Das College of Engineering, Architecture and Technology startet ein dreijähriges Forschungsprojekt, um Chinas landwirtschaftliche Produktion, Lagerbestände und Importe mithilfe von maschinellem Lernen zu messen und vorherzusagen. Die Partnerschaft zwischen der Oklahoma State University, der Iowa State University und der Cornell University, finanziert vom US-Landwirtschaftsministerium, zielt darauf ab, die Faktoren zu verstehen, die Chinas Importe und Exporte beeinflussen. Dr. Guiping Hu, Professorin und Leiterin der School of Industrial Engineering and Management, leitet das Projekt als eine der Hauptuntersucherinnen. Das Projekt wird sich darauf konzentrieren, Daten zu untersuchen und dann mit Hilfe von maschinellem Lernen zu verstehen, welche Faktoren Chinas Importe und Exporte beeinflussen. Ein weiteres Ziel ist es, politische Empfehlungen zu formulieren und Erkenntnisse mit Landwirten und anderen Interessengruppen zu teilen.
Maschinelles Lernen ist ein Aspekt der KI-Forschung, der Daten und Algorithmen verwendet, um dem Programm zu ermöglichen, seine Genauigkeit zu verbessern, indem es die Art und Weise nachahmt, wie Menschen lernen. Dr. Guiping Hu verfolgt interdisziplinäre Forschung, wann immer möglich, und dieses Projekt bringt Ökonomen und Ingenieure zusammen. Hu hat während ihrer Zeit an der ISU die Importe und Exporte von Bergbau- und Textilindustrien mithilfe von maschinellem Lernen untersucht, was als Grundlage für das neue Projekt zur Untersuchung der landwirtschaftlichen Wirtschaft Chinas dient.
Das Projekt wird innovative Aspekte der hochmodernen maschinellen Lern- und Datenanalysetools nutzen, um Vorhersagen zu treffen. Maschinelles Lernen kann die Genauigkeit von Modellen und Vorhersagen im Vergleich zu traditionellen Methoden verbessern und bessere Einblicke bieten, wenn Modelle entworfen werden. Das Team wird historische Daten untersuchen, um zu verstehen, wie sich die Dinge im Laufe der Zeit entwickelt haben, und dann maschinelles Lernen anwenden, um Faktoren zu berücksichtigen, die zu einem anderen Ergebnis führen könnten. Es wird drei Analyseniveaus für dieses Projekt geben: deskriptive, prädiktive und präskriptive Analysen.
Die erste Phase des Projekts wird sich auf die deskriptive Analyse der Daten konzentrieren. Das Team wird versuchen, Daten zu sammeln und einige der Faktoren zu verstehen, die möglicherweise nicht in den Daten vertreten sind. Die zweite Phase wird sich auf deskriptive und prädiktive Analysen konzentrieren und historische Trends im Zusammenhang mit den Daten betrachten. Die dritte Phase wird sowohl prädiktive als auch präskriptive Analysen umfassen und Szenarien analysieren, politische Empfehlungen formulieren und mögliche “Was-wäre-wenn”-Szenarien analysieren. Ein Schwerpunkt der Forschung ist es, auf Grundlage der Ergebnisse politische Empfehlungen zu machen und Einblicke zu generieren, von denen die Interessengruppen profitieren können.