Toepassingen voor kunstmatige intelligentie in de landbouw- en voedselsector
Inleiding
De landbouwsector is in beweging: enerzijds omdat het moet – de maatschappij vraagt verregaande verduurzaming van de sector -, anderzijds omdat het kansen biedt voor ondernemers. Nederland staat wereldwijd bekend om een zeer innovatieve landbouwsector en een uitstekende kennisinfrastructuur. Niet raar dus dat ook in de landbouw volop wordt nagedacht over en geëxperimenteerd met de toepassing van kunstmatige intelligentie: AI. Daarom organiseerde VINU in september 2023, samen met Herre Bartlema van het Nederlands Centrum voor de ontwikkeling van Kringloopbemesting, tijdens het congres “De nieuwe boer is…”1 een werksessie. Op basis van werksessie concluderen we dat er grote kansen én uitdagingen liggen. Welke? Dat leest u in dit artikel.
AI versus digitalisering en dataficering
In de (landbouw)praktijk worden AI, digitalisering en dataficering wel eens op één hoop gegooid. Onder digitalisering verstaan wij hier de overkoepelende term voor alle vormen van het gebruik van computers/automatisering. Een specifieke vorm daarvan is dataficering: het beschikbaar krijgen en uitwisselen van data gericht op efficiënte, duurzame productie. Dataficering biedt grote kansen voor de landbouw, bijvoorbeeld voor precisielandbouw, meer vraagstukgestuurde productie, logistiek en het meten en monitoren in de hele keten van grond of kas tot het bord van de consument.
Een andere vorm van digitalisering is kunstmatige intelligentie. Bij kunstmatige intelligentie reageert een machine (je computer) op de omgeving (de akker) om problemen op te lossen. Een algoritme kan bijvoorbeeld een advies aan boeren over wanneer zij het beste kunnen oogsten, gebaseerd op foto’s van de gewassen, de weersvoorspelling of vraagprognose. Digitalisering kan bijdragen aan het genereren van data die vervolgens met behulp van kunstmatige intelligentie geanalyseerd worden.
AI is al jarenlang in ontwikkeling en dat is niet voorbij gegaan aan de agrarische sector. Daarom wordt AI op dit moment al toegepast in de praktijk. Een voorbeeld daarvan is Big Life, een programma dat de varkenshouder een signaal geeft als een biggetje bij het zogen dreigt te worden verplet onder de zeug. Dat gebeurt via camerabewaking en software die herkent wanneer er een gevaarlijke situatie ontstaat. Ook zijn er al diverse apps die boeren bemestingsadvies geven op basis van een locatie, weersvoorspelling en (drone)foto’s van hun gewas. Dit laatste roept meteen vragen op: komt het advies via de app van de kunstmestfabrikant? Die zal zeker niet te weinig mestgift adviseren. En wat gebeurt er als het advies wel te laag is en het gewas groeit niet goed? Kan de eigenaar van de app dan claims verwachten?
AI als onafhankelijk bedrijfsadviseur
Boeren krijgen nu voornamelijk advies van leveranciers (gewasbescherming, kunstmest, diervoer). Voorheen gaven de productschappen onafhankelijk advies aan boeren, maar die zijn afgeschaft. AI kan rol de van onafhankelijk adviseur deels vervangen, mits AI gebruik maakt van onafhankelijke, wetenschappelijk geverifieerde data. Dat kan door bestaande kennis en informatie te matchen met bedrijfsgegevens en bijvoorbeeld beelden van dieren en gewassen. Of door marktprijzen en productierisico’s voor producten te analyseren en zo te beoordelen wat een goede mix van teelten is. En hier is zeker behoefte aan in de agrarische sector: onafhankelijk advies geeft de boer een betere (kennis)positie ten opzichte van leveranciers én afnemers.
Er zijn ook belangrijke kanttekeningen: wat een ‘goed’ advies is, hangt af van wat je wilt bereiken. Bijvoorbeeld: wil je zo duurzaam mogelijk produceren (zo min mogelijk uitspoeling van mest en schadelijke stoffen, zo veel mogelijk biodiversiteit in stand houden), of wil je zo efficiënt mogelijk produceren? Iedere boer (en burger!) heeft een eigen visie op waar het heen moet. En uiteraard spelen hier vragen over eigenaarschap van data. Wie bepaalt welke (des)informatie AI meeneemt bij het komen tot een advies? Wat gebeurt er met de bedrijfsgegevens van de boer in kwestie?
AI als hulpmiddel om tot gebiedsplannen te komen
De landbouwsector moet verduurzamen. Daarom gaat het landelijk gebied op de schop. Hoe? Dat is natuurlijk afhankelijk van het gebied (de grondsoort, het grondgebruik) én van de mensen die er werken en wonen. Daarom zijn gebiedsplannen nodig als onderdeel van het NPLG. Kunstmatige intelligentie kan daarbij mogelijk behulpzaam zijn. Stel dat AI informatie kan analyseren en combineren – dan kan AI ook voorstellen doen of scenario’s maken hoe een gebied optimaal kan worden gebruikt. Het algoritme voedt zich dan bijvoorbeeld met data over het bodem- en watersysteem (via het inladen van kaartlagen); over hoe gewassen presteren op verschillende percelen en condities; informatie over welke bedrijven willen stoppen en doorgroeien. Mogelijk kan AI in de toekomst ook voorstellen doen voor het te volgen proces op basis van eerdere ervaringen in gebiedsprocessen.
Maar gebiedsprocessen blijven daarnaast altijd mensenwerk. AI kan bijvoorbeeld niet de uitgangspunten voor een plan definiëren: wat voor landschap willen we? Welke hoeveelheid (voedsel)productie willen we in dit gebied? Waar liggen de wensen en grenzen van wat boeren kunnen doen? Overleg is mensenwerk en blijft dus altijd nodig, met AI als handige assistent.
Conclusie
AI wordt al volop toegepast in de agrarische sector en dat gaat de komende jaren naar verwachting alleen maar groeien omdat de agrarische sector én heel innovatief is én voor grote (duurzaamheids)opgaven staat. Er liggen kansen om de boer een sterkere positie in de keten te geven als AI wordt doorontwikkeld voor onafhankelijke bedrijfsadvisering. En er zijn kansen voor efficiëntere gebiedsprocessen met betere plannen als resultaat. Dat vraagt nog wel veel aandacht en zorgvuldigheid bij het doorontwikkelen van AI. Er moeten antwoorden komen op maatschappelijke vraagstukken over eigenaarschap, privacy en andere risico’s van AI. En nee, AI kan mensenwerk niet vervangen. Wel verbeteren en makkelijker maken.