Kunstmatige intelligentie in de landbouw: omdat het een hongerige wereld is

Er wordt verwacht dat de wereldbevolking in 2050 zal groeien tot 10 miljard mensen of meer. Hoewel het mogelijk is dat er een beperkte hoeveelheid nieuw land in cultuur kan worden gebracht, is het duidelijk dat de boeren in de wereld veel meer voedsel zullen moeten produceren met slechts een geringe toename van de bebouwbare grond. Kunstmatige intelligentie (AI) zal het instrument van de boer zijn om dit doel te bereiken.

Zoals beschreven in een artikel gepubliceerd door de Universiteit van Florida^[1]kunnen boeren nu enorme hoeveelheden gegevens over hun gewassen verzamelen en analyseren. Dit omvat weerpatronen, bodemgezondheid en plantengroei. Door het gebruik van AI kunnen moderne boeren hun methoden verbeteren, waardoor het mogelijk wordt hun gewasopbrengsten te verbeteren, verspilling te verminderen en uiteindelijk de winstgevendheid te vergroten.

De cruciale rol van AI in de moderne landbouw

Nu we geconfronteerd worden met de enorme uitdaging om een groeiende wereldbevolking te voeden, wordt de rol van AI in de landbouw steeds belangrijker. Volgens experts van de Universiteit van Florida:

“Met behulp van AI om landbouwpraktijken te optimaliseren, kunnen boeren hun gewasopbrengsten verbeteren, verspilling verminderen en de winstgevendheid vergroten. Nauwkeurige en tijdige gegevens kunnen het verschil maken tussen een succesvolle of een mislukte gewascyclus, waardoor het voor boeren van cruciaal belang is om hiervan gebruik te maken technologie en data in hun voordeel.”

Dit inzicht benadrukt de cruciale rol van AI bij het verbeteren van de landbouwproductiviteit en duurzaamheid, essentieel om te voldoen aan de voedselbehoeften van een groeiende bevolking met beperkte bouwland.

Een cruciale uitdaging waarmee boeren worden geconfronteerd, is duurzaamheid. Forbes^[2] rapporteert dat in totaal “elf procent van de mondiale uitstoot afkomstig is van de landbouw en dat bijna 40% van het in de VS geproduceerde voedsel uiteindelijk wordt verspild. We leren ook dat slechts tweederde van de antibiotica die tegenwoordig worden gebruikt, wordt gebruikt voor de behandeling van vee dat uiteindelijk bedoeld is om mensen te voeden en niet om mensen en hun ziekten rechtstreeks te behandelen. Dit is een directe oorzaak van antibioticaresistentie, die nu een belangrijke factor in de gezondheidszorg wordt. Agrarische AI kan een grote bijdrage leveren aan het verlichten van deze problemen en meer.

Kunstmatige intelligentie in de landbouw is een snel evoluerend vakgebied, met bijna dagelijks belangrijke nieuwe aankondigingen. Laten we eens kijken naar enkele algemeenheden op het gebied van AI die ook specifiek van toepassing zijn op AI in de landbouw, en ook naar wat er nu al beschikbaar is voor de hedendaagse boeren.

Machine leren

Machine learning is een essentieel onderdeel van AI, inclusief landbouw-AI. Een artikel van MIT^[3] citeert AI-pionier Arthur Samuel, die machine learning definieert als “het vakgebied dat computers de mogelijkheid geeft om te leren zonder expliciet geprogrammeerd te zijn.”

Traditioneel computerprogrammeren vereist het creëren van volledige instructies die een computer moet volgen op basis van duidelijk gedefinieerde invoer om een taak te volbrengen. Machine learning daarentegen houdt in dat computers zichzelf kunnen programmeren.

De eerste stap is het verzamelen van een enorme hoeveelheid gegevens die relevant zijn voor de behoefte. Over het algemeen kan de invoer bestaan uit reparatiestatistieken, sensorgegevens of reparatierapporten. De volgende stap is het bestuderen van de waargenomen oorzaak-en-gevolgrelaties tussen de gegevenselementen in een duizelingwekkende reeks combinaties. Machine learning voegt vervolgens de stukjes samen en kan op basis van de waargenomen patronen toekomstige relaties met een hoge mate van betrouwbaarheid voorspellen.

