盈利預測系統可能可以協助降低印度農民因負債而導致自殺的狀況
2020/04/08 @國際
摘要
美國賓州大學及溫州基恩大學聯合團隊開發以深度學習為系統主軸的農作物市場價值決策系統，藉由分析印度11年的農作物交易數量與價格，可預測未來印度農產品市場價格的交易情況，協助農民不再因市場供需波動而難以溫飽。
示意圖
根據國家犯罪記錄局的數據，2016年有超過11,000名印度農民自殺。賓夕法尼亞州立大學信息科學與技術助理教授—Amulya Yadav表示，雖然造成高自殺率的原因很多，但是因為許多印度農民借貸買種子、肥料和設備，之後再將收成的農作物賣至市場上，但是該國農產品市場價格普遍波動，農作物在市場的實際銷售價格取決於供需關係，若農民的售出價格過低而無法讓他們償還債務並維持生計，從而導致財務困境。政府的協助僅是以其所訂定的最低價格購買有限配額，然而原產地與市場距離有時較遠，進而增加了運輸與燃料成本，若未爭取到政府購買農作物的農民，其不得不將農作物出售給無法保證以最低購買價購買之第三供應商。
因此，賓夕法尼亞州立大學及溫州基恩大學的研究人員藉由開發深度學習算法以作為預測農作物未來市場價值的決策系統，希望解決印度農民因負債而導致令人震驚的自殺率，該研究團隊在3月初的人工智能促進協會會議介紹此研究成果。【延伸閱讀】科學家借助科學技術來預防第二批沙漠蝗蟲過境
研究團隊為了創建演算法，其分析過去11年中1,300多個印度市場的最高與最低農作物價格及作物數量，進而開發出深度學習法的模型。該系統會假設將農民利潤最大化，藉以預測農民何時何地最適合出售他們的農作物。例如此算法會建議農民待農作物收成後5天再運送至40公里遠的市場以獲得較高價格，此預測系統反而不會建議將農作物在收成後隔天賣至當地市場。因此，該預測模型相較於現今標準模組具有更符合實際狀況的準確性。
資料來源
文章摘譯
