Hoe moet de landbouw zich verweren tegen klimaatverandering? Artificiële intelligentie kan boeren en overheden daarbij helpen, zegt datawetenschapper Racine Ly. “Zo vergroot je de weerbaarheid van het voedselsysteem in zijn geheel.”
Artificiële intelligentie is plots overal, ook in de landbouw. De essentie van AI – patronen herkennen en op basis daarvan voorspellingen maken – kan landbouwers helpen die geconfronteerd worden met een ontregeld klimaat. Racine Ly leidt, als directeur technologie van onderzoeksorganisatie AKADEMIYA2063, het African Agriculture Watch (AAgWa) programma. Met AAgWa kunnen Afrikaanse boeren en beleidsmakers gevolgen van klimaatverandering met behulp van AI en andere datagedreven technologieën beter het hoofd bieden, zegt Ly.
“De data en satellietbeelden over landbouw in Afrika missen fijnmazigheid. Er zijn wel modellen die een beeld van de nabije toekomst geven, maar ruimtelijke verfijning ontbreekt. Op die manier komen ze niet tegemoet aan wat de gemeenschappen ter plekke nodig hebben. Met behulp van AI, machine- en deep learning werken we aan toepassingen die informatie verschaffen tot op het niveau van individuele boerderijen. Informatie over zaken als weerpatronen, groeistadia en oogstopbrengsten bijvoorbeeld.” AAgWa richt zich met name op gewassen die door gemeenschappen op het platteland worden geconsumeerd en daarmee essentieel zijn voor de voedselzekerheid, zoals gierst en sorghum.
“De unieke kracht van AI ligt in het vermogen om patronen te herkennen en op basis daarvan voorspellingen te doen. Dat geldt voor alle sectoren van de economie en zeker voor de landbouw, waar voorspelbaarheid van variabelen als neerslag of oogstopbrengst heel belangrijk zijn. Maar het gaat ook om het identificeren van patronen. Om een voorbeeld te geven: op satellietbeelden hebben velden dezelfde groene tint. Ons team binnen AKADEMIYA2063 heeft een model ontwikkeld dat heel precies vertellen of er op een veld mais, sorghum of een ander gewas geteeld wordt. Dat geeft beleidsmakers een gedetailleerd beeld over het landbouwlandschap.”
“Het stelt hen in staat te anticiperen en geïnformeerde keuzes te maken. Welk gebied is bijvoorbeeld het meest geschikt om een bepaald gewas te verbouwen? Ons model kan de benodigde informatie voor zo’n keuze leveren: data over de groeistadia en -omstandigheden van gewassen, zoals temperatuur, regenval en verdamping. AI kan ook worden gebruikt om voorspellingen te doen over de prijs van landbouwproducten, en wat dus het beste moment is om goederen op de markt te brengen.”
Beeld: Racine Ly
“Hier toont AI zich van zijn scherpste kant. Klimaatmodellen steunen nu nog op het observeren van klimaatfenomenen, om die vervolgens in wiskundige modellen te gieten die ons dan weer iets vertellen over morgen. AI maakt een andere aanpak mogelijk. Hierbij geven we data aan een AI, die vervolgens zelf patronen analyseert en modellen opstelt, ook op lokaal niveau. Interessant voor boeren, want zo kunnen ze zich voorbereiden op onverwachte verstoringen van temperatuur of neerslag. Weerbaarheid is essentieel in het werk van AAgWa: het vermogen om met crises en schokken om te gaan. Zeker in de context van een veranderend klimaat. AI en datagedreven toepassingen kunnen met een zekere precisie voorspellen wat er te gebeuren staat. Dat helpt landbouwers – kleine boeren en grote bedrijven – maar ook overheden om te anticiperen op wat er komen gaat. En daarmee vergroot je de weerbaarheid van het voedselsysteem in zijn geheel.”