Een van de dingen die machine learning kan doen, is een klein onkruidje van een klein plantje onderscheiden.

Onkruid vernietigen met AI-gestuurde lasers

De LASERWEEDER doorzoekt het land van een boer en gebruikt AI om te bepalen wat elke entiteit die hij tegenkomt is: een opkomend gewas of een onkruid. De machine, omschreven als een mobiel datacenter, kan het verschil bepalen tussen 40 gewassen en 80 soorten onkruid. Als er onkruid wordt gedetecteerd, vernietigt een ‘killer’-laser het onkruid in milliseconden.

Zoals beschreven in een video van Koolstofrobotica ^[4]kan dit op AI gebaseerde apparaat het saaie werk op de boerderij wegnemen. NBC beschrijft het als “een moordende robot met een AI-brein”, maar de slachtoffers zijn geen vijandelijke strijders; het doel ervan is eerder: onkruid!

LASERWEEDER filmpje 2 min 3 seconden

Het apparaat, dat 1.2 miljoen dollar kost, kan 24 uur per dag werken en kan dertig landarbeiders vervangen die steeds moeilijker te vinden en in dienst te nemen zijn. In sommige opzichten kan het beter presteren dan menselijke werkers doordat het onvolwassen ‘onkruid’ vindt dat te klein is voor de werkers om mee om te gaan.

Omdat de LASERWEEDER onkruid vernietigt met lasers en niet met pesticiden, is het een logische optie voor biologische boeren. Er wordt ook gemeld dat de gegevens die worden verzameld uit het onkruidverdelgingsproces van onschatbare waarde zullen zijn voor boeren, omdat ze hen praktische inzichten zullen verschaffen waarmee ze op een economische manier meer voedsel kunnen produceren.

Technische gegevens

De LASERWEEDER, een geesteskind van Carbon Robotics, herdefinieert onkruidbestrijding in de landbouw. Hier is de technische magie erachter:

Hightech visie en precisie: De LaserWeeder maakt gebruik van 42 hogeresolutiecamera's in combinatie met de modernste computers om in realtime onderscheid te maken tussen gewassen en onkruid. Dit is niet alleen een camera die foto's maakt; het is een geavanceerd AI-systeem met op deep learning gebaseerde computervisiemodellen die onkruid van een gewas kunnen onderscheiden met een nauwkeurigheid van minder dan een millimeter.
Laservermogen: Gewapend met 30x 150W CO2-lasers is de LaserWeeder elke 50 milliseconden klaar om te vuren. Stel je de precisie en snelheid eens voor: het is alsof je een sluipschutter in het veld hebt, die zich alleen op de slechteriken richt (dat wil zeggen onkruid) en de goeden (gewassen) onaangeroerd laat.
Voordelen voor het milieu: Dit gaat niet alleen over het wieden van onkruid. De methode van de LaserWeeder is een sprong in de richting van duurzame landbouw. Door het gebruik van lasers in plaats van chemicaliën blijft de bodemmicrobiologie ongemoeid, in tegenstelling tot traditionele grondbewerking. Dit betekent een gezondere bodem, gezondere gewassen en een gelukkiger milieu. Bovendien is het een zegen voor de biologische landbouw, omdat het een economische weg biedt naar onkruidbestrijding zonder herbiciden.
Efficiëntie en kosteneffectiviteit: Denk na over de arbeids- en kostenbesparingen. De LaserWeeder kan tot 200,000 onkruid per uur doden en 2 hectare per uur bedekken met een snelheid van 1 km/u. Het werkt dag en nacht, onder alle omstandigheden, waardoor de handmatige arbeid en de variabele kosten die gepaard gaan met traditionele onkruidbestrijdingsmethoden aanzienlijk worden verminderd.

Kortom: de LASERWEEDER is meer dan alleen een hulpmiddel; het is een revolutie in landbouwpraktijken, in lijn met de doelstellingen van verhoogde efficiëntie, duurzaamheid en verantwoordelijkheid voor het milieu.

