่ายขนาดเล็ก และเงื่อนไขการเดินระบบด้วย

ข้อเท็จจริงที่ยืนยันแล้วและสิ่งที่ยังไม่ทราบ

ข้อเท็จจริงที่ยืนยันแล้ว

  • สาหร่ายขนาดเล็กสามารถนำไปใช้ในอาหารและวัตถุดิบสำหรับสัตว์ สีผสม และเชื้อเพลิงหมุนเวียนที่อาจผลิตได้ในอนาคต แต่การเพาะเลี้ยงอย่างมีประสิทธิภาพในระดับอุตสาหกรรมทำได้ยาก
  • มีการใช้เซ็นเซอร์และแมชชีนเลิร์นนิงวิเคราะห์สภาวะการเพาะเลี้ยงและรูปแบบที่เกี่ยวข้องกับการเติบโต และยังมีการศึกษาวิธีประเมินการเปลี่ยนแปลงของชีวมวลหรือความหนาแน่นของการเพาะเลี้ยงจากภาพด้วย
  • ในปี 2026 มีการทดลองเป็นเวลา 8 วันกับรางน้ำวนเปิดขนาด 80㎡ ในเมืองอัลเมเรีย โดย AI ควบคุม pH ด้วยการปรับปริมาณคาร์บอนไดออกไซด์ที่ฉีดเข้าไป
  • การปนเปื้อนของเซ็นเซอร์หรือค่าที่วัดได้ซึ่งเปลี่ยนแปลงไปตามเวลา รวมถึงความแตกต่างระหว่างสายพันธุ์และอุปกรณ์ อาจเป็นปัญหาเมื่อนำแบบจำลองไปใช้กับระบบอื่น

สิ่งที่ยังไม่ทราบ

  • ไม่มีการระบุว่าการควบคุมด้วย AI มีประสิทธิผลเพียงใดในการผลิตสาหร่ายขนาดเล็กระดับเชิงพาณิชย์
  • ไม่มีการอธิบายต้นทุนหรือความคุ้มค่าทางเศรษฐกิจของการเพาะเลี้ยงที่ใช้ AI
  • ยังไม่มีการยืนยันว่าแบบจำลองที่พัฒนาในห้องทดลองหรือระบบกลางแจ้งเฉพาะแห่งจะให้ผลลัพธ์ในระดับเดียวกันกับสายพันธุ์และอุปกรณ์อื่นหรือไม่

สิ่งที่ผู้อ่านควรตรวจสอบ

  • ควรตรวจสอบว่าเซ็นเซอร์ในระบบเพาะเลี้ยงมีการปนเปื้อนหรือค่าที่วัดได้เปลี่ยนแปลงไปตามเวลาหรือไม่ และข้อมูลที่ใช้ในการวิเคราะห์ด้วย AI เชื่อถือได้หรือไม่
  • เมื่อนำแบบจำลองที่สร้างขึ้นสำหรับสายพันธุ์หรืออุปกรณ์เฉพาะไปใช้กับระบบอื่น ควรตรวจสอบว่าประสิทธิภาพยังคงอยู่ภายใต้เงื่อนไขดังกล่าวหรือไม่
  • เมื่อประเมินกรณีการควบคุมด้วย AI ควรตรวจสอบขนาดและระยะเวลาของการทดลอง รวมถึงว่าระบบรับมือกับสภาวะกลางแจ้งที่เปลี่ยนแปลงได้หรือไม่ และแยกประเด็นนี้ออกจากการพิจารณาว่ามีการพิสูจน์ผลเชิงพาณิชย์หรือความคุ้มค่าทางเศรษฐกิจแล้วหรือไม่