ความขัดแย้ง ผู้สูญหาย และการขับเคลื่อนการช่วยเหลือทางมนุษยธรรมด้วยคณิตศาสตร์

เมื่อพูดถึงประโยชน์หรือตัวอย่างการใช้งานคณิตศาสตร์ในสถานการณ์ต่าง ๆ เรามักจะเห็นตัวอย่างที่เกี่ยวข้องกับทางวิทยาศาสตร์กันเป็นส่วนใหญ่ ไม่ว่าจะเป็น การคำนวณปริมาณยาให้กับผู้ป่วย การสร้างแบบจำลองของจำนวนเชื้อแบคทีเรียในจานเพาะเชื้อ หรือการพยากรณ์อากาศ อาจจะมีบางครั้งที่เราเห็นคณิตศาสตร์ไปปรากฏในเรื่องที่ไม่ได้เป็นวิทยาศาสตร์ เช่น การคำนวณต้นทุนวัตถุดิบสำหรับร้านอาหาร การคำนวณดอกเบี้ยในบัญชีเงินฝาก ไปจนถึงการคำนวณส่วนลดในการซื้อของออนไลน์ แต่ถ้าเกิดเรามองไปให้ไกลกว่านั้นล่ะ คณิตศาสตร์เข้าไปมีบทบาทในเรื่องอื่น ๆ นอกจากวิทยาศาสตร์และเรื่องเงิน ๆ ทอง ๆ บ้างรึเปล่า

คำตอบคือมีฮะ เพียงแต่มันอาจจะใช้คณิตศาสตร์ที่หลายคนไม่ค่อยคุ้นชินกันเฉย ๆ

หนึ่งในด้านที่หลายคนอาจจะคิดไม่ถึงว่าคณิตศาสตร์ก็เข้ามามีบทบาทด้วยคือการเคลื่อนไหวด้านมนุษยธรรม สำหรับหลาย ๆ คนกิจกรรมทางด้านมนุษยธรรมอาจจะดูไม่ได้เกี่ยวข้องกับคณิตศาสตร์โดยตรง หลักทางด้านมนุษยธรรมเองก็ไม่ได้ถือกำเนิดมาจากคณิตศาสตร์ ถึงแม้ในการเคลื่อนไหวทางมนุษยธรรมหลายอย่างจะมีการใช้สถิติเพื่อนำเสนอข้อมูลต่าง ๆ แต่ถ้าให้นึกถึงการใช้งานคณิตศาสตร์เพื่อขับเคลื่อนการให้ความช่วยเหลือทางด้านมนุษยธรรมก็อาจจะยังเห็นภาพไม่ชัด แต่ในความเป็นจริงแล้วคณิตศาสตร์ก็เป็นหนึ่งในเครื่องมือสำคัญกับการทำงานด้านมนุษยธรรมไม่ต่างจากศาสตร์อื่น ๆ เลย

บทความเรื่อง Finding the Missing: Complex Networks Enable Searches for Missing People ในปี 2022 ของคุณ Ines Caridi ได้ทำการรวบรวมงานวิจัยที่ใช้การวิเคราะห์โครงข่าย (Network Analysis) เพื่อประกอบการให้ความช่วยเหลือแก่ผู้สูญหายจากความขัดแย้งทางการการเมือง ภัยพิบัติ และการอพยพ เนื่องจากการตามหาผู้สูญหายเป็นหนึ่งในประเด็นสำคัญของการเคลื่อนไหวทางด้านมนุษยธรรม โดยกฎหมาย Customary International Humanitarian Law (IHL) ได้ระบุไว้ว่าห้ามไม่ให้มีการบังคับบุคคลสูญหายเด็ดขาด และหากมีผู้สูญหายจากความขัดแย้งที่เกิดขึ้นจะต้องคอยให้ข้อมูลที่เกี่ยวข้องกับครอบครัวของผู้สูญหายอยู่เสมอ

การวิเคราะห์โครงข่ายเป็นคณิตศาสตร์แขนงหนึ่งที่ว่าด้วยเรื่องของการทำความเข้าใจโครงสร้างในลักษณะโครงข่าย โดยโครงข่ายในที่นี้จะประกอบไปด้วยจุดยอด (Node) และเส้นเชื่อม (Edge) เราจะกำหนดให้จุดยอดเป็นสิ่งที่เราสนใจศึกษา เช่น คน หน่วยงาน สถานที่ หรืออุปกรณ์สื่อสาร และเส้นเชื่อมคือความสัมพันธ์ระหว่างสิ่งที่เราสนใจ เช่น ระยะทางระหว่างสถานที่สองแห่ง จำนวนครั้งที่คนสองคนติดต่อกันในระยะเวลา 1 เดือน หรือแสดงว่าคนสองคนเป็นเพื่อนกันในโซเชียลมีเดียหรือไม่

