Suwin/Shutterstock
Terwijl de wereldbevolking in de loop der tijd is gegroeid, is de modernisering van de landbouw de overheersende aanpak van de mensheid geweest om hongersnood te voorkomen.
Een verscheidenheid aan mechanische en chemische innovaties in de jaren 1950 en 1960 vormden de derde landbouwrevolutie. De toepassing van onder meer pesticiden, kunstmest en gewassen met een hoge opbrengst hebben de landbouw getransformeerd en gedurende verscheidene decennia de voedselvoorziening van vele miljoenen mensen veiliggesteld.
Tegelijkertijd heeft de moderne landbouw zich ontpopt als een boosdoener van de opwarming van de aarde, verantwoordelijk voor een derde van de uitstoot van broeikasgassen, namelijk kooldioxide en methaan.
Intussen bereikt de inflatie van de voedselprijzen een recordhoogte, terwijl de ondervoeding dramatisch toeneemt. Vandaag de dag worden naar schatting twee miljard mensen getroffen door voedselonzekerheid (waarbij de toegang tot veilig, voldoende en voedselrijk voedsel niet gegarandeerd is). Ongeveer 690 miljoen mensen zijn ondervoed.
De derde landbouwrevolutie heeft misschien haar langste tijd gehad. En terwijl we zoeken naar innovatie om met spoed een vierde landbouwrevolutie in te luiden, zijn alle ogen gericht op kunstmatige intelligentie (AI).
AI, dat de afgelopen twee decennia een snelle ontwikkeling heeft doorgemaakt, omvat een breed scala aan technologieën die in staat zijn om mensachtige cognitieve processen, zoals redeneren, uit te voeren. Het wordt getraind om deze beslissingen te nemen op basis van informatie uit enorme hoeveelheden gegevens.
Lees meer:
Slimme etiketten en allergiesensoren – hoe zorg je ervoor dat de toekomst van voedsel ethisch is
Gebruik van AI in de landbouw
Bij het assisteren van mensen op velden en in fabrieken kan AI grote hoeveelheden gegevens gestaag en onophoudelijk verwerken, synthetiseren en analyseren. Zij kan beter presteren dan mensen bij het opsporen en diagnosticeren van anomalieën, zoals plantenziekten, en bij het doen van voorspellingen, onder meer over opbrengst en weer.
In verschillende landbouwtaken kan AI telers volledig van arbeid verlossen door het bewerken (voorbereiden van de grond), planten, bemesten, controleren en oogsten te automatiseren.
Algoritmen regelen nu al druppelirrigatieroosters, sturen vloten robots aan die de bovengrond bewaken, en houden toezicht op onkruidzoekende zwervers, zelfrijdende tractoren en maaidorsers. De fascinatie voor de vooruitzichten van AI zet aan tot het delegeren van nog meer macht en autonomie.
Deze technologie wordt bejubeld als de manier om de landbouw te revolutioneren. Het World Economic Forum, een internationale non-profitorganisatie die publiek-private partnerschappen bevordert, heeft AI en door AI aangedreven landbouwrobots (de zogenaamde “agbots”) op de voorgrond geplaatst van de vierde landbouwrevolutie.
Agrarische AI zou de manier waarop boeren werken kunnen veranderen.
Hryshchyshen Serhii/Shutterstock
Maar door AI snel en op grote schaal in te zetten, kunnen we de productiviteit van de landbouw verhogen ten koste van de veiligheid. In ons recente paper, gepubliceerd in Nature Machine Intelligence, hebben we gekeken naar de risico’s die kunnen komen kijken bij het uitrollen van deze geavanceerde en autonome technologieën in de landbouw.
Van hackers tot ongelukken
Ten eerste, aangezien deze technologieën verbonden zijn met het internet, kunnen criminelen proberen ze te hacken.
Het verstoren van bepaalde soorten agbots zou fikse schade aanrichten. Alleen al in de VS kost bodemerosie jaarlijks 44 miljard dollar (33,6 miljard pond). Dit heeft de vraag naar precisielandbouw, met inbegrip van zwermrobots, die landbouwbedrijven kunnen helpen om de gevolgen ervan te beheersen en te verminderen, doen toenemen. Maar deze zwermen robots voor toezicht op de bovengrond zijn afhankelijk van onderling verbonden computernetwerken en zijn dus kwetsbaar voor cybersabotage en uitschakeling.