Arbeidsuitdagingen aanpakken met AI en automatisering

De landbouwsector wordt geconfronteerd met een aanzienlijke arbeidsuitdaging, vooral door de groeiende schaarste aan bereidwillige werknemers. Dit is waar AI en automatisering hun intrede doen als gamechangers.

Vermindering van de afhankelijkheid van handenarbeid: AI-aangedreven technologieën, zoals de LASERWEEDER, zijn uitstekende voorbeelden van hoe automatisering de behoefte aan handarbeid in de landbouw aanzienlijk kan verminderen. Deze technologieën zijn in staat taken uit te voeren waarvoor traditioneel veel personeel nodig was, zoals wieden, oogsten en het monitoren van de gezondheid van gewassen.
Verbetering van de efficiëntie en productiviteit: Met AI worden taken niet alleen sneller uitgevoerd, maar ook met grotere precisie. AI-aangedreven drones kunnen bijvoorbeeld de gezondheid van gewassen over grote gebieden monitoren binnen een fractie van de tijd die mensen nodig zouden hebben. Deze efficiëntie vertaalt zich in een hogere productiviteit en uiteindelijk in betere opbrengsten.
Het aanpakken van tekorten op de arbeidsmarkt: In regio’s waar een tekort is aan landarbeiders bieden AI en automatisering een haalbare oplossing. Geautomatiseerde machines en AI-systemen kunnen de klok rond werken, waardoor het gebrek aan menselijke arbeid wordt gecompenseerd en ervoor wordt gezorgd dat landbouwactiviteiten er niet onder lijden.
Het veranderen van de personeelsdynamiek: Naarmate AI arbeidsintensievere taken overneemt, evolueert de rol van de agrarische beroepsbevolking. Er is een groeiende behoefte aan bekwaam personeel om deze AI-systemen te beheren, onderhouden en er toezicht op te houden. Deze verschuiving creëert nieuwe werkgelegenheidskansen die zich meer richten op technologiemanagement dan op handarbeid.

In wezen pakken AI en automatisering niet alleen de arbeidsuitdagingen in de landbouw aan; ze transformeren de aard van het werk in de landbouw. Door de afhankelijkheid van handarbeid te verminderen, maken deze technologieën de weg vrij voor een efficiëntere, duurzamere en productievere landbouwsector.

Generatieve AI in de landbouw

Zoals beschreven door NVIDIA^[5], “Generatieve AI stelt gebruikers in staat snel nieuwe inhoud te genereren op basis van verschillende inputs. Invoer en uitvoer van deze modellen kunnen tekst, afbeeldingen, geluiden, animaties, 3D-modellen of andere soorten gegevens bevatten.” Het werkt door “patronen en structuren binnen bestaande gegevens te identificeren om nieuwe en originele inhoud te genereren.”

Het bekendste voorbeeld van Generatieve AI is natuurlijk ChatGPT.

Om te beginnen kunnen boeren CHATgpt rechtstreeks gebruiken om informatie te verkrijgen. Er zijn ook specifieke platforms voor de landbouw. Het boerenbedrijfsnetwerk^[6] (FBM) beschrijft een platform dat eenvoudigweg wordt genoemd: NORM. Het model concentreert zich op nuttige informatie voor boeren. Zoals beschreven zijn voorbeelden van vragen die gesteld kunnen worden:

Hé Norm! Waarom verhoogt gips de pH van de bodem niet?
Zou dit weekend een goed moment zijn om sojabonen te planten in Crawford County, IA?
Hé Norm! Verkoopt FBN glyfosaat?

Zoals gedetailleerd door Ambrook^[7], NORM “is gebouwd op het GPT-3.5-model van OpenAI en gebruikt openbare gegevens zoals weerrapporten, bodemgegevens en productlabels om landbouwgerelateerde vragen te beantwoorden. Het maakt ook gebruik van de exclusieve agronomische gegevens en activa van FBN van de National Agricultural Statistics Service van de USDA.”

