home news forum careers events suppliers solutions markets expos directories catalogs resources advertise contacts
 
Solution Page

Solutions
Solutions sources
Topics A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
  Species
 

Artificial intelligence as a driver of agricultural transition
AI als aanjager van de landbouwtransitie


Wageningen, The Netherlands
October 23, 2024


 

Artificial intelligence (AI) is rapidly transforming our daily lives and accelerating scientific discoveries, leading to the awarding of two Nobel Prizes this year. To harness this technology to address key societal challenges such as food security, climate change, and biodiversity loss, Wageningen University & Research (WUR) has set up a dedicated AI Chair Group. “AI offers great opportunities, and it is up to us as humans to decide how best to exploit them,” says group chair holder Professor Ioannis Athanasiadis.
 

Chair holder Professor Ioannis AthanasiadisChair holder Professor Ioannis Athanasiadis
 

As a researcher, Athanasiadis has worked with computers for over two decades. He has seen his professional field change considerably over the years. “When I first started out, it was still all about humans teaching computers. You gave the machine a set of rules or examples and it then drew conclusions and made suggestions based on this information. Today – thanks in part to AI – that situation is completely reversed. Computers are now helping us to devise and find solutions, often at lightning speed and extremely accurately too. I find that fascinating. But that doesn't mean that human beings can now take a back seat. We are ultimately responsible for how and for what purposes we use computers and AI. That is something we have to consider carefully.”

With AI in a gold rush

Athanasiadis calls the rapid development of AI a ‘gold rush’, in reference to the massive influx of people of people to areas where gold had been found. “You see tech companies, big and small, launching more and more new AI tools at a faster and faster pace, in an attempt to show what we can do with AI. That is quite disruptive in some areas; think for example of ChatGPT. Both the industry, government agencies and public bodies are searching for the right balance to manage and regulate all this responsibly. Ultimately, this will allow us to deploy AI in a much less disruptive, safer, and more valuable way.”

AI in WUR research areas

AI currently plays a role in several WUR research areas, says Athanasiadis. “Think of plant phenotyping, in which researchers select specific traits from plants to develop new, better varieties. Thanks to AI, traits can be measured much faster and more effectively. Other examples include AlphaFold, a programme that can predict protein structures, and several AI applications in remote sensing and agricultural robotics.” Yet there is also still a lot to be gained when it comes to leveraging AI in WUR's research areas. Athanasiadis: “Among other things, we still lack good data benchmarks and standardised models for collecting, sharing, and processing data. That is what we hope to contribute to with our chair group.”
 

AI agriculture


Developing concepts and methodologies

The chair group hopes, in collaboration with fellow researchers inside and outside WUR, to develop concepts and methods that experts in the various research areas can use in a smart and responsible way to develop AI tools, says Athanasiadis. “This might include tools that provide a better understanding of problems caused by climate change, but also tools that contribute to solutions to these issues, such as climate resistant crops, or biodiversity restoration. At WUR, we have a strong network of academics who can act as a link between research and the practical applications of AI. Having this combination under one roof is what makes WUR unique.”

Multidisciplinary approach

To work on global challenges and solutions, Athanasiadis says it is important for research to involve as much collaboration between different disciplines as possible. “So far, AI researchers have tended to work independently from domain scientists. One group was responsible for data collection, while another focused on data processing and analysis, and yet another worked on building an AI tool. Whereas you can devise much better solutions if you do it all within a single multidisciplinary team. I am not only talking about disciplines within WUR, but also about collaboration with parties in the professional field, such as farmers, companies, NGOs, and knowledge centres. Fortunately, WUR has a lot of experience with that.”
 

Shutterstock machine learning aardbei.jpg


Involved in AI projects

For now, the AI Chair Group is mainly linking up with ongoing projects in which WUR is involved. Athanasiadis: “One such project is the European agrifoodTEF. In this project, we are working, among other things, on a digital infrastructure and facilities for small-scale companies to test AI-driven agricultural robots. Another project is LTER-LIFE. In this project, we build digital twins (digital copies of reality, Eds.) of ecosystems, using computational tools to understand the changing interactions within ecosystems due to climate change. Our goal is to eventually launch our own projects within our chair group, specifically aimed at developing AI methods.”

Preparing students for professional practice

Athanasiadis stresses that the chair group was not only created to conduct research in the field of AI. “We also have an educational task. We want to equip WUR students and graduates with good skills in the field of AI so that they are ready to enter the professional field. This means teaching them to use AI in ways that help them solve the right problems. To do that, you need to understand AI methods and know what is going on behind the scenes of AI tools. Clearly, we don't need all our students to become AI experts. You don't need to be a mechanic to drive a car either. But in today's digital world, basic knowledge of AI is a prerequisite.”
 

