Az AI korábban jelezheti az élelmiszerválságok kockázatait

A válságok több, egymást erősítő nyomásból alakulnak ki

Az élelmiszerválságok ritkán kezdődnek egyetlen látványos eseménnyel. A kimaradó eső, a korai aszály, a sikertelen betakarítás, az áremelkedés és az ellátási láncok zavarai fokozatosan erősíthetik egymást. Mire ezek a folyamatok nagyobb léptékben láthatóvá válnak, az időben meghozott intézkedések lehetősége már beszűkülhet.

Az ITU AI for Good Global Summit 2026 szeptember 7-i, „Strengthening food systems resilience with AI” című ülésén technológiai, humanitárius, kormányzati és meteorológiai szakértők vizsgálták, hogyan segíthet az AI a változó körülmények korábbi felismerésében. A beszélgetés központi üzenete az volt, hogy a technológia értékét nem önmagában a modell fejlettsége adja. Az számít, hogy az információ eljut-e a gazdákhoz, a kormányokhoz és a humanitárius szervezetekhez, még azelőtt, hogy a kockázatok válsággá válnának.

Helyi igényekre és megbízható adatokra van szükség

Kevin White, a Microsoft AI for Good Lab vezető igazgatója szerint az AI önmagában nem oldja meg az éhezést, de korábban észlelheti az egymásra torlódó kockázatokat, és támogathatja a döntéshozatalt. Girmaw Abebe Tadesse, a labor vezető kutatója és menedzsere kenyai példát hozott. Az ülés idején az ország egyes részein a korán érkező, majd gyorsan elálló esők után alakult ki aszály. A gazdák már vetettek, a változó időjárás azonban veszélyeztette a kukoricatermést.

Tadesse szerint az AI és például a távérzékelési adatok kombinációja segíthet felmérni a várható hatásokat. A projekteknek azonban nem egy előre kiválasztott technológiai megoldásból kell kiindulniuk. Először azt kell megérteni, ki használja majd a rendszert: egy minisztérium, helyi közigazgatási egység, mezőgazdasági szaktanácsadó vagy egyéni gazda. Egy ország legutóbbi kukoricatermésének felmérése is többféle információt igényel, a termőterületektől és az aszály hatásától a várható hozamokon át a helyszíni ellenőrzésig.

A World Food Programme előrejelzési és korai riasztási egységének vezetője, Kyriacos Koupparis szerint az AI már a sokk bekövetkezése előtti felkészülést is támogathatja. Az előrejelzések alapján gyors felmérések, segélyszállítmányok előzetes elhelyezése vagy rendelkezésre álló finanszírozás esetén korai pénzbeli támogatás indítható. Ehhez azonban helyi szereplőkkel kialakított kapcsolat, intézményi kapacitás és finanszírozási folyamat is szükséges.

A globális időjárási adatoktól a kenyai tej szállításáig

Véronique Bouchet, a Meteorológiai Világszervezet tudományért, szolgáltatásokért és kapacitásfejlesztésért felelős vezető igazgatója arra hívta fel a figyelmet, hogy az időjárás nem áll meg az országhatároknál. Egy ország előrejelzéséhez óceánokról, műholdakról és más régiók meteorológiai állomásairól származó megfigyelésekre is szükség lehet. A szervezet koordinálja ezen adatok valós idejű cseréjét, ez a rendszer pedig az AI-alapú előrejelzések alapját is biztosítja.

Bouchet szerint az AI bizonyos előrejelzési időszakokban javíthatja a pontosságot, gyorsíthatja a prognózisok elkészítését és csökkentheti a számítási erőforrásigényt. A technikai időjárási információkat gyakorlati útmutatássá is alakíthatja, például a vetés vagy a betakarítás időzítéséhez, illetve annak felméréséhez, hogy a szélsőséges hőség károsíthatja-e a szállított árukat.

Tadesse az Adopt Kenya kezdeményezést is bemutatta, amely a kormányt, a magánszektort, az akadémiai szereplőket, a nonprofit szervezeteket és az ENSZ-szervezeteket kapcsolja össze. A program a talajállapot, a műtrágyahasználat, az időjárás, a terméshozamok és a piaci információk rétegeit egyesítené. A kezdeményezésben 49 partner vett részt.

H.E. Ambassador Philip Thigo, Kenya technológiai különmegbízottja szerint az AI alkalmazása az élelmiszerrendszer teljes útját érintheti, a termeléstől a piacokon, feldolgozáson és szállításon át a fogyasztásig. Kenyában például a tej szállításakor egy felboruló kerékpár miatt kiömölhet a rakomány. Az adatok jelezhetik, ha az útvonalon eltérés történt. A szakértő szerint az ilyen megoldások a veszteségeket és a mindennapi működés hatékonysági problémáit csökkenthetik.

A következő időszak prioritásai

A panelbeszélgetés végén a résztvevők a következő 12, illetve 24 hónap legfontosabb feladatairól beszéltek. Ezek között szerepelt, hogy az eszközök hangalapon és helyi nyelveken is elérhetők legyenek, fennmaradjanak a megbízható megfigyelőhálózatok és előrejelzések, valamint hogy a rendszereket a kormányokkal együtt fejlesszék.

A szakértők szerint az AI akkor erősítheti az élelmiszerrendszerek ellenálló képességét, ha a helyi szereplők bevonásával készül, megbízható adatokra épül, és közvetlenül kapcsolódik azokhoz az intézményekhez, amelyek az előrejelzések alapján intézkedni tudnak. A különböző szervezetek közötti adatátjárhatóság szintén fontos, hogy az információ ne elszigetelt intézményi rendszerekben maradjon.