Análisis de inteligencia artificial de 500.000 estudios muestra cómo podemos acabar con el hambre en el mundo

Poner fin al hambre es una de las principales prioridades de las Naciones Unidas en esta década.

Sin embargo, el mundo parece estar retrocediendo, con un aumento de 60 millones de personas que padecen hambre en los últimos cinco años hasta un estimado de 690 millones en todo el mundo.

Para ayudar a cambiar esta tendencia, un equipo de 70 investigadores publicó una serie histórica de ocho estudios en Nature Food, Nature Plants y Nature Sustainability.

Los científicos recurrieron al aprendizaje automático para combinar 500.000 estudios y documentos técnicos que relatan el sistema alimentario mundial.

Los resultados muestran que hay rutas para abordar el hambre en el mundo en esta década, pero también que también hay enormes lagunas en el conocimiento que debemos llenar para garantizar que esas rutas sean equitativas y no destruyan la biosfera.

Persisten problemas insolubles como el hambre en el mundo y en algunos casos incluso están empeorando.

Esto se debe en parte a que la nueva información está superando nuestra capacidad de convertirla en conocimiento y sabiduría.

La gran aceleración comenzó en el 1700 y se ha acelerado en la era de Internet.

La investigación muestra una duplicación de las citas científicas durante la última década en comparación con una tasa de duplicación en el siglo XVIII.

Usar el aprendizaje automático para analizar esta creciente montaña de información es una forma clave de darle sentido a todo.

Los investigadores de Ceres2030, un grupo de científicos y economistas climáticos, sociales y agrícolas, están trabajando para responder a la pregunta de cómo alcanzar el objetivo de acabar con el hambre en esta década.

Es uno de los Objetivos de Desarrollo Sostenible de las Naciones Unidas, un elevado conjunto de ideales en los que el mundo no ha logrado hasta ahora ningún progreso significativo.

Para ayudar a enderezar el barco, el equipo de Ceres2030 reclutó una inteligencia artificial para ver qué investigaciones muestran que han sido efectivas.

La revisión de la literatura puede ser un proceso laborioso que tarda meses o incluso años en completarse.

Pero después de usar una serie de algoritmos en su mayoría estándar y entrenarlos para saber qué buscar, el equipo los desató para analizar 500,000 piezas de literatura sobre prácticas agrícolas e intervenciones de desarrollo para ayudar a mejorar los rendimientos o reducir el hambre.

El aprendizaje automático tardó una semana en reducir el conjunto de datos de los estudios a aquellos que son realmente útiles.

La alimentación de los datos en sí reveló una debilidad en la forma en que se clasifica la investigación.

Los libros blancos y los resúmenes de políticas, o lo que los científicos llaman “literatura gris”, a menudo se encuentran escondidos en los sitios web de las agencias construidos en la era oscura del desarrollo web y “carecen incluso de funciones básicas para seleccionar y descargar varias citas“, según el estudio.

Solo eso apunta a la necesidad de limpiar Internet y hacer que toda la información que sale sea accesible y útil.

Los resultados, junto con otro análisis realizado por la Organización de las Naciones Unidas para la Agricultura y la Alimentación y el Centro Alemán de Investigación para el Desarrollo, muestran que el mundo necesita invertir solo US$14 mil millones por año en esta década para acabar con el hambre, el doble de los niveles actuales.

En comparación, US$14 mil millones es aproximadamente el 2% de lo que Estados Unidos gasta en el ejército cada año.

“El mundo produce suficientes alimentos para alimentar a todos.

Así que es inaceptable que 690 millones de personas estén desnutridas, 2.000 millones no tengan acceso regular a cantidades suficientes de alimentos seguros y nutritivos y 3.000 millones de personas no puedan pagar dietas saludables ”, dijo Máximo Torero, economista jefe de la FAO, en un comunicado.

“Si los países ricos duplican sus compromisos de ayuda y ayudan a los países pobres a priorizar, focalizar adecuadamente y ampliar intervenciones rentables en I+D agrícola, tecnología, innovación, educación, protección social y facilitación del comercio, podemos acabar con el hambre para 2030”.

El análisis de aprendizaje automático muestra dónde se podría destinar ese dinero para obtener la mayor cantidad de ayuda.

Por ejemplo, los hallazgos muestran que más de las tres cuartas partes de las fincas pequeñas se encuentran en áreas con escasez de agua.

Es probable que esas áreas sufran más estrés hídrico en el futuro a medida que el planeta se calienta.

Para ayudar a los agricultores a sobrellevar la situación, el análisis de aprendizaje automático de la literatura señaló el valor de invertir en ganado y mejorar el acceso a las redes de datos de teléfonos móviles.

El primero puede ayudar a mejorar la productividad, mientras que el segundo puede ayudar a obtener pronósticos meteorológicos y determinar cuándo aplicar fertilizante entre lluvias para minimizar la escorrentía y los desechos.

Aquí, sin embargo, es donde entra en juego el toque humano.

Los investigadores también encontraron que, si bien el análisis de aprendizaje automático señaló los beneficios de estas dos intervenciones como formas específicas de reducir el uso excesivo de recursos y proporcionar una capa de diversidad en los ingresos, había brechas.

Muchos de los estudios elaborados por la inteligencia artificial no incluyeron variables clave como el género y, hasta la última década, pocos analizaron los impactos ambientales.

En un mundo donde las mujeres representan el 43% de los agricultores y trabajadores agrícolas, pero soportan cargas desproporcionadas en lo que respecta al trabajo y la cantidad de tierra que poseen o trabajan, buscar intervenciones que puedan ayudar específicamente a las mujeres es de suma importancia para acabar con el hambre como además de cumplir con otros Objetivos de Desarrollo Sostenible como acabar con la pobreza (el primer objetivo) y alcanzar la igualdad de género (el quinto objetivo).

El análisis también muestra que muchos estudios anteriores se han centrado en gran medida en el rendimiento de los cultivos en lugar de mejorar el bienestar humano, que es una métrica de éxito mucho más holística.

Pocos estudios han tenido en cuenta la nutrición, el rendimiento de un cultivo métrico completamente perdido o cómo preparar a los agricultores para el cambio climático futuro.

Esas áreas requieren más investigación y rapidez si las inversiones para acabar con el hambre se van a gastar de manera inteligente.

Otros grupos también han presentado ideas sobre cómo equilibrar el bienestar y el planeta mediante arreglos en nuestra dieta, el desperdicio de alimentos y el sistema agrícola, en particular el informe EAT-Lancet del año pasado.

Los resultados de todo este trabajo, pero en particular el nuevo análisis del aprendizaje automático, apuntan a cuánto trabajo queda por hacer y por qué un enfoque tecnocrático por sí solo no es suficiente.

Fuente: Gizmodo