Wageningen University & Research


AI for social purposes

One of Athanasiadis’ ambitions as an academic scholar is to deploy AI not only for commercial interests, but also to serve society. “Unfortunately, funding for research in the field of AI is now mainly driven by fast commercial returns, i.e. that an AI application must eventually make a lot of money. As a result, current research often devote less attention to AI in relation to themes such as sustainability, climate change, biodiversity, and food security. I see it as the task of NGOs and universities to juxtapose this with a research agenda focused on applications that primarily serve people, nature, and the environment, and that are not purely financially driven. This is also an important reason why WUR is investing in AI in the form of a chair group.”

Not a replacement, but support

In conclusion: how does Athanasiadis envision the future of AI? In 10 years or so, will a farmer or grower be able to sit back on the sofa and watch Netflix while smart machines do the work in the field or greenhouse? Athanasiadis: “Certainly not; that image strikes me as quite dystopian. AI is not meant to replace humans, but to support them with data and information to make decisions, for example by advising on risk management or more efficient cultivation methods. If we use AI smartly, it can be of great value in accelerating the transition towards sustainable agriculture, and helping us become more resilient to climate change.”


 

AI als aanjager van de landbouwtransitie

Kunstmatige intelligentie (AI) verandert snel ons dagelijks leven en versnelt wetenschappelijke ontdekkingen, wat dit jaar heeft geleid tot de toekenning van twee Nobelprijzen. Om deze technologie in te zetten voor belangrijke maatschappelijke uitdagingen zoals voedselzekerheid, klimaatverandering en biodiversiteitsverlies heeft Wageningen University & Research (WUR) een speciale AI-leerstoelgroep opgericht. “AI biedt grote kansen, en het is aan ons als mensen om te bepalen hoe we die het beste kunnen benutten”, zegt leerstoelhouder Ioannis Athanasiadis.

Als onderzoeker houdt Athanasiadis zich al ruim twee decennia bezig met computers. Hij heeft zijn werkveld door de jaren heen flink zien veranderen. “In mijn begintijd was het nog zo dat je als mens de leraar van de computer was. Je gaf de machine een set regels of voorbeelden en vervolgens ging die daaruit conclusies trekken en suggesties geven. Vandaag de dag is dat – mede dankzij AI – helemaal omgedraaid. Computers helpen ons nu bij het bedenken en vinden van oplossingen. Vaak ook nog eens razendsnel en heel accuraat. Dat vind ik fascinerend. Maar dat betekent niet dat we als mens achterover moeten leunen. Wij zijn er uiteindelijk verantwoordelijk voor hoe en voor welke doelen we computers en AI inzetten. Daar moeten we goed over nadenken.”

Met AI in een gold rush

De snelle ontwikkeling van AI kwalificeert Athanasiadis als een ‘gold rush’, verwijzend naar de massale toestroom van mensen naar gebieden waar goud was ontdekt. “Je ziet dat techbedrijven, zowel grote als kleine, steeds meer en in steeds hoger tempo nieuwe AI-tools lanceren waarmee ze willen laten zien wat we met AI allemaal wel niet kunnen. Dat is op sommige terreinen behoorlijk ontwrichtend, denk aan ChatGPT. Zowel de industrie als overheden zijn nu zoekende naar een goede balans om dit alles op een verantwoorde manier te beheren en reguleren. Uiteindelijk kunnen we AI zo op een veel minder ontwrichtende, veiligere en waardevollere manier inzetten.”

AI in onderzoeksgebieden WUR

AI speelt momenteel een rol in diverse onderzoeksgebieden van WUR, zegt Athanasiadis. “Denk aan plantfenotypering, waarbij onderzoekers specifieke eigenschappen van planten selecteren om nieuwe, betere variëteiten te ontwikkelen. Dankzij AI kunnen eigenschappen veel sneller en effectiever worden gemeten. Andere voorbeelden zijn AlphaFold, een programma waarmee eiwitstructuren kunnen worden voorspeld, en AI-toepassingen in remote sensing en landbouwrobots.” Toch is er ook nog een wereld te winnen als het gaat om het benutten van AI in de onderzoeksgebieden van WUR. Athanasiadis: “Het ontbreekt onder meer nog aan goede maatstaven en gestandaardiseerde modellen voor het verzamelen, delen en verwerken van data. Daar hopen we met onze leerstoelgroep aan bij te dragen.”

Ontwikkeling concepten en methodieken

De ambitie van de leerstoelgroep is om in samenwerking met collega-onderzoekers binnen en buiten WUR concepten en methoden te ontwikkelen die experts per onderzoeksgebied op een slimme en verantwoorde manier kunnen inzetten voor de ontwikkeling van AI-tools, zegt Athanasiadis. “Bijvoorbeeld tools die een beter begrip geven van problemen als gevolg van klimaatverandering, maar ook tools die bijdragen aan oplossingen voor deze vraagstukken, zoals klimaatrobuuste teelten of herstel van biodiversiteit. Bij WUR beschikken we over een sterk netwerk van wetenschappers die een schakelrol kunnen vervullen tussen onderzoek en het toepassen van AI in de praktijk. Deze combinatie onder één dak maakt WUR uniek.”

