Nieuws
Twee Wageningse AI-onderzoeken gepresenteerd tijdens prestigieus AAAI-congres
Twee Wageningse AI-onderzoeken krijgen een podium tijdens een van de topconferenties over AI in de wereld. Het eerste onderzoek richtte zich op de vraag of kunstmatige intelligentie boeren kan helpen bij de beslissing om hun land al dan niet te bemesten. Het tweede onderzoek droeg bij aan een hybride model waarmee de effecten van temperatuurstijging op de fenologie van kersenbomen in kaart wordt gebracht.
De lat ligt hoog tijdens de AAAI Conference on Artificial Intelligence die van 25 februari tot 4 maart plaatsvindt in Philadelphia. De organisatie accepteerde een fractie van de ingezonden wetenschappelijke artikelen. Twee ervan komen uit de koker van de nieuwe leerstoelgroep AI van Wageningen University & Research. Leerstoelhouder Ioannis Athanasiadis is daar behoorlijk trots op: “AI ontwikkelt zich extreem snel. Dat deze twee onderzoeken zijn geaccepteerd voor dit selectieve congres, laat zien dat WUR belangrijke expertise kan toevoegen aan wereldwijde discussies over AI.”
Bemesten of niet bemesten
In het eerste onderzoek is reinforcement learning ingezet voor een kosteneffectieve oplossing voor boeren om te bepalen wat het beste moment is om hun gewassen te bemesten. Reinforcement learning is een techniek waarbij AI experimenteert en van zijn fouten leert. Senior AI-onderzoeker Michiel Kallenberg vertelt: “Een van de gevolgen van overbemesting is dat niet door planten opgenomen stikstof in het milieu terechtkomt. Om overbemesting te voorkomen, kunnen boeren metingen verrichten om vast te stellen hoeveel mest een plant nodig heeft. Die kennis kan AI vervolgens verwerken in het bemestingsschema van de boer. Het punt is dat het behoorlijk tijds- en kostenintensief is om die metingen voor elkaar te krijgen. Veel boeren beslissen daarom op basis van boerenverstand of zij wel of niet bemesten. Of ze bemesten simpelweg wat maximaal toegestaan is.”
Reinforcement learning
Kallenberg en zijn collega’s werkten aan een AI-systeem dat de juiste hoeveelheid toe te dienen kunstmest vaststelt en tegelijkertijd de behoefte aan dure veldmetingen tot een minimum beperkt. Een bestaand gewasmodel voor wintertarwe, ontwikkeld door Wageningse wetenschappers, ligt aan de basis hiervan. “Dit model geeft de groei van het gewas weer op basis van allerlei variabelen, zoals weergegevens en bodeminformatie. Vervolgens hebben we met behulp van het AI-systeem in een gesimuleerde omgeving een grote hoeveelheid bemestingsstrategieën toegepast. We hebben hiervoor de technologie van reinforcement learning gebruikt. Door te leren van trial & error bepaalt het algoritme de optimale bemestingsstrategie voor een breed scala aan omstandigheden.”
Volgende stap: appelbomen
Tot nu toe is de studie uitgevoerd met computersimulaties. De komende periode wordt het AI-systeem in een veldproef getest. Een spannende stap, omdat de omstandigheden in het veld voor factoren kunnen zorgen die in de simulaties buiten beeld bleven. “Verder hebben we een ander AI-systeem getraind dat een vergelijkbaar principe volgt om het gebruik van pesticiden te optimaliseren”, zegt Kallenberg. “We testen dit systeem in een appelboomgaard, waar pesticidegebruik en ziektemanagement de meeste aandacht vragen.”
Computersimulaties en natuur
Volgens Athanasiadis toont de studie overtuigend aan hoe je AI kunt gebruiken om het potentieel van de natuur te verkennen. “Dat is wat het AI-systeem doet: door computersimulaties te verbinden met natuur, vinden we nieuwe oplossingen om effectiever om te gaan met kunstmest en tegelijkertijd hoge opbrengsten te behouden. Met deze studie laten we zien hoe AI kan helpen om risico’s in relatie tot klimaatverandering te beheersen en ons in een gesimuleerde omgeving voor te bereiden op de toekomst.”
Kersenbomen
Kenmerkend voor de studie is volgens hem dat de behoeften van de sector leidend waren. Dat geldt ook voor de andere studie uit de zijn leerstoelgroep die door de AAAI is geselecteerd. Daarin draait het om kersenbomen. “In landen als Japan, Zuid-Korea en de VS is kersenbloesem van grote culturele waarde. Daar is bovendien veel kennis over de fenologie van deze bomen. Die gaat wel duizenden jaren terug.”
Bloei steeds vroeger
Van oudsher markeert de kersenboom het begin van de lente. Door klimaatverandering vindt de bloeiperiode steeds vroeger in het jaar plaats. Athanasiadis: “In de rustperiode stopt een boom met groeien en slaat deze energie op totdat er een bepaalde drempelwaarde is bereikt. Dan gaat de boom de opgebouwde energie aanwenden voor bloei. We zien dat de bloei steeds vroeger plaatsvindt. Maar we kunnen niet voorspellen wanneer dat gebeurt, omdat we het fysiologisch simpelweg niet kunnen meten. Het is een verborgen proces.”
Machine learning
Om dit verborgen proces in beeld te krijgen, werd een AI-model ontwikkeld, gevoed door machine learning: “We hebben allereerst gedetailleerd onderzoek gedaan naar verschillende scenario’s. Vervolgens hebben we bestaande biofysische procesmodellen gekoppeld aan een neuraal AI-netwerk dat we hebben ontwikkeld. In een uitgebreide casestudy in Japan, Zuid-Korea en Zwitserland hebben we de werking van ons hybride model getest.”
Betere voorspellingen
De resultaten waren verrassend, stelt Athanasiadis: “De combinatie van biofysische procesmodellen en machine learning leverde betere voorspellingen op dan wanneer de afzonderlijke procesmodellen of AI-modellen werden gebruikt. Het toont aan hoe groot de toegevoegde waarde kan zijn als je domeinkennis koppelt aan de voordelen van AI. Door het beste van beide werelden te combineren, kunnen we beter begrijpen hoe planten werken.”
Betrouwbare systemen nodig
Hij benadrukt dat er nog veel werk te doen is om dit soort fundamentele inzichten te vertalen naar AI-oplossingen waar de praktijk mee kan werken. “De agrofoodsector heeft daarvoor betrouwbare systemen nodig. Als Wageningse wetenschappers kunnen wij daarin het verschil voor de sector maken. AI is the talk of the town en als WUR moeten we daar verantwoord aan bijdragen. We zorgen niet alleen dat AI-tools werken, maar we baseren ze op de behoeften van de sector. En dankzij onze uitgebreide kennis van plant, dier en milieu kunnen we die behoeften vertalen naar gerichte algoritmen.”
Ook in andere onderzoeken timmert WUR flink aan de weg met AI. Zo hebben Wageningse wetenschappers onlangs met AI een machine ontwikkeld die zelf onkruid herkent en verwijdert. Andere recente uitvindingen zijn een robot die zelf rijpe vruchten afsnijdt en een kas die autonoom het klimaat regelt.