استفاده از هوش مصنوعی برای پیش‌بینی کمبود بالقوه مواد غذایی

به گزارش گروه علم و آموزش ایرنا از پایگاه خبری ساینتیفیک امریکن (Scientific American)، کمبود ریزمغذی‌ها بیش از ۲ میلیارد نفر را در سراسر جهان تحت تأثیر قرار داده است. کمبود ویتامین‌ها و مواد معدنی تأثیراتی جدی بر سلامتی افراد دارد. تشخیص زودهنگام کمبودها به‌ منظور درمان مؤثر، مستلزم انجام آزمایش‌های گران و وقت‌گیر روی خون است.

پژوهشگران دانشگاه هاروارد از داده‌های ماهواره‌ای و هوش مصنوعی برای مشخص‌کردن مناطقی استفاده کرده‌اند که مردم آنجا با خطر جدی کمبود مواد مغذی مواجه هستند. این تحلیل به صورت بالقوه می‌تواند راه را برای مداخله به‌ منظور حل این معضل هموار کند.

سیستم‌های هوش مصنوعی فعلی قادر است از داده‌های ماهواره‌ای برای پیش‌بینی مشکلات در خصوص امنیت غذایی استفاده کند؛ اما آن‌ها معمولاً به عواملی تکیه می‌کنند که به صورت مستقیم قابل مشاهده باشند؛ مثلاً بهره‌وری کشاورزی با مشاهده نشوونمای گیاهان تخمین زده شود.

محاسبه دسترسی‌پذیری به ریزمغذی‌ها سخت‌تر است. بعد از مشاهده نتیجه پژوهش‌ها مبنی‌بر اینکه مناطق نزدیک جنگل‌ها تنوع غذایی بیشتری دارند، پژوهشگران تصمیم گرفتند نشانگرهای بالقوه سوءتغذیه را شناسایی کنند که تا کنون به آن‌ها توجه کمتری شده است.

نتیجه پژوهش آن‌ها حاکی از این است که ترکیب داده‌ها درباره وجود پوشش گیاهی، هوا و آب این امکان را می‌دهد که تشخیص دهیم در چه مکان‌هایی مردم دچار کمبود آهن، ویتامین ب۱۲ و ویتامین آ خواهند شد. 

این تیم پژوهشی از اندازه‌گیری‌های ماهواره‌ای خام استفاده کردند؛ سپس با استفاده از هوش مصنوعی، داده‌ها را غربال و ویژگی‌های کلیدی را مشخص کردند. مثلاً از وجود جاده‌ها و ساختمان‌های قابل مشاهده، وجود یک بازار مواد غذایی استنباط می‌شد که برای پیش‌بینی سطح خطر برای یک جامعه ضروری بود.

پژوهشگران این عوامل را به کمبود مواد غذایی ویژه در چهار منطقه جمعیتی در ماداگاسکار مرتبط ساختند. آن‌ها از داده‌های نشانگر زیستی واقعی (نمونه‌های خون که در آزمایشگاه روی آن آزمایش انجام شده بود) برای آزمایش برنامه هوش مصنوعی خود استفاده کردند.

پژوهشگران قصد دارند یک برنامه کاربردی (اپلیکیشن) طراحی کنند تا امکان استفاده از این تحلیل‌ها را برای سایر کشورهایی که داده‌های ماهواره‌ای عمومی دارند، فراهم کند.