L'insicurezza alimentare nei paesi a basso reddito è in aumento poiché le variazioni climatiche e gli shock economici, inclusa la pandemia di COVID-19, si fanno sentire. Prevedere con precisione quando e dove si verificano le crisi della fame è fondamentale per una risposta efficace agli aiuti umanitari. Un nuovo studio dell'Università dell'Illinois esplora come l'apprendimento automatico può aiutare a migliorare le previsioni se utilizzato in modo appropriato.

Le attuali previsioni sull'insicurezza alimentare si basano principalmente su un sistema in cui gruppi di esperti si riuniscono e valutano l'insicurezza alimentare all'interno dei paesi. Sebbene il processo includa alcuni dati per guidare la valutazione, rimane principalmente una valutazione qualitativa basata sulla conoscenza locale.

"Il nostro obiettivo non è rivedere questo sistema esistente, che ha dato incredibili contributi in tutti i paesi, generando previsioni sulle crisi alimentari in luoghi in cui ci sono pochissimi dati e molta complessità politica", afferma Hope Michelson, professore associato presso il Dipartimento di agricoltura e Consumer Economics presso U of I e coautore dello studio.

Lo studio afferma che i modelli di apprendimento automatico possono aiutare a fornire informazioni critiche per assistere il processo di previsione, rendendolo più obiettivo, mirato e trasparente. Ma gli autori sottolineano che i dati devono essere utilizzati in modo ponderato e interpretati correttamente insieme ai responsabili politici sin dall'inizio.

"È davvero importante lavorare attivamente per migliorare il modo in cui prevediamo l'insicurezza alimentare", afferma Michelson. "E ciò richiede che i ricercatori coinvolgano i responsabili politici e le priorità politiche. Vediamo la necessità di un'armonizzazione e di alcuni principi guida per rendere questi sforzi di ricerca efficaci e attuabili."

I ricercatori valutano tre diversi modelli di apprendimento automatico che prevedono l'insicurezza alimentare nei paesi dell'Africa subsahariana del Malawi, della Tanzania e dell'Uganda. Usano due anni di dati per prevedere i risultati dell'insicurezza alimentare del villaggio in un terzo anno, quindi confrontano i risultati del modello con il risultato effettivo. La modellazione incorpora dati disponibili pubblicamente su meteo, geografia e prezzi dei generi alimentari.

Lo studio identifica anche una serie di linee guida importanti per ricercatori e responsabili politici.

"In primo luogo, vogliamo avere un modello che catturi un'ampia varietà di fattori che possono influenzare l'insicurezza alimentare. Non si tratta solo di shock per la produzione alimentare, ma anche di shock che influiscono sul reddito delle persone. Anche se hai una produzione alimentare, hai ancora fame se le persone non posso comprarlo", afferma Kathy Baylis, Dipartimento di Geografia dell'Università della California, Santa Barbara. Baylis è l'autore corrispondente dello studio.

"Un secondo principio è che questi modelli dovrebbero essere interpretabili e trasparenti. Se vuoi coinvolgere i responsabili politici, devi essere in grado di spiegare loro perché il modello prevede un problema. Il terzo punto è che dovremmo essere in grado di eseguire un'analisi degli errori per capire dove il modello fallisce se non funziona così bene", osserva Baylis.

I ricercatori delineano anche tre criteri per decidere quali dati includere e come utilizzare il modello:quale risultato prevedere, come affrontare gli eventi rari e come valutarne l'efficacia. Tali decisioni dovrebbero essere prese in consultazione con i responsabili politici, affermano.

"Abbiamo esaminato dove il modello funzionava bene e dove non lo era. In particolare, potremmo preoccuparci di più di non perdere le famiglie con insicurezza alimentare che di identificare erroneamente una famiglia come insicura dal punto di vista alimentare. Potrebbe essere meno preoccupante se alcune persone ricevono aiuti alimentari che non ne hanno bisogno, rispetto all'assicurarsi che almeno il 90% delle persone veramente affamate riceva un qualche tipo di sostegno", afferma Baylis.

"Dipende davvero da cosa vogliono fare i responsabili politici con questi dati; ad esempio, se vogliono attivare aiuti alimentari o usarli più come un sistema di allerta precoce."

I modelli nello studio sono abbastanza semplici da implementare, quindi sono accessibili ai governi e alle organizzazioni umanitarie. Tuttavia, i ricercatori sottolineano che i dati dovrebbero essere applicati e interpretati in collaborazione tra ricercatori e responsabili politici. Il loro studio mira a gettare le basi per queste collaborazioni.

La ricerca è stata pubblicata in Prospettive e politiche economiche applicate .