Evenzo zou geknoei met onkruid-detecterende zwervers onkruid loslaten tegen een aanzienlijke kostprijs. Er zou ook interferentie kunnen optreden met sproeiers, autonome drones of robotoogstmachines, die allemaal de oogstwerkzaamheden zouden kunnen lamleggen.
Door de toenemende digitalisering en automatisering zijn hele toeleveringsketens in de agrovoedingssector vatbaar voor kwaadaardige cyberaanvallen. In 2021 werden in de VS ten minste 40 malware- en ransomware-aanvallen tegen levensmiddelenfabrikanten, -verwerkers en -verpakkers geregistreerd. De meest opvallende was de ransomware-aanval van 11 miljoen dollar tegen ’s werelds grootste vleesverpakker, JBS.
Lees meer:
Ons voedselsysteem dreigt ‘milieugrenzen’ te overschrijden – hier is hoe we de druk kunnen verlichten
Dan zijn er de risico’s van ongelukken. Voordat een rover het veld in wordt gestuurd, krijgt hij instructies van zijn menselijke operator om bepaalde parameters waar te nemen en bepaalde anomalieën te detecteren, zoals plantenplagen. Hij negeert, hetzij door zijn eigen mechanische beperkingen of op bevel, alle andere factoren.
Hetzelfde geldt voor draadloze sensornetwerken die in landbouwbedrijven worden ingezet en die zijn ontworpen om bepaalde parameters op te merken en daarop te reageren, bijvoorbeeld het stikstofgehalte in de bodem. Door een onvoorzichtig ontwerp zouden deze autonome systemen voorrang kunnen geven aan gewasproductiviteit op korte termijn boven ecologische integriteit op lange termijn. Om de opbrengst te verhogen zouden zij buitensporig veel onkruidverdelgers, pesticiden en kunstmest op de akkers kunnen aanbrengen, wat schadelijke gevolgen zou kunnen hebben voor de bodem en de waterwegen.
Rovers en sensornetwerken kunnen ook defect raken, zoals machines af en toe doen, en commando’s sturen op basis van foutieve gegevens naar sproeiers en agrochemische dispensers. En er is de mogelijkheid dat we menselijke fouten zien bij het programmeren van de machines.
Er zijn risico’s verbonden aan het gebruik van AI om ons voedsel te verbouwen.
rsimona/Shutterstock
Veiligheid boven snelheid
Landbouw is een te vitaal gebied om een overhaaste toepassing van krachtige, maar onvoldoende gecontroleerde en vaak experimentele technologieën toe te staan. Als we dat wel doen, kan het resultaat zijn dat ze de oogsten intensiveren maar de ecosystemen ondermijnen. Zoals wij in ons document benadrukken, is voorspelling en preventie de meest doeltreffende methode om risico’s aan te pakken.
We moeten voorzichtig zijn bij het ontwerpen van AI voor gebruik in de landbouw en we moeten deskundigen uit verschillende vakgebieden bij het proces betrekken. Zo zouden bijvoorbeeld toegepaste ecologen advies kunnen geven over mogelijke onbedoelde milieugevolgen van landbouw-AI, zoals uitputting van de bovengrond door nutriënten, of overmatig gebruik van stikstof- en fosfaatmeststoffen.
Ook zouden hardware- en softwareprototypes zorgvuldig moeten worden getest in omgevingen onder toezicht (de zogenaamde “digitale zandbakken”) voordat ze op grotere schaal worden ingezet. In deze ruimtes kunnen ethische hackers, ook wel white hackers genoemd, op zoek gaan naar zwakke plekken in de veiligheid en beveiliging.
Deze voorzorgsbenadering kan de verspreiding van AI enigszins vertragen. Toch zou het ervoor moeten zorgen dat de machines die op de zandbak afstuderen, voldoende gevoelig, veilig en beveiligd zijn. Een half miljard landbouwbedrijven, wereldwijde voedselzekerheid en een vierde landbouwrevolutie staan op het spel.
Lees meer:
Zes grote digitale trends om in de gaten te houden in 2022
Asaf Tzachor werkt niet voor, geeft geen advies aan, heeft geen aandelen in, en ontvangt geen financiering van bedrijven of organisaties die baat hebben bij dit artikel, en heeft buiten zijn academische aanstelling geen andere relevante banden bekend gemaakt.