La inseguridad alimentaria en los países de bajos ingresos va en aumento a medida que la variación climática y las crisis económicas, incluida la pandemia de COVID-19, cobran su precio. Predecir con precisión cuándo y dónde ocurren las crisis de hambre es fundamental para una respuesta de ayuda humanitaria eficaz. Un nuevo estudio de la Universidad de Illinois explora cómo el aprendizaje automático puede ayudar a mejorar la previsión cuando se utiliza de forma adecuada.

Las predicciones actuales sobre inseguridad alimentaria se basan principalmente en un sistema en el que grupos de expertos se reúnen y evalúan la inseguridad alimentaria dentro de los países. Si bien el proceso incluye algunos datos para guiar la evaluación, sigue siendo principalmente una evaluación cualitativa basada en el conocimiento local.

"Nuestro objetivo no es revisar este sistema existente, que ha hecho contribuciones increíbles en todos los países, generando predicciones sobre crisis alimentarias en lugares donde hay muy pocos datos y mucha complejidad política", dice Hope Michelson, profesora asociada del Departamento de Agricultura. y Consumer Economics en U of I y coautor del estudio.

El estudio afirma que los modelos de aprendizaje automático pueden ayudar a proporcionar información crítica para ayudar al proceso de pronóstico, haciéndolo más objetivo, enfocado y transparente. Sin embargo, los autores enfatizan que los datos deben usarse de manera reflexiva e interpretarse correctamente junto con los formuladores de políticas desde el principio.

"Es realmente importante trabajar activamente para mejorar la forma en que pronosticamos la inseguridad alimentaria", afirma Michelson. "Y eso requiere investigadores que involucren a los formuladores de políticas y las prioridades de las políticas. Vemos la necesidad de cierta armonización y principios rectores para que esos esfuerzos de investigación sean efectivos e implementables".

Los investigadores evalúan tres modelos diferentes de aprendizaje automático que predicen la inseguridad alimentaria en los países del África subsahariana de Malawi, Tanzania y Uganda. Usan dos años de datos para predecir los resultados de la inseguridad alimentaria de la aldea en un tercer año, luego comparan los resultados del modelo con el resultado real. El modelo incorpora datos disponibles públicamente sobre el clima, la geografía y los precios de los alimentos.

El estudio también identifica una serie de pautas que son importantes para los investigadores y los encargados de formular políticas.

"Primero, queremos tener un modelo que capture una amplia variedad de factores que pueden influir en la inseguridad alimentaria. No se trata solo de crisis en la producción de alimentos, sino también de crisis que afectan los ingresos de las personas. Incluso si tienes producción de alimentos, todavía tienes hambre si la gente no puedo comprarlo", dice Kathy Baylis, Departamento de Geografía de la Universidad de California, Santa Bárbara. Baylis es el autor correspondiente del estudio.

"Un segundo principio es que estos modelos deben ser interpretables y transparentes. Si va a lograr que los formuladores de políticas participen, debe poder decirles por qué el modelo predice un problema. El tercer punto es que deberíamos poder hacer un análisis de errores para comprender dónde falla el modelo si no funciona tan bien", señala Baylis.

Los investigadores también describen tres criterios para decidir qué datos incluir y cómo usar el modelo:qué resultado predecir, cómo lidiar con eventos raros y cómo evaluar la efectividad. Dichas decisiones deben tomarse en consulta con los formuladores de políticas, afirman.

"Observamos dónde funcionaba bien el modelo y dónde no. En particular, es posible que nos importe más no pasar por alto los hogares con inseguridad alimentaria que identificar erróneamente a un hogar como con inseguridad alimentaria. Puede ser una preocupación menor si algunas personas reciben ayuda alimentaria que no la necesitan, en comparación con asegurarse de que al menos el 90 % de las personas que realmente pasan hambre reciban algún tipo de apoyo", dice Baylis.

"Realmente depende de lo que los formuladores de políticas quieran hacer con estos datos; por ejemplo, si quieren activar la ayuda alimentaria o utilizarla más como un sistema de alerta temprana".

Los modelos del estudio son bastante simples de implementar, por lo que son accesibles para los gobiernos y las organizaciones de ayuda. Sin embargo, los investigadores enfatizan que los datos deben aplicarse e interpretarse en cooperación entre investigadores y legisladores. Su estudio tiene como objetivo sentar las bases para esas colaboraciones.

La investigación se publicó en Perspectivas y políticas económicas aplicadas .