Datagestuurd en hightech (KB-38)

Wageningen University & Research zet vol in op datagestuurde en hightech innovaties

Technologie kan enorm bijdragen aan oplossingen voor complexe maatschappelijke vraagstukken. Dankzij datagestuurde en hightech innovaties kunnen we de land- en tuinbouw en de voedselproductie efficiënter, weerbaarder en duurzamer maken. Ze maken het in de toekomst mogelijk om snel en effectief in te spelen op veranderingen in klimaat, natuur, milieu en samenleving. Wageningen University & Research zet de komende jaren vol in op wetenschappelijk onderzoek om voor de gewenste technologische doorbraken te zorgen.

Onderzoek naar datagestuurde en hightech innovaties is een van de speerpunten op de Nederlandse wetenschapsagenda. In het onderzoeksprogramma Data Driven & High Tech levert Wageningen University & Research daar een substantiële bijdrage aan. We richten ons daarbij op de digitale transformatie van het agrofoodsysteem: van plant, vee en aquacultuur tot milieu, voeding, klimaat tot samenleving. Voor een duurzame en weerbare toekomst van dit systeem, hebben we systemen nodig die leren van de data die zij analyseren. Tegelijkertijd moeten we ervoor zorgen dat we de samenleving altijd kunnen blijven uitleggen hoe intelligente systemen (AI) aan hun oplossingen en antwoorden komen. Zodat we als mens altijd grip houden op data en technologie.

In Data Driven & High Tech doen we onderzoek in vier subthema’s:

Kunstmatige intelligentie (AI) op basis van datagestuurde analyses

De kracht van kunstmatige intelligentie is dat apparaten zelfstandig beslissingen kunnen nemen op basis van data-analyses. Daarmee zijn veel meer op maat gemaakte oplossingen en toepassingen mogelijk. Die kracht gaan we de komende jaren inzetten om technologisch geavanceerde oplossingen te ontwikkelen. We werken ook aan betrouwbare instrumenten om algoritmen, data en toepassingen wetenschappelijk te beoordelen. En we ontwikkelen vrij beschikbare datasets waarmee machines patronen kunnen ontdekken en zich kunnen aanpassen aan veranderende situaties.

Robotica en beslissingsondersteuning

Door patronen in grote hoeveelheden data te ontdekken, kunnen robots betere, geautomatiseerde beslissingen nemen. We willen beter begrijpen hoe klassieke robots kunnen evolueren van programmeerbare apparaten naar zelflerende systemen die ook nog eens uitstekend kunnen samenwerken. Met de kennis die dit oplevert, willen we de eerste stappen zetten om robots en drones aan te kunnen passen aan lokale omstandigheden. Zo hebben we voor paprikatelers een oogstrobot ontwikkeld die op basis van een 3d-omgeving en 100.000 virtuele foto’s oogstrijpe paprika’s razendsnel herkent én oogst. We formuleren nieuwe zienswijzen voor de interactie tussen robot en mens en tussen robots onderling en signaleren de ethische dilemma’s die daarbij spelen. We ontwikkelen nieuwe methoden om robots beter te leren waarnemen en besturen. En we stellen onze kennis beschikbaar voor bedrijven, beleid en onderzoek.

Infrastructuren om gegevens te delen

De verwachting is dat de agrofoodindustrie in 2030 op grote schaal beslissingen neemt op basis van data die uit gedeelde informatiebronnen afkomstig zijn. Denk aan platformen (FAIR-richtlijnen) waarop data van onderzoekers, machines, sensoren en andere gegevensbronnen worden gekoppeld en gedeeld. WUR werkt aan verschillende van dit soort platformen voor telers, landbouw & landgebruik en economische analyses. Zo ondersteunen we 200.000 Javaanse boeren met geodata, gebaseerd op satellietsignalen en andere bronnen. Met deze geodata helpen we de boeren om afwijkingen in de fysieke condities van hun kavels te beoordelen. Een ander voorbeeld is het gebruik van open datasystemen om de complexe logica van de circulaire economie te kunnen doorgronden. We willen inzicht krijgen in de wijze waarop gegevens veilig verkregen, gekoppeld en gedeeld kunnen worden. Op basis daarvan ontwikkelen we maatschappelijk geaccepteerde datamodellen die we breed kunnen gebruiken, van land- en tuinbouw tot aquacultuur en voedselproductie. We brengen ook in kaart aan welke eisen onderzoeksinfrastructuren moeten voldoen om privacygevoelige gegevens te delen en hoe het bezit van gegevens geregeld moet worden.

Maatschappij en zakelijke aspecten

Datagestuurd en hightech onderzoek vereist helderheid over hoe gegevens en toepassingen precies gebruikt gaan worden. Welke ethische dilemma’s spelen er bijvoorbeeld? Wie is verantwoordelijk? En hoe staat het met de privacy van gegevens? Met deze vragen als achtergrond gaan we nieuwe, datagestuurde technieken testen. We brengen de wettelijke eisen in kaart waaraan deze nieuwe technieken moeten voldoen en ontwikkelen richtlijnen voor privacybescherming, data-eigendom en ethische dilemma’s. Veelbelovende mogelijkheden, zorgvuldige oplossingen De ontwikkelingen met kunstmatige intelligentie (AI), robotics en datagestuurde analyses gaan razendsnel. De mogelijkheden zijn veelbelovend, maar ethiek, wet- en regelgeving vragen om zorgvuldige oplossingen. Met dit onderzoeksprogramma wil Wageningen University & Research bijdragen aan een succesvol en verantwoord gebruik van datagedreven en hightech innovaties.

Ethische en maatschappelijke impact van digitalisering in het Agrifood-domein

Digitale technologie is niet neutraal. Het kan verborgen voorkeuren bevatten; tijdens de ontwikkeling van technische oplossingen worden impliciete aannames gemaakt en beslissingen genomen. Door deze aannames en beslissingen expliciet te maken, wordt duidelijk welke menselijke waarden zijn meegenomen en welke niet. Dit kan een startpunt zijn voor het meenemen van bepaalde stakeholderwaarden in de ontwikkeling en toepassing van nieuwe technologie. Op deze manier kunnen we een positieve bijdrage leveren aan de samenleving en het milieu als geheel. De aangeboden oplossingen worden duurzamer, inclusiever en eerlijker; de impact wordt relevanter.

Om het bewustzijn over de ethische en maatschappelijke impact van digitalisering in het agrifood-domein bij WUR-wetenschappers en -studenten te stimuleren, hebben we videoclips gemaakt waarin verschillende docenten ethische kwesties presenteren en bespreken. Deze lezingen en podcasts bestrijken de volgende domeinen:

• dierenwelzijn
• het delen van gegevens
• gepersonaliseerde gezondheid en voeding
• machtsevenwicht

Voor elk van deze vier onderwerpen hebben we twee docenten van Wageningen UR uitgenodigd om hun visie te geven. De eerste gebruikte het perspectief van de ontwikkeling en toepassingen van digitale technologie, en de tweede richtte zich op het filosofische perspectief. Deze aanpak zorgde voor levendige en interessante vervolggesprekken. De docenten hebben individueel hun presentaties opgenomen. Deze filmpjes zijn hier te vinden. De discussie is opgenomen als podcasts, die hier te vinden zijn:

• Personalised Dietary Advice
• Balance of Power in Agriculture
• Animal Welfare
• Data Sharing and FAIR principles