Ili kutarajia majanga haya, unaweza kutumia i mifano ya utabiri lakini zinatokana na hatua za hatari ambazo mara nyingi huchelewa, hazitumiki au hazijakamilika. Utafiti wa Chuo Kikuu cha New York ulijaribu kuelewa jinsi ya kutumia algoriti za ubashiri kwa njia bora.
Utafiti ulionyesha kuwa kwa kuandaa maandishi ya nakala milioni 11,2 juu ya nchi zenye uhaba wa chakula iliyochapishwa kati ya 1980 na 2020, na kuchukua fursa ya maendeleo ya hivi karibuni katika deep learning: matokeo ya kufariji yanaweza kupatikana. Ufafanuzi huo uliruhusu kupata vitangulizi vya masafa ya juu vya migogoro ya chakula ambavyo vinaweza kufasiriwa na kuthibitishwa na viashirio vya hatari vya jadi.
Algorithm deep learning ilionyesha kuwa katika kipindi cha Julai 2009 hadi Julai 2020, viashiria vya mgogoro viliboresha kwa kiasi kikubwa utabiri katika nchi 21 zisizo na uhakika wa chakula, hadi miezi 12 mapema kuliko mifano ya msingi ambayo haijumuishi habari za maandishi.
Utafiti unaangazia utabiri wa Uainishaji wa Awamu Jumuishi (IPC) wa ukosefu wa usalama wa chakula uliochapishwa na Mtandao wa Mifumo ya Onyo la Njaa (WAVUTI CHACHE). Uainishaji huu unapatikana katika ngazi ya wilaya katika nchi 37 zenye uhaba wa chakula barani Afrika, Asia na Amerika Kusini na uliripotiwa mara nne kwa mwaka kati ya 2009 na 2015 na mara tatu kwa mwaka baada ya hapo.
Ukosefu wa usalama wa chakula umeainishwa kulingana na kiwango cha kawaida kinachojumuisha hatua tano: chini, dhiki, shida, dharura na njaa.
BlogInnovazione.it
Operesheni ya ophthalmoplasty kwa kutumia kitazamaji cha kibiashara cha Apple Vision Pro ilifanywa katika Catania Polyclinic…
Kukuza ujuzi mzuri wa magari kupitia kupaka rangi huwatayarisha watoto kwa ujuzi changamano zaidi kama vile kuandika. Kupaka rangi...
Sekta ya majini ni nguvu ya kweli ya kiuchumi duniani, ambayo imepitia kwenye soko la bilioni 150 ...
Jumatatu iliyopita, Financial Times ilitangaza makubaliano na OpenAI. FT inatoa leseni kwa uandishi wake wa habari wa kiwango cha kimataifa…