“De eerste toepassingen worden al gebruikt, maar er kan nog veel worden verbeterd. Het wringt soms nog in de laatste stap, de vertaling van AI en datatechnologie naar toepassingen waarmee boeren aan de slag kunnen – de stap van informatie naar actie dus. Een landbouwer heeft niets aan grafieken, kaarten of een neuraal netwerk, maar wel aan eenvoudige toepassingen die hen praktische informatie verstrekken over neerslag, bodem en groeiomstandigheden. Op AI gebaseerde agrotechnologie moet effectief werken voor boeren, anders gaan ze zich er niet aan wagen.”
“Hun rol in datacollectie wordt cruciaal, net als effectieve samenwerking tussen de verschillende spelers. Hoe de verhouding tussen boeren, overheden en ontwikkelaars van AI-toepassingen zich zullen uitkristalliseren, is echter nog afwachten. AKADEMIYA2063 is een non-profit instelling en we doen er alles aan om onze producten en innovaties voor iedereen toegankelijk te maken. Een belangrijk onderwerp dat moet worden aangepakt, is bijvoorbeeld data-eigendom en privacy.”
“Het helpt boeren en overheden om beter geïnformeerde beslissingen te nemen, de opbrengst te vergroten en de landbouw weerbaarder te maken. Maar behalve productie zitten er veel meer aspecten aan voedselzekerheid: zoals koopkracht en distributie. Ook daar kan AI een rol spelen, bijvoorbeeld met voorspellingen van landbouwprijzen. Maar uiteindelijk gaat het om algoritmes en wiskundige modellen. Keuzes maken – zij het door individuele boeren of door beleidsmakers – blijft een subjectieve kwestie. Mensenwerk dus.”
“Interessante vraag. Ik kan me voorstellen hoe boeren binnen 10 tot 15 jaar allerlei sensoren gebruiken om bijvoorbeeld voedingsstoffen of bacterieel leven in de bodem te monitoren, of om de groei van hun gewassen op de voet te volgen. Als ik om me heen kijk hier in Senegal valt het op dat veel jonge mensen hun weg vinden naar de landbouw. Deze jonge generatie boeren houdt de technologische ontwikkelingen bij en staat veel meer open voor toepassingen op het veld. De elementen om van landbouw in Afrika een succesverhaal te maken, zijn aanwezig. Land, een geschikt klimaat, voldoende arbeidskrachten, een jonge bevolking die vooruit wil. Afrika heeft alles om de graanschuur van de wereld te worden. AI en datagedreven landbouwtechnologieën hebben daarin een belangrijke rol te spelen.”
Julia Wasala, Sennay Ghebreab en Niels Debonne reageren op de uitspraken van Racine Ly.
Julia WasalaPhD-kandidaat aan het LIACS, het informatica- instituut van de Universiteit Leiden, doet onderzoek naar het gebruik van geautomatiseerde machine learning in aardobservatie.
“Dit is een prachtig voorbeeld hoe je het verschil kunt maken met AI, door het te gebruiken in een gespecialiseerd systeem dat menselijke ervaringen ondersteunt. De technische details van dit specifieke AI-systeem ken ik niet, dus ik kan moeilijk iets zeggen over het energiegebruik ervan. Maar ik denk niet dat een dergelijk systeem met een beperkte, afgelijnde opzet een grote energieverbruiker is. Het valt niet te vergelijken met modellen zoals GPT-4 die tienduizenden energievretende GPU’s (graphics processing unit) vereisen. Veel kleine AI-modellen hebben niet meer nodig dan een enkele GPU of CPU (central processing unit).
Het toepassen van AI zal alleen nog maar groeien, de energievraag van AI-systemen dus ook. Het zit ondertussen in veel meer zaken dan dat we ons realiseren, zoals in de zoekfunctie van foto-apps bijvoorbeeld. Bedrijven delen echter weinig details over hun systemen, want concurrenten kijken mee. Dit gebrek aan transparantie maakt het lastig in te schatten hoeveel energie een bepaald systeem precies vraagt. Vaak vervangen AI-toepassingen oudere systemen, en dus ook hun energiegebruik.
