Artificial intelligence in de landbouw

De landbouw, en met name de akkerbouw, is een bijzondere economische sector: niet alleen omdat deze sector voorziet in een eerste levensbehoefte (voedsel), maar ook door de bijzondere structuur. Veel bedrijven worden gerund door één persoon, die alleen in drukke periodes een beroep doet op gezinsleden, seizoenarbeiders en loonwerkers. Deze ene persoon moet dus alles kunnen: verschillende gewassen telen, machines bedienen, producten verkopen, boekhouden, de verhouding met de buren goed houden, plannen, investeringsbeslissingen nemen, vergunningen aanvragen, etc.

Alleskunners bestaan niet

Ik ken geen enkele boer die in al deze dingen tegelijk goed is. Toch wordt het steeds belangrijker om al deze dingen goed te doen: het vakmanschap is belangrijker dan ooit, maar inmiddels moet je ook een goede manager en een ondernemer zijn. En zelfs het vakmanschap is al ingewikkeld genoeg: de teelt van gewassen wordt ingewikkelder doordat de randvoorwaarden vanuit overheid en markt steeds strakker worden, de weersomstandigheden steeds wisselender en extremer worden, en de techniek steeds complexer wordt. De boer kan daarvoor terugvallen op adviseurs, maar ook geen enkele adviseur is in staat om alles te overzien. De boer krijgt dus allerlei deeladviezen en moet daar zelf maar chocola van maken.

Versterking van human intelligence

Daarom heeft de landbouw volgens mij behoefte aan de versterking van intelligence: aan ondersteuning in het vakmanschap, maar ook in het management en het ondernemerschap. Daarbij gaat het wat mij betreft niet allereerst om het vervangen van de boer, hoewel het misschien best zou helpen als hij sommige routinematige, tijdrovende taken kwijt is en die tijd kan besteden aan andere taken. Het gaat er vooral om dat de boer zijn werk beter kan doen. Ik zie daar allerlei mogelijkheden: van herkenning van ziektes, onkruiden, nuttige en schadelijke insecten in het veld, een adviesmodule om complexe beslissingen te maken tot een planningsassistent die in de winterperiode al een aantal voorbereidende werkzaamheden inplant. En wat te denken van een evaluatietool, die een boer helpt om op basis van de resultaten van afgelopen jaren inzicht te geven in de belangrijkste redenen voor een hoge of lage opbrengst. Ieder jaar is anders, ook het volgende jaar, maar ik vermoed dat boeren (het zijn net mensen) ook hun sterke en zwakke punten hebben en dus op hetzelfde punt vaker goede prestaties laten zien of juist steken laten vallen.

Data is geen informatie

Ik wil ook graag een steen in de vijver gooien. In de wereld van AI is het waarschijnlijk geen vraag of grote datasets waardevol zijn. Ik loop echter al vanaf mijn studietijd in een omgeving rond van een onderzoeksorganisatie, en elke onderzoeker likt z’n vingers af bij grote datasets. In de landbouw zie ik te vaak dat we eerst beginnen met dataverzameling. Door te schudden aan een zak met data ontstaan zelden zinvolle resultaten, en als je gerichte vragen gaat stellen aan deze data, blijkt vaak dat de data niet geschikt is om deze vragen te beantwoorden. Daarom denk ik dat we andersom moeten beginnen: wat is de informatie die een boer of adviseur nodig heeft? En voor welke beslissing of actie heeft de boer die nodig?

Kennis is nodig om informatie te maken uit data

Daar komt nog iets bij: je kan heel veel beelden verzamelen van gewassen in het veld, maar het vraagt toch nog altijd kennis van experts om de beelden te interpreteren. En zelfs daarbij is het risico dat een bemestingsdeskundige zegt dat het kleurverschil wijst op een bemestingstekort, een plantenziektekundige het symptoom van een ziekte herkent, en bodemdeskundige een bodemprobleem ziet en een mechanisatiebedrijf ziet dat je de machine niet goed hebt afgesteld. En vervolgens is ook nog de vraag of ze kunnen aangeven of iets een probleem is, of er actie ondernomen moet worden en wat er dan gedaan kan worden. Er zijn genoeg problemen waarbij je niet (meer) kan bijsturen, waardoor het ook de vraag is of je uiteindelijk wat hebt aan de informatie. En als je een probleem alleen aan kan pakken op een schaal van het perceel, is het ook niet zo zinvol om data per plant of per vierkante meter te verzamelen.

Technisch kan alles, maar welk probleem lossen we ermee op? 

