Combattre la crise de l'inflation dans les régions précaires : la solution d'apprentissage automatique révolutionnaire de la Banque mondiale
Les conditions de vie ont été fortement affectées par la hausse mondiale de l'inflation, en particulier dans les régions en crise, affectant durement les ménages en situation de précarité. Dans les pays à faible revenu, où les prix peuvent être imprévisibles et difficiles à mesurer, une combinaison d'enquêtes et de prédictions d'apprentissage automatique peut produire des estimations qui sont tout aussi précises que les mesures des prix réels. La Banque mondiale a récemment publié un rapport à ce sujet dans la série de documents de travail sur la recherche sur les politiques. Suite au rapport, la Banque mondiale a développé un modèle d'apprentissage automatique pour aider à réduire l'inflation des prix alimentaires dans le cadre du plan Food Systems 2030.
Bo Pieter Johannes Andrée, un Data Scientist au Development Economics Data Group de la Banque mondiale, est le cerveau derrière ce modèle ingénieux. Il a développé la méthodologie dans le cadre d'un projet intitulé "Building the Evidence on Protracted Forced Displacement: A Multi-Stakeholder Partnership". La recherche et le développement du modèle étaient basés sur les données mensuelles de l'enquête sur les prix recueillies par le Programme alimentaire mondial (PAM).
Source: Pinterest
Une forte augmentation des dépenses des ménages nécessaires pour répondre aux besoins de base
Lorsque l'inflation est élevée, les dépenses familiales pour couvrir les besoins essentiels peuvent grimper de manière significative, nécessitant une action politique. Dans des situations plus difficiles, une hausse des prix des aliments peut être un symptôme de pénuries alimentaires régionales. Cela signifierait le début ou l'aggravation d'une crise alimentaire et nutritionnelle. Il s'agit d'un problème important car, alors que l'inflation montre une augmentation globale des niveaux de prix sur un large éventail d'articles, les prix de certains biens peuvent augmenter de façon spectaculaire. Au-delà des produits alimentaires, une large gamme de prix des biens doit également être observée pour mesurer correctement l'inflation. Pourtant, l'examen simultané de leurs prix devient plus difficile à mesure que le nombre d'articles dans le panier augmente.
La Banque mondiale utilise une méthode d'apprentissage automatique pour surveiller l'inflation
Source: Pinterest
En créant de nombreux modèles d'apprentissage automatique pour divers éléments de prix et en les connectant pour prévoir les données manquantes en fonction d'autres prix. L'étude de la Banque mondiale emploie une stratégie novatrice pour surmonter cette difficulté. Cette méthode permet de suivre les prix des denrées alimentaires en temps réel sur plus de 1200 places de marché dans 25 pays différents pour plus de 40 produits alimentaires différents. La technique estime les prix du marché local non observés à l'aide d'enquêtes sur les marchés environnants et les coûts des articles associés. Cela comble les lacunes d'un panier de données sur les prix spécifiques à la région des produits de base. Permettre un suivi en temps réel de la dynamique de l'inflation locale à l'aide de données d'enquête inégales et irrégulières.
Des informations cruciales pour les décideurs dans les régions à faible revenu et pauvres en données
Les conclusions de cette étude offrent des orientations importantes aux décideurs politiques dans les régions à faible revenu et pauvres en informations. Ces régions ont du mal à maintenir des programmes de surveillance des prix étendus et coûteux en utilisant les méthodes conventionnelles de l'indice des prix à la consommation (IPC) pour suivre les niveaux généraux des prix d'un large éventail de biens de consommation. La technique peut améliorer le suivi macroéconomique dans les zones où les données sont inadéquates en acquérant des informations à moindre coût et en complétant les efforts traditionnels de collecte de données.
Lisez aussi: Révolution de l'IA dans le secteur juridique : les chatbots occupent le devant de la scène dans les salles d'audience
Élargir la portée du moniteur
Le Fonds fiduciaire multidonateurs pour les systèmes alimentaires 2030 de la Banque mondiale élargit le champ d'action du moniteur. La Banque mondiale améliore actuellement les algorithmes en utilisant les données de l'Institut international de recherche sur les politiques alimentaires (IFPRI). Cela leur permet de traiter un plus grand nombre d'éléments de prix et de rester résilient même lorsque la couverture des données est limitée.
Sauver des vies dans les pays les plus pauvres grâce à la technique d'apprentissage automatique de la Banque mondiale
Dans les pays à faible revenu, la technique d'apprentissage automatique de la Banque mondiale sauve des vies. Le problème actuel de l'inflation rend difficile pour de nombreuses personnes de joindre les deux bouts. En ce qui concerne plus de 40 catégories d'aliments, la technologie d'apprentissage automatique de la Banque mondiale offre aux décideurs un suivi en temps réel des prix des aliments sur plus de 1200 25 places de marché dans XNUMX pays.
Lisez aussi: Le saut de l'IA en Inde : ChatGPT local pour autonomiser des millions de personnes
Notre avis
L'approche d'apprentissage automatique de la Banque mondiale bénéficiera de manière significative aux pays à faible revenu souffrant du problème actuel d'inflation. Les décideurs peuvent proposer des réponses politiques adaptées pour aider les personnes dans les zones touchées par la crise. Pour ce faire, ils surveilleraient en temps réel les prix des denrées alimentaires sur plus de 1200 25 marchés dans 2030 pays. L'augmentation de la portée du moniteur du Fonds fiduciaire multidonateurs pour les systèmes alimentaires XNUMX de la Banque mondiale est une mesure encourageante pour permettre un suivi encore plus approfondi de la dynamique de l'inflation dans les pays où les données sont limitées.
L'application de l'apprentissage automatique à la résolution de problèmes dans divers secteurs a maintenant atteint une échelle mondiale. Il est inspirant de voir des organisations mondiales utiliser la technologie, l'intelligence artificielle et des modèles aussi innovants pour résoudre les problèmes. Espérons que ces étapes nous conduiront vers un avenir meilleur, technologiquement avancé et durable.
Services Connexes
- Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
- Platoblockchain. Intelligence métaverse Web3. Connaissance Amplifiée. Accéder ici.
- La source: https://www.analyticsvidhya.com/blog/2023/04/world-banks-machine-learning-model-to-save-lives-in-low-income-areas/
