લેખ

યુએન એજન્ડા 2030: ખાદ્ય કટોકટીની આગાહી કેવી રીતે કરવી તે અંગેનો ગ્રાઉન્ડબ્રેકિંગ અભ્યાસ

ન્યુ યોર્ક યુનિવર્સિટી દ્વારા કરવામાં આવેલ અભ્યાસ દર્શાવે છે કે ખાદ્ય કટોકટી રોગચાળાની અપેક્ષા રાખવી શક્ય અને મૂળભૂત છે, અસરકારક રીતે કટોકટી રાહતની ફાળવણી અને માનવ દુઃખ ઘટાડવા માટે. (મિડજર્ની સાથે બનાવેલ તસવીર)

આ કટોકટીની અપેક્ષા રાખવા માટે, તમે i નો ઉપયોગ કરી શકો છો અનુમાનિત મોડેલો પરંતુ તે જોખમનાં પગલાં પર આધારિત છે જે ઘણીવાર વિલંબિત, અપ્રચલિત અથવા અપૂર્ણ હોય છે. ન્યૂ યોર્ક યુનિવર્સિટીના અભ્યાસમાં એ સમજવાનો પ્રયાસ કર્યો કે કેવી રીતે અનુમાનિત અલ્ગોરિધમનો શ્રેષ્ઠ રીતે ઉપયોગ કરવો.

અભ્યાસ દર્શાવે છે કે 11,2 અને 1980 ની વચ્ચે પ્રકાશિત ખોરાક અસુરક્ષિત દેશો પરના 2020 મિલિયન લેખોના લખાણનું સંકલન કરીને અને તાજેતરની પ્રગતિનો લાભ લઈને deep learning: દિલાસો આપનારા પરિણામો મળી શકે છે. વિસ્તરણથી ખોરાકની કટોકટીના ઉચ્ચ-આવર્તન પૂર્વગામીઓ કાઢવાની મંજૂરી આપવામાં આવી છે જે પરંપરાગત જોખમ સૂચકાંકો દ્વારા અર્થઘટન અને માન્ય બંને છે.

અલ્ગોરિધમ deep learning હાઈલાઈટ કર્યું કે જુલાઈ 2009 થી જુલાઈ 2020 સુધીના સમયગાળામાં, કટોકટી સૂચકાંકો 21 ખાદ્ય અસુરક્ષિત દેશોમાં અનુમાનમાં નોંધપાત્ર સુધારો કરે છે, જે બેઝલાઈન મોડલ્સ કરતાં 12 મહિના પહેલા છે જેમાં ટેક્સ્ટની માહિતી શામેલ નથી.

અભ્યાસ દ્વારા પ્રકાશિત ખાદ્ય અસુરક્ષાની ઇન્ટિગ્રેટેડ ફેઝ ક્લાસિફિકેશન (IPC) આગાહી પર ધ્યાન કેન્દ્રિત કરવામાં આવ્યું છે. દુષ્કાળની પૂર્વ ચેતવણી સિસ્ટમ્સ નેટવર્ક (FEWS NET). આ વર્ગીકરણ આફ્રિકા, એશિયા અને લેટિન અમેરિકાના 37 ખાદ્ય અસુરક્ષિત દેશોમાં જિલ્લા સ્તરે ઉપલબ્ધ છે અને 2009 અને 2015 ની વચ્ચે વર્ષમાં ચાર વખત અને ત્યારબાદ વર્ષમાં ત્રણ વખત નોંધવામાં આવ્યું હતું.