Waar ik me dus wel eens wat druk over maak, is dat de ontwikkeling van AI en smart technology sterk gedreven wordt door de vraag ‘wat is er technisch mogelijk’. Terwijl je vanuit de toepassingscontext hele andere vragen stelt, namelijk: welk probleem lost het op, wat is de meerwaarde ervan en is het ook economisch interessant? Ik wil beide perspectieven niet tegen elkaar wegstrepen, maar ik zou ze wel graag meer willen verbinden. Hoe dat kan: bij de Boerderij van de Toekomst werken we met onze partners vanuit een toekomstgerichte agenda. Wat zijn de uitdagingen die op ons afkomen, welke doelen moeten we halen? Wat hebben we nodig om de landbouw toekomstbestendig te maken? Daarbij kijken we per definitie breder dan technologische innovatie: ook agronomische, ecologische en sociaal-economische innovaties zijn nodig. Deze staan ook nooit los van elkaar. Het belangrijkste blijft steeds: de innovaties die we ontwikkelen en testen worden voortdurend getest met het oog op de doelen voor de toekomst. Het blijkt steeds weer dat deze toekomstgerichte, doelgerichte benadering ook verbindend werkt naar allerlei partijen en initiatieven, omdat het een antwoord geeft op de vraag ‘wat kunnen wij bijdragen’.

Toekomstgerichte agenda

Met betrekking tot data en technologie zien we een weg voor ons in de richting van een handsfree farm. Het klinkt natuurlijk mooi, maar een volledig autonome boerderij is nog verre toekomstmuziek, nog los van de vraag of dat het doel zou moeten zijn. Ik denk namelijk dat de mens niet overbodig raakt: niet als vakman, niet als manager, niet als ondernemer. Daarom beginnen we in onze strategie andersom: van weinig naar beperkte autonomie, gevolgd door handsfree hectares. Bij weinig autonomie gaat het om het toepassen van de huidige mogelijkheden: recht rijden met GPS, gebruik van sensoren en taakkaarten voor een beperkt aantal toepassingen, inzet van beslissingsondersteunende systemen. De boer is nog steeds in controle en voert vrijwel alles zelf uit. De volgende stap gaat bijvoorbeeld over machines die één functie autonoom uitvoeren, maar dan nog wel achter een gewone trekker hangen. Of andersom: een autonoom rijdende robot die een ‘gewoon’ werktuig trekt. Die robot wordt nog steeds in werking gezet en gecontroleerd door de boer. Bij de handsfree hectares gaat het weer een stap verder: dan neemt een bedrijfsmanagementsysteem op basis van data een beslissing, en stuurt ook een autonome machine, die eigen uitvoering controleert, aan. De data van deze machine wordt ook weer teruggekoppeld naar het bedrijfsmanagementsysteem. De boer controleert en stuurt aan op de hoofdlijnen van het proces.  Bij deze denklijnen hoort ook de ontwikkeling en toepassing van AI: detecteren van onkruiden, ziekten, plagen en gebreken en daarop tijdig en plaatsspecifiek op ingrijpen. Ook bij de autonome controle op de werkzaamheden kan AI een rol vervullen. Digital twins en beslissingsondersteunende systemen kunnen de boeren en adviseurs ondersteunen bij tactische en strategische beslissingen.

Sociale innovatie

Dat is niet alleen technologisch nog een hele uitdaging. Ik denk dat het vooral sociale innovatie vraagt: kennis, competenties, een andere manier van werken van boeren, adviseurs etc. Maar ook nieuwe vormen van samenwerking: we zien nu al dat er allerlei serviceproviders komen, die bijvoorbeeld dronevluchten uitvoeren, apps aanbieden of loonwerk doen met robots. Ook in de samenwerking tussen boeren veranderen er allerlei dingen: als je bij de buurman land huurt, heb je ook data nodig van dit perceel. Dat geldt ook voor de loonwerker die je inhuurt: voor je teeltregistratie en verantwoording aan de afnemer heb je data nodig van de machines van de loonwerker. Dat vraagt nieuwe regels tussen bedrijven in de keten en vanuit de overheid, onder andere rondom eigenaarschap van data. Ik denk dat we hier te weinig aandacht voor hebben bij de ontwikkeling van slimme technologie, waardoor het innovatieproces ook onnodig lang duurt of zelfs vastloopt. Kortom: Artificial Intelligence kan niet zonder Social Intelligence.

(Met dank aan collega’s Johan Booij en Andries van der Meer voor het meelezen en meedenken.)