Multidisciplinaire aanpak

Om te werken aan de mondiale vraagstukken en oplossingen is het volgens Athanasiadis van belang dat bij onderzoek zo veel mogelijk wordt samengewerkt tussen verschillende disciplines. “Tot nu toe werkte men bij AI-onderzoek vaak afzonderlijk van elkaar. De ene groep was verantwoordelijk voor dataverzameling, een andere ging aan de slag met de verwerking en analyse ervan en weer een andere bouwde aan een AI-tool. Terwijl je tot veel betere oplossingen komt als je dit allemaal doet binnen één multidisciplinair team. Dan heb ik het niet alleen over disciplines binnen WUR, maar ook over samenwerking met partijen uit het veld, zoals boeren, bedrijven, ngo’s en kenniscentra. Gelukkig heeft WUR daar veel ervaring mee.”

Betrokken bij AI-projecten

De leerstoelgroep van AI haakt nu nog vooral aan bij lopende projecten waar WUR bij betrokken is. Athanasiadis: “Een van die projecten is het Europese agrifoodTEF. Hierin werken we onder meer aan een digitale infrastructuur en faciliteiten voor kleinschalige bedrijven om AI-gestuurde landbouwrobots te testen. Een ander project is LTER-LIFE. Hierin bouwen we digital twins (digitale kopieën van de werkelijkheid, red.) van ecosystemen, waarmee met behulp van rekenkundige hulpmiddelen de veranderende interactie binnen ecosystemen als gevolg van klimaatverandering inzichtelijk kan worden gemaakt. Ons doel is om binnen onze leerstoelgroep uiteindelijk ook eigen projecten te starten, specifiek gericht op de ontwikkeling van AI-methoden.”

Studenten klaarmaken voor praktijk

Athanasiadis benadrukt dat de leerstoelgroep niet alleen in het leven is geroepen voor het werken aan onderzoek op het gebied van AI. “We hebben ook een educatieve taak. We willen WUR-studenten en afgestudeerden uitrusten met goede vaardigheden op het gebied van AI, zodat ze voorbereid de praktijk ingaan. Hierbij gaat het erom dat ze AI op zo’n manier inzetten dat ze er de juiste problemen mee oplossen. Om dat te kunnen doen, moet je begrip hebben van AI-methoden en weten wat er achter de schermen van AI-tools allemaal gebeurt. Ze hoeven echt niet allemaal AI-experts te worden. Om een auto te kunnen besturen, hoef je ook geen monteur te zijn. Maar in de huidige digitale wereld is basiskennis van AI wel een vereiste.”

AI voor maatschappelijke doelen

Een van Athanasiadis ambities als academisch onderzoeker is om AI niet alleen voor commerciële belangen in te zetten, maar ook ten dienste van de maatschappelijke. “Helaas wordt de financiering voor onderzoek op het gebied van AI momenteel voornamelijk gedreven door snelle commerciële opbrengsten, dat wil zeggen dat een AI-toepassing uiteindelijk veel geld moet opleveren. Hierdoor is er in onderzoeksagenda’s vaak minder aandacht voor AI in relatie tot thema’s als duurzaamheid, klimaatverandering, biodiversiteit en voedselzekerheid. Ik zie het als taak van ngo’s en universiteiten om hier een onderzoeksagenda naast te zetten die is gericht op applicaties die in de eerste plaats mens, natuur en milieu dienen en niet puur financieel gedreven zijn. Dat is ook een belangrijke reden dat we met WUR in de vorm van een leerstoelgroep in AI investeren.”

Geen vervanging, maar ondersteuning

Tot slot: hoe ziet Athanasiadis de toekomst van AI voor zich? Kan de boer of teler over een jaar of tien lekker op de bank netflixen terwijl slimme machines het werk op het veld of in de kas uitvoeren? Athanasiadis: “Zeker niet, dat beeld is voor mij eerder een dystopie. AI is niet bedoeld om mensen te vervangen, maar om ze met data en informatie te ondersteunen bij het nemen van beslissingen, zoals advies bij risicomanagement of efficiëntere teeltmethoden. Als we AI op een slimme manier inzetten, kan het van grote meerwaarde zijn bij het versnellen van de transitie richting een duurzame landbouw en het veerkrachtig worden tegen klimaatverandering.”

 



More solutions from: Wageningen University & Research


Website: http://www.wur.nl

Published: November 5, 2024


Copyright @ 1992-2024 SeedQuest - All rights reserved