Tenslotte moet de energievraag van AI-systemen gezien worden in het licht van hun doel. Als AI-modellen kunnen helpen om klimaatschokken te voorspellen, heeft dat tal van voordelen. Ze kunnen bijvoorbeeld mensen waarschuwen voor noodweer of oogsten veilig stellen. Dat weegt op tegen hun energieconsumptie.”
Sennay GhebreabProfessor en neuro-informaticus aan de Universiteit van Amsterdam, initiatiefnemer van het Civic AI Lab, gericht op AI-ontwikkeling bedoeld om gelijke kansen te stimuleren in onderwijs, gezondheidszorg, mobiliteit en milieu.
“Het werk van Racine Ly past in een trend die ik alsmaar zie groeien. Jonge datawetenschappers, vertrekkend vanuit een sociaal of ecologisch engagement, raken steeds meer doordrongen van het potentieel van AI om individuen en gemeenschappen te ondersteunen en sterker te maken, in Afrika en elders ter wereld. Maar AI-toepassingen kunnen bestaande ongelijkheden of vooroordelen ook bestendigen of zelfs verergeren, als gevolg van hun ontwerp of de data waarop ze steunen. Het blijft nodig om jonge wetenschappers en deskundigen daarvoor te waarschuwen, zeker als hun drijfveer eerder in persoonlijke ambitie ligt dan in een sociaal engagement.
Evengoed is het noodzakelijk om de lokale context mee te nemen. Hetzelfde geldt voor de wederkerigheid en samenwerking tussen de verschillende partijen die betrokken zijn bij de ontwikkeling, het gebruik en de datacollectie van AI-systemen. Gelukkig heeft het er alles van dat Racine Ly in zijn werk voor deze vraagstukken aandacht heeft en er bewust mee omgaat. Dat schept hoop voor de toekomst van AI, onze samenlevingen en onze gedeelde wereld.”
Niels DebonneMilieugeograaf, voedsel en landbouw analist bij Milieudefensie en deed onderzoek naar en doceerde over duurzaam landgebruik en machtsverhoudingen binnen de landbouw.
“Ik heb veel onderzoek gedaan naar kleinere boeren in Kenia en Ethiopië. Als je hen vraagt: wat is de technische innovatie die jou het meest geholpen heeft afgelopen jaren? Dan zeggen ze radio, of telefoon. Informatievoorziening is cruciaal. Het is mooi als dat met AI veel nauwkeuriger kan, want elke boerderij is enorm verschillend.
De vraag is: wie gaat hier het meest profijt van hebben? Wereldwijd worden kleine boeren steeds minder autonoom. Systeemspelers zoals supermarkten bepalen juist steeds meer, samen met overheden. Je moet ook oppassen voor een zogenaamde datagrab. AI verzint niks, maar verzamelt alleen data over wat boeren nu aan het doen zijn. De oplossingen die AI biedt, zijn dus eigenlijk gebaseerd op kennis die boeren generaties lang ontwikkeld hebben.
Er zijn wereldwijd steeds minder boerenbedrijven, maar niet minder landbouwgrond. Die trend zet door: één boer moet dus steeds meer land bewerken. Hoe groter je land is, hoe moeilijker het wordt om van iedere hectare voldoende kennis te vergaren. AI gecombineerd met drones kan dan goed helpen. Maar het maakt ons ook afhankelijk. Bij technologieën als zaadveredeling zijn we al afhankelijk van grote bedrijven die patent aanvragen op hun ‘uitvindingen’. Als we ons voedselsysteem afhankelijk maken van AI, dan geef je veel macht aan een kleine groep softwareontwikkelaars. Het is heel belangrijk dat dit soort technologieën open source zijn, zoals het project van Racine Ly, én blíjven.”
Dit artikel staat in ons magazine Down to Earth. Wil jij een abonnement op Down to Earth? Dat kan. Voor € 35,- per jaar word je abonnee en ontvang je Down to Earth magazine 6 maal per jaar op je deurmat. Als abonnee word je automatisch lid van Milieudefensie. Klik hier om abonnee te worden.
