Az ENSZ Világélelmezési Programja, a University of London és a CEU tudósai közösen építették fel azokat a gépi tanulási modelleket, amelyektől már a közeljövőben azt várják, hogy világszerte segítenek majd előre jelezni az élelmiszerhiányokat, ezáltal pedig segítenek a kormányoknak és az illetékes nemzetközi ügynökségeknek is megérteni, hol és hogyan tudnak a leghatékonyabban fellépni ezek ellen. A nemzetközi kutatócsoport saját meghatározása szerint "egyedülálló globális adatkészletet" használt a modellekhez, amelyek révén magyarázhatónak tartja az elégtelen élelmiszerellátással kapcsolatos variációk 81 százalékát.

A fejlesztést bemutató anyagban azt állítják, hogy a gépi tanulási modellek közvetett adatforrásokból merítenek egy nagy csomó területen, mint amilyenek az élelmiszerárak, a makrogazdasági mutatók (beleértve a GDP-t), az időjárás, a konfliktusok, az alultápláltság előfordulása, a népsűrűség és az ellátási trendek korábbi bizonytalanságai. A cél rövid távú előrejelzések vagy szinkronidejű becslések (nowcast) lehetővé tétele, amelyek most már közel valós időben képesek megjeleníteni az élelmezésbiztonsági helyzetet, sőt módszereket is javasolnak annak azonosítására, hogy milyen változók alakítják a bennük megfigyelhető változásokat.

Gyorsan változó jelenség

Ez utóbbi nyilván ahhoz is kulcsfontosságú, hogy az előrejelzések alapján a döntéshozók megalapozott lépéseket tehessenek. A Világélelmezési Program a gépi tanuló modellek eredményeit használja a HungerMap néven közzétett, rövid távú élelmiszerbiztonsági előrejelzéseket tartalmazó világtérképhez. A Nature (Food) oldalán publikált anyag értelmében 2019-ben 650 millióra becsülték az alultáplált emberek számát, és összesen 55 országban vagy területen 135 milliót érintettek akut élelmiszerhiány. A világjárványt követően azonban a számok megugrottak, és az utóbbi is több mint a duplájára növekedhetett.

A kormányok és nemzetközi szervezetek személyes vagy telefonos felmérésekkel próbálnak adatokat gyűjteni, de ezek nem csak költséges müdszerek, hanem a pontosságuk is vitatható. A kutatók szerint az élelmiszerellátás bizonytalansága amúgy is dinamikusabb és instabilabb jelenség, mint mondjuk a szegénység, ezért gyakoribb és gyorsabb értékelést igényel, plusz a másodlagos adatokat felhasználva hosszabb távú előrejezésekre is szükség van. Ilyenek a termelési adatok, a statisztikai növénytermesztési modellekvagy az éghajlati modellezés, miközben Szenegálban például anonimizált mobiltelefonos adatokat használnak az emberek évszakonkénti mozgásának vizsgálatára, amit a mezőgazdasági naptárral és a csapadéknyilvántartással kombinálnak az élelmezésbiztonság jellemzésére.