Een ander voorbeeld is boer.Chat^[8]. Deze video- illustreert een boer die deze Farmer.CHAT gebruikt om informatie te krijgen over een probleemgebied in zijn perceel.

Boer.CHAT. van Gooey AI

De rest van de video illustreert de interacties tussen boer en boer.CHAT, terwijl deze laatste oplossingen voor het insectenprobleem voorstelt.

Het potentieel van generatieve AI in de landbouw is enorm en gevarieerd. Van het aanpakken van ziekten tot het optimaliseren van de opbrengsten en het revolutioneren van de gewasveredeling: AI is niet alleen een hulpmiddel, maar een transformerende kracht in de landbouwsector. Naarmate de technologie evolueert, kunnen we nog meer innovatieve toepassingen verwachten die de toekomst van de landbouw zullen blijven hervormen.

Real-World toepassingen van AI in duurzame landbouw

Laten we nu eens kijken hoe AI niet alleen een modewoord is, maar een echte game-changer op de boerderij. De mensen van de Universiteit van Florida zijn hier met iets groots bezig. Ze hebben het over AI-toepassingen die niet alleen slim zijn, maar ook vriendelijk voor onze planeet:

Slimme bewateringssystemen: Stel je een systeem voor dat precies weet wanneer je gewassen dorst hebben. Dat is waar AI-gestuurde irrigatie om draait. Het is alsof u een weerman en een bodemdeskundige in uw vakgebied heeft, die ervoor zorgt dat elke druppel water wordt gebruikt waar deze het meest nodig is.
Het voorspellen van de toekomst van de gewasprijzen: Hier spant AI zijn economische spieren. Door cijfers te verzamelen over klimaattrends en marktverschuivingen, helpt AI boeren slimme beslissingen te nemen. Minder verspilling, meer winst – dat is het soort wiskunde waar boeren dol op zijn.
Zelfrijdende tractoren? Ja graag!: Deep learning brengt de toekomst naar boerderijen met autonome tractoren. Dit zijn niet de tractoren van je opa; het zijn hightech beesten die de weg op een veld kennen, obstakels ontwijken en de klus klaren zonder koffiepauzes.
Wietzapen met precisie: Dankzij AI zien we een revolutie in onkruidbestrijding. Systemen zoals Blue River See & Spray™ van John Deere zijn als sluipschutters, die met uiterste nauwkeurigheid onkruid verwijderen. Dit betekent minder herbiciden op ons voedsel en in ons milieu. Het is een win-winsituatie voor boeren en Moeder Natuur.
Voorspelling van gewasziekten: Een van de meest veelbelovende toepassingen van generatieve AI is het vroegtijdig opsporen en voorspellen van gewasziekten. Door enorme datasets te analyseren, waaronder afbeeldingen van akkers, weerpatronen en historische ziekte-uitbraken, kunnen AI-modellen potentiële ziekte-uitbraken voorspellen voordat ze zichtbaar worden. Dankzij dit systeem voor vroegtijdige waarschuwing kunnen boeren preventieve maatregelen nemen, waardoor de verspreiding van ziekten wordt verminderd en schade aan gewassen wordt geminimaliseerd.
Opbrengstoptimalisatie: Generatieve AI speelt ook een cruciale rol bij de optimalisatie van de opbrengst. Het kan gegevens uit verschillende bronnen analyseren – bodemkwaliteit, weersomstandigheden, gewasgezondheid – om aanbevelingen te genereren voor optimale plant-, irrigatie- en oogsttijden. Dit maximaliseert niet alleen de opbrengst, maar zorgt ook voor een efficiënt gebruik van hulpbronnen.
Aangepaste teeltplannen: Een andere spannende toepassing is het maken van op maat gemaakte teeltplannen. Generatieve AI kan gegevens verwerken die specifiek zijn voor het land van een boer, zoals bodemtype, microklimaat en eerdere gewascycli, om op maat gemaakte landbouwstrategieën te genereren. Deze gepersonaliseerde aanpak kan de productiviteit en duurzaamheid aanzienlijk vergroten.
Verbetering van genetische gewasverbetering: Op het gebied van genetische gewasverbetering fungeert generatieve AI als een transformerende kracht. Het heeft de mogelijkheid om talloze genetische combinaties te simuleren, waardoor het eigenschappen kan voorspellen die de veerkracht, voedingswaarde en opbrengst van gewassen verbeteren. Deze geavanceerde aanpak versnelt het veredelingsproces aanzienlijk, waardoor het creëren van superieure gewasvariëteiten efficiënter wordt vergemakkelijkt dan conventionele methoden.

