Forskare från College of Information Sciences and Technology vidtar åtgärder för att ta itu med den alarmerande graden av självmord bland skuldsatta bönder i Indien, genom att utveckla en djupinlärningsalgoritm som det första steget i ett beslutsstödssystem som skulle kunna förutsäga framtida marknadsvärden för grödor.

Fler än 11, 000 indiska bönder begick självmord 2016, enligt National Crime Records Bureau. Även om den höga andelen självförvållade dödsfall kan tillskrivas ett antal orsaker, ekonomisk nöd och oförmåga att sälja grödor på grund av omfattande fluktuationer i landets produktmarknadspriser är bland dem, enligt Amulya Yadav, biträdande professor i informationsvetenskap och teknik och huvudutredare i projektet.

"I Indien, regeringen har fastställt lägsta stödpriser för grödor, men försöker inte uttryckligen tvinga dessa priser på köparna, ", sa Yadav. "Det faktiska priset till vilket grödan säljs på marknaden är baserat på utbud och efterfrågan."

Yadav förklarade att många indiska bönder tar lån för att köpa frön, gödselmedel och utrustning, och att transportera sin skörd till marknaden. Men om bönderna inte kan sälja sina skördar till lägsta stödpriser, de kan inte betala tillbaka sina lån eller göra en vinst för att försörja sig – vilket leder till ekonomisk nöd.

Statliga marknader kommer att köpa grödor till lägsta stödpriser, men dessa marknader är ibland långt borta från bondebyar, vilket tillför transport- och bränslekostnader. Yadav noterar också att det ofta är långa köer på marknaderna och att regeringen bara kommer att köpa en begränsad kvot.

"Så de återstående människorna måste gå tillbaka, och de har slösat bort mycket pengar, " sa han. "Det slutar med att de säljer sina skördar till tredjepartsleverantörer som inte garanterar minimipriser för support, och [bönderna] gör ingen vinst."

Yadav siktar på att förbättra böndernas liv genom att hjälpa dem att förutsäga framtida marknadspriser. Algoritmen som hans team utvecklade kan exakt förutsäga framtida marknadspriser baserat på tidigare prissättning och volymmönster.

"Det här systemet förutsätter att du försöker maximera vinsten för en enda bonde, " sa Yadav. "Vi försöker göra en förutsägelse till honom eller henne om var och när de ska sälja sin skörd."

Han fortsatte, "Istället för att sälja sina skördar redan nästa dag efter skörden på den lokala marknaden, den här algoritmen kan potentiellt ge en rekommendation att de ska vänta fem dagar och resa 40 kilometer till en annan marknad, där priserna förutspås bli mycket höga."

För att skapa algoritmen, Yadav och hans team analyserade dataposter för mer än 1, 300 indiska marknader från de senaste 11 åren, som inkluderade högsta och lägsta priser för varje såld gröda på varje marknad. Sedan, de utvecklade en modell för djupinlärning för att hitta användbara mönster från dessa data. Teamets studier visar att deras modell presterar bättre än den nuvarande standarden.

"Detta ger oss hopp om att vi nu ska gå vidare och försöka bygga hela systemet som vi föreställer oss, " sa Yadav. "När systemet väl har byggts, vi hoppas att det kan hjälpa jordbrukare att maximera vinsten de tjänar. Och förhoppningsvis som en indirekt fördel leda till färre självmord av bonde i Indien och i andra länder runt om i världen."

Yadav arbetade med Alexander Woodruff, 2019 examen från Penn State i informationsvetenskap och teknologi, och Hangzhi Guo, en student vid Wenzhou Kean University. De presenterade sin forskning vid Association for the Advancement of Artificial Intelligence-konferens om AI tidigare denna månad.