ՄԱԿ-ի օրակարգ 2030. Նորարար ուսումնասիրություն, թե ինչպես կարելի է կանխատեսել պարենային ճգնաժամերը

Նյու Յորքի համալսարանի ուսումնասիրությունը ցույց է տվել, որ պարենային ճգնաժամի համաճարակների կանխատեսումը հնարավոր և հիմնարար է, որպեսզի արդյունավետ կերպով տրամադրվի շտապ օգնություն և նվազեցնել մարդկային տառապանքը: (պատկեր՝ պատրաստված Midjourney-ի հետ)

Այս ճգնաժամերը կանխատեսելու համար կարող եք օգտագործել i կանխատեսող մոդելներ բայց դրանք հիմնված են ռիսկային միջոցառումների վրա, որոնք հաճախ հետաձգվում են, հնացած կամ թերի են: Նյու Յորքի համալսարանի ուսումնասիրությունը փորձել է հասկանալ, թե ինչպես կարելի է օպտիմալ կերպով օգտագործել կանխատեսող ալգորիթմները:

Հետազոտությունը ցույց է տվել, որ 11,2-ից 1980 թվականներին հրապարակված պարենային անապահով երկրների վերաբերյալ 2020 միլիոն հոդվածների տեքստը կազմելով և օգտվելով վերջին նվաճումներից. deep learningՄխիթարական արդյունքներ կարելի է ձեռք բերել: Վերամշակումը թույլ է տվել արդյունահանել պարենային ճգնաժամերի բարձր հաճախականության պրեկուրսորներ, որոնք և՛ մեկնաբանելի են, և՛ վավերացված ավանդական ռիսկային ցուցանիշներով:

Ալգորիթմը deep learning ընդգծեց, որ 2009 թվականի հուլիսից մինչև 2020 թվականի հուլիս ընկած ժամանակահատվածում ճգնաժամային ցուցանիշները զգալիորեն բարելավում են կանխատեսումները պարենային անապահով 21 երկրներում՝ մինչև 12 ամիս շուտ, քան տեքստային տեղեկատվություն չներառող հիմնական մոդելները:

Ուսումնասիրությունը կենտրոնանում է պարենային անապահովության ինտեգրված փուլային դասակարգման (IPC) կանխատեսման վրա, որը հրապարակվել է կազմակերպության կողմից։ Սով վաղ նախազգուշացման համակարգերի ցանց (FEWS NET): Այս դասակարգումը հասանելի է շրջանի մակարդակով Աֆրիկայի, Ասիայի և Լատինական Ամերիկայի 37 պարենային անապահով երկրներում և տարեկան 2009 անգամ հաղորդվել է 2015-ից XNUMX թվականներին, իսկ դրանից հետո՝ տարին երեք անգամ: 

Պարենային անապահովությունը դասակարգվում է ըստ հերթական սանդղակի, որը բաղկացած է հինգ փուլից՝ ցածր, սթրես, ճգնաժամ, արտակարգ իրավիճակ և սով: 

BlogInnovazione.it