Dus daar heb je het. AI in de landbouw is meer dan alleen een mooie term; het maakt de landbouw slimmer, duurzamer en, durf ik te zeggen, cooler. Het gaat niet alleen om het verbouwen van meer voedsel; het gaat over het op de juiste manier verbouwen van voedsel.

Hoe ga je ze op de boerderij tegenhouden?

Zoals beschreven in een artikel geplaatst door de Universiteit van Arkansas in The Arkansas Journal of Social Change and Public Service^[9]73% van de bevolking van akkerbouwarbeiders in de Verenigde Staten bestaat uit immigranten, en ongeveer 48% van de ingehuurde akkerbouwarbeiders heeft geen werkvergunning.

Het gebrek aan bereidwillige arbeiders, buitenlandse, laat staan Amerikaanse burgers, is een enorm probleem waarmee de Amerikaanse landbouw wordt geconfronteerd. Het antwoord is automatisering, en het 185 jaar oude John Deere-bedrijf springt met volle kracht in de AI-revolutie.

Het vereenvoudigen van de landbouwautomatisering is het feit dat een boerderij, net als de fabrieksvloer, een werkomgeving is waar iedereen zijn werk kent en op de voorgeschreven manier handelt en reageert. Dit is totaal anders dan de chaos van drukke stadsstraten. Dus terwijl zelfrijdende auto’s nergens snel gaan, is de boerderij een veel voordeliger omgeving voor zelfrijdende voertuigen.

De autonome 8R-landbouwtractor van John Deere.

Zoals beschreven in een rapport gepubliceerd door CNBC^[10]is John Deere de uitdaging van deze kans aangegaan in de vorm van zijn 8R-landbouwtractor, die geen bestuurder nodig heeft en in plaats daarvan vertrouwt op AI. Deere heeft honderdduizenden beelden samengesteld van verschillende boerderijlocaties en onder verschillende weers- en lichtomstandigheden, zodat de tractor met machine learning kan begrijpen wat hij ziet en dienovereenkomstig kan reageren.

Uitdagingen en kansen

Het maakt niet uit of je een generaal of een boer bent, je wilt je tegenstander niet met een tapijt bombarderen. Als je een generaal bent, wil je vijandige soldaten elimineren, geen burgers. Als je een boer bent, wil je onkruid vernietigen, geen voedselgewassen.

Agrarische AI zal het gemakkelijker maken om onkruid efficiënt te elimineren, in sommige gevallen zelfs zonder pesticiden. In andere gevallen, wanneer pesticiden niet volledig kunnen worden vermeden, zal landbouw-AI het mogelijk maken alleen het onkruid aan te pakken en de voedselgewassen te vermijden.

Dit is belangrijk om twee voor de hand liggende redenen. De eerste is dat pesticiden geld kosten. De tweede is dat hoe minder pesticiden er in de buurt van voedselgewassen worden gebruikt, hoe meer geld de boer voor zijn producten kan krijgen. En natuurlijk zijn de meesten het erover eens dat pesticidenvrij voedsel gewoon gezonder is.

Naarmate de kosten van AI dalen en steeds meer boeren wereldwijd er toegang toe hebben, zal de wereld kunnen genieten van beter, goedkoper en gezonder voedsel. En laten we niet vergeten dat, door meer geautomatiseerde landbouwprocessen mogelijk te maken, AI in de landbouw ervoor zal zorgen dat minder landarbeiders onderdanige arbeiders zullen zijn, terwijl steeds meer van hen zich zullen ontpoppen als machinebedieners, reparateurs en netwerktechnici.

