НҮБ-ын мөрийн хөтөлбөр 2030: Хүнсний хямралыг хэрхэн урьдчилан таамаглах тухай шинэчилсэн судалгаа

Нью-Йоркийн их сургуулиас хийсэн судалгаагаар хүнсний хямралын тахал өвчнийг урьдчилан таамаглах нь яаралтай тусламжийг үр дүнтэй хуваарилж, хүний ​​зовлон зүдгүүрийг бууруулах боломжтой бөгөөд үндэс суурь гэдгийг харуулсан. (Зургийг Midjourney-ээр хийсэн)

Эдгээр хямралыг урьдчилан харахын тулд та i-г ашиглаж болно урьдчилан таамаглах загварууд гэхдээ тэдгээр нь ихэвчлэн хоцрогдсон, хуучирсан эсвэл бүрэн бус байдаг эрсдэлийн арга хэмжээн дээр суурилдаг. Нью-Йоркийн их сургуулийн судалгаагаар урьдчилан таамаглах алгоритмыг хэрхэн оновчтой ашиглахыг ойлгохыг хичээсэн.

Судалгаанаас харахад 11,2-1980 оны хооронд нийтлэгдсэн хүнсний аюулгүй байдлын талаарх 2020 сая нийтлэлийн текстийг эмхэтгэн, сүүлийн үеийн дэвшлийг ашиглан deep learning: тайвшруулах үр дүнг авч болно. Энэхүү боловсруулалт нь уламжлалт эрсдэлийн шалгуур үзүүлэлтээр тайлбарлах боломжтой, баталгаажсан хүнсний хямралын өндөр давтамжийн урьдал бодисуудыг гаргаж авах боломжийг олгосон.

Алгоритм deep learning 2009 оны 2020-р сараас 21 оны 12-р сар хүртэлх хугацаанд хямралын үзүүлэлтүүд нь хүнсний аюулгүй байдал багатай XNUMX орны урьдчилсан мэдээг эрс сайжруулж, текстийн мэдээллийг оруулаагүй суурь загвараас XNUMX сар хүртэл эрт байгааг онцлон тэмдэглэв.

Энэхүү судалгаа нь АНУ-аас нийтэлсэн хүнсний аюулгүй байдлын нэгдсэн фазын ангилал (IPC) таамаглалд чиглэгддэг. Өлсгөлөн эрт сэрэмжлүүлэх системийн сүлжээ (FEWS NET). Энэхүү ангилал нь Африк, Ази, Латин Америкийн хүнсний баталгаагүй 37 оронд дүүргийн түвшинд байдаг бөгөөд 2009-2015 оны хооронд жилд дөрвөн удаа, дараа нь жилд гурван удаа бүртгэгдсэн байна. 

Хүнсний аюулгүй байдлыг бага, стресс, хямрал, онцгой байдал, өлсгөлөн гэсэн таван үе шаттайгаар ангилдаг. 

BlogInnovazione.it