Kredit:CC0 Public Domain
Forskere fra College of Information Sciences and Technology tager skridt til at imødegå den alarmerende rate af selvmord blandt forgældede landmænd i Indien, ved at udvikle en deep-learning-algoritme som det første skridt i et beslutningsstøttesystem, der kunne forudsige fremtidige markedsværdier for afgrøder.
Mere end 11, 000 indiske landmænd begik selvmord i 2016, ifølge National Crime Records Bureau. Mens den høje frekvens af selvforskyldte dødsfald kan tilskrives en række årsager, økonomisk nød og manglende evne til at sælge afgrøder på grund af udbredte udsving i landets produktmarkedspriser er blandt dem, ifølge Amulya Yadav, assisterende professor i informationsvidenskab og teknologi og hovedefterforsker på projektet.
"I Indien, regeringen har fastsat minimumsstøttepriser for afgrøder, men forsøger ikke eksplicit at påtvinge køberne disse priser, " sagde Yadav. "Den faktiske pris, som afgrøden sælges til på markedet, er baseret på udbud og efterspørgsel."
Yadav forklarede, at mange indiske landmænd optager lån for at købe frø, gødning og udstyr, og at transportere deres høst til markedet. Men hvis landmændene ikke er i stand til at sælge deres afgrøder til minimumsstøttepriser, de kan ikke betale deres lån tilbage eller tjene penge på at forsørge sig selv – hvilket fører til økonomisk nød.
Offentlige markeder vil købe afgrøder til minimumsstøttepriser, men disse markeder er nogle gange langt væk fra bøndernes landsbyer, hvilket tilføjer transport- og brændstofomkostninger. Yadav bemærker også, at der ofte er lange køer på markederne, og at regeringen kun vil købe en begrænset kvote.
"Så de resterende mennesker bliver nødt til at gå tilbage, og de har spildt en masse penge, " sagde han. "De ender med at sælge deres afgrøder til tredjepartsleverandører, der ikke garanterer minimumsstøttepriser, og [bønderne] tjener ikke."
Yadav sigter mod at forbedre landmændenes liv ved at hjælpe dem med at forudsige fremtidige markedspriser. Algoritmen, som hans team udviklede, kan præcist forudsige fremtidige markedspriser baseret på tidligere priser og volumenmønstre.
"Dette system antager, at du forsøger at maksimere profitten for en enkelt landmand, " sagde Yadav. "Vi forsøger at give ham eller hende en forudsigelse om, hvor og hvornår de skal sælge deres afgrøde."
Han fortsatte, "I stedet for at sælge deres afgrøder allerede den næste dag efter høst på det lokale marked, denne algoritme kunne potentielt give en anbefaling om, at de skulle vente fem dage og rejse 40 kilometer til et andet marked, hvor priserne forventes at blive meget høje."
For at oprette algoritmen, Yadav og hans team analyserede dataposter for mere end 1, 300 indiske markeder fra de seneste 11 år, som omfattede maksimum- og minimumspriser for hver afgrøde, der blev solgt på hvert marked. Derefter, de udviklede en dyb læringsmodel for at finde nyttige mønstre fra disse data. Holdets undersøgelser viser, at deres model klarer sig bedre end den nuværende standard.
"Dette giver os håb om, at vi nu vil gå videre og forsøge at bygge hele det system, vi forestiller os, " sagde Yadav. "Når først systemet er bygget, vi håber, at det kan hjælpe landmændene med at maksimere den fortjeneste, de tjener. Og forhåbentlig som en indirekte fordel føre til færre landmænds selvmord i Indien og i andre lande rundt om i verden."
Yadav arbejdede med Alexander Woodruff, 2019 kandidat fra Penn State i informationsvidenskab og teknologi, og Hangzhi Guo, en bachelorstuderende ved Wenzhou Kean University. De præsenterede deres forskning på Association for the Advancement of Artificial Intelligence-konference om AI tidligere på måneden.