Afsluiten

Misschien wel de grootste moderne doorbraak in de landbouw werd tot stand gebracht door de tragische Duitse wetenschapper Fritz Haber, die pionierde met een proces voor de massaproductie van ammoniak, dat op zijn beurt kan worden gebruikt om kunstmest te produceren. Vóór deze ontwikkeling telde de wereldbevolking minder dan twee miljard mensen, en nu is dat vier keer zoveel, ondanks de gruwelijke tol van de oorlogen in de 20e eeuw.

Hoe vaak we het ook hebben over de nieuwe industriële revolutie, we kunnen nu een nieuwe revolutie in de landbouw erkennen, veroorzaakt door kunstmatige intelligentie, maar in tegenstelling tot het Haber-proces, dat enorme hoeveelheden energie verbruikt en uiterst milieuonvriendelijk is, is de AI-revolutie in wezen een een schone revolutie die boeren in staat zal stellen meer met minder te doen.

Het zal het gebruik van pesticiden verminderen of volledig elimineren. Het zal boeren adviseren over de beste route naar zowel hogere winsten als een grotere voedselopbrengst. En het zal het snel afnemende aantal boeren in de wereld in staat stellen een hongerige wereld op een duurzamere manier te voeden.

Key Takeaways

Agrarische AI zal het gebruik van pesticiden verminderen
Het zal de hoeveelheid werk die landarbeiders moeten verrichten, verlagen.
AI zal het percentage van de beroepsbevolking in de wereld dat landbouw moet bedrijven, verlagen
Het biedt elke boer toegang tot internet en onmiddellijke antwoorden op vragen als wanneer, wat en hoe te planten.

Referenties

Kunstmatige intelligentie begrijpen: wat het is en hoe het wordt gebruikt in de landbouw: https://edis.ifas.ufl.edu/publication/AE589
De rol van AI bij het creëren van een duurzamer voedselsysteem: https://www.forbes.com/sites/forbestechcouncil/2023/07/20/the-role-of-ai-in-creating-a-more-sustainable- voedselsysteem/?sh=15a2e2a75315
Machine learning, uitgelegd: https://mitsloan.mit.edu/ideas-made-to-matter/machine-learning-explained
AI ontmoet de landbouw met nieuwe landbouwmachines om onkruid te doden en gewassen te oogsten: https://www.youtube.com/watch?v=eDUu48YCUy4
Wat is generatieve AI?: https://www.nvidia.com/en-us/glossary/data-science/generative-ai/#:~:text=Generative%20AI%20models%20can%20take,or%20turn% 20video%20in%20tekst
Norm: https://www.fbn.com/norm
Boeren omarmen voorzichtig AI: https://ambrook.com/research/technology/ChatGPT-AI-farming-hallucinations
Verbetering van de snelheid en efficiëntie van landbouwuitbreiding met AI: https://farmerchat.digitalgreen.org/
De afhankelijkheid van de Amerikaanse landbouw van immigrantenarbeiders: https://ualr.edu/socialchange/2021/03/28/american-agricultures-dependence-on-immigrant-workers/
Hoe John Deere van plan is om tegen 2030 een wereld van volledig autonome landbouw op te bouwen: https://www.cnbc.com/2022/10/02/how-deere-plans-to-build-a-world-of-fully-autonomous -landbouw-tegen-2030.html

Begrippenlijst

Kunstmatige intelligentie (AI): een methode waarmee computersystemen kunnen denken op een manier die de menselijke geest benadert
Met generatieve AI kunnen gebruikers vragen stellen op basis van een grote verscheidenheid aan input en output leveren, waaronder animatie, geluid of afbeeldingen. Er zijn generatieve AI-modellen beschikbaar die zich richten op landbouwvraagstukken.
Machine Learning: de discipline die computers in staat stelt te leren zonder expliciet geprogrammeerd te zijn.
Buigarbeid: werk op de boerderij dat moet worden gedaan terwijl de persoon bukt of hurkt. Zeer slecht voor de gezondheid van de arbeider.