ที่มาภาพ: https://medium.com/@bbress467/exploring-complex-networks-3abb70071dc9

จะเห็นว่าเมื่อเรานำใช้โครงข่ายในการนำเสนอข้อมูล เราสามารถเห็นความสัมพันธ์ระหว่างข้อมูลได้ชัดเจนมากยิ่งขึ้น แต่นอกจากประโยชน์ส่วนนี้แล้ว เรายังสามารถใช้โครงข่ายที่เราสร้างขึ้นมานี้เพื่อตอบคำถามที่น่าสนใจหลายอย่างได้ เช่น เราควรจะเลือกเส้นทางไหนเพื่อให้ไปถึงที่หมายด้วยระยะทางที่สั้นที่สุด หรือเพื่อนคนไหนของเราที่มีคนรู้จักเยอะที่สุด

คุณ Ines เคยทดลองใช้การวิเคราะห์โครงข่ายสำหรับประเด็นผู้สูญหายจากความขัดแย้งทางการเมืองมาแล้วในงานวิจัย A framework to approach problems of forensic anthropology using complex networks เมื่อปี 2011 โดยงานวิจัยนี้นำข้อมูลผู้สูญหายในประเทศอาร์เจนตินาระหว่างปี 1976 และ 1983 มาวิเคราะห์เพื่อทดสอบว่าข้อมูลอะไรบ้างที่เหมาะสมในการนำมาสร้างโครงข่ายและเราสามารถนำโครงข่ายนี้มาใช้อธิบายความสัมพันธ์ของผู้สูญหายคนอื่น ๆ ได้หรือไม่ สาเหตุที่ใช้ข้อมูลช่วงปี 1976-1983 เพราะว่าเป็นช่วงที่ประเทศอาร์เจนตินาถูกปกครองโดยระบอบเผด็จการและมีผู้สูญหายจากความขัดแย้งทางการเมืองเป็นจำนวนมาก และผู้สูญหายถูกจับไปอยู่ที่ศูนย์คุมขังผิดกฎหมาย (Illegal Detention Center) ที่รัฐบาลจัดตั้งไว้หลายแห่งทั่วประเทศ

ที่มาภาพ: Finding the Missing: Complex Networks Enable Searches for Missing People. (2022)

ในกรณีนี้ จุดยอดแต่ละจุดยอดจะแทนผู้สูญหาย และใช้กฎในการสร้างเส้นเชื่อมหลายแบบเพื่อแสดงความสัมพันธ์ระหว่างผู้สูญหายในแต่ละมิติ เช่น ผู้สูญหายทั้งสองคนถูกบังคับสูญหายในเขตพื้นที่เดียวกันภายในระยะเวลา 7 วัน ผู้สูญหายทั้งสองคนถูกบังคับสูญหายภายในระยะเวลา 7 วัน และผู้สูญหายทั้งสองคนทั้งทำงานและถูกบังคับสูญหายในเขตพื้นที่เดียวกันและทั้งสองคนถูกบังคับสูญหายในระยะเวลา 5 วัน เมื่อกำหนดจุดยอดและเส้นเชื่อมได้แล้ว เราก็จะได้โครงข่ายที่มีความซับซ้อนออกมา และจากการสร้างโครงข่ายนี้ทำให้พบว่าข้อมูลความสัมพันธ์สามารถแบ่งออกเป็นกลุ่ม ๆ ได้ โดยแต่ละกลุ่มจะมีลักษณะของความสัมพันธ์ที่แตกต่างกัน จากนั้น เมื่อนำข้อมูลของผู้สูญหายคนใหม่เข้ามาในโครงข่ายและวาดเส้นเชื่อมตามกฎที่ได้ตั้งไว้ เราจะสามารถคำนวณได้ว่าผู้สูญหายคนนี้น่าจะอยู่ในกลุ่มไหนมากที่สุด และสามารถนำไปคำนวณได้ว่าผู้สูญหายน่าจะถูกควบคุมตัวอยู่ที่ศูนย์คุมขังที่ไหน

แน่นอนว่าการวิเคราะห์โครงข่ายเพียงอย่างเดียวไม่สามารถการันตีว่าเราจะพบผู้สูญหายได้ แต่ตัวอย่างนี้เป็นตัวอย่างที่ทำให้เราเห็นว่าคณิตศาสตร์สามารถนำมาใช้เป็นเครื่องมือเพื่อช่วยจัดการกับข้อมูลที่มีความซับซ้อนให้เข้าใจได้ง่าย และสามารถนำข้อสรุปจากการวิเคราะห์ไปใช้ประกอบกระบวนการค้นหาและกระบวนการทางกฎหมายอื่น ๆ เพื่อช่วยเพิ่มโอกาสในการตามหาผู้สูญหายได้มากขึ้นกว่าเดิมได้อีกด้วย

แหล่งอ้างอิง
https://unesdoc.unesco.org/ark:/48223/pf0000380883
https://guide-humanitarian-law.org/content/article/3/missing-persons-and-the-dead/
https://www.ecchr.eu/en/publication/argentine-dictatorship-40-years-on/
https://www.sciencedirect.com/science/article/abs/pii/S037843711001006X