Ученые из отдела исследований, оценки и мониторинга Всемирной продовольственной программы (некоммерческой организации в Риме) предлагают метод на базе машинного обучения, который позволит принимать более своевременные и обоснованные решения по борьбе с голодом.

В 2021 году 193 миллиона человек в 53 странах испытывали острую нехватку продовольствия. Это число растет в последние годы, в том числе из-за пандемии COVID-19. Для решения глобальной проблемы голода ключевым является мониторинг ситуации.

Правительства и гуманитарные организации регулярно проводят оценку продовольственной безопасности, опираясь на данные телефонных опросов. Однако этот подход сопряжен с большими затратами как денежных, так и человеческих ресурсов, к тому же информация о ситуации с продовольствием не всегда доступна в затронутых районах.

В исследовании, опубликованном в Nature Food, ученые предлагают подход с применением машинного обучения для прогнозирования количества людей с недостаточным питанием, когда прямые измерения недоступны.

Алгоритм машинного обучения оценивает текущую ситуацию в заданном районе на основе данных о ключевых факторах отсутствия продовольственной безопасности: конфликтах, экстремальных погодных условиях и экономических потрясениях. Зависимость от этих показателей объясняет 81% случаев нехватки продовольствия, согласно результатам исследования.

Ученые утверждают, что их подход открывает двери для прогнозирования текущей ситуации в области продовольственной безопасности почти в реальном времени в глобальном масштабе, что позволит достичь второй цели устойчивого развития ООН (ЦУР 2) – ликвидации голода.

Источник: Nature Food

Фото: Unsplash