Klik hier om het Nederlandse interview te lezen
Mike Poodt is Coördinator Digitale Teelttechnologie bij Rijk Zwaan. Samen met Blue Radix werkt hij aan datagedreven telen voor hun eigen productielocaties en die van klanten. We vroegen hem naar de kracht van algoritmes. Wat zijn de voordelen en hoe ziet hij de toepassing in termen van zijn bedrijf en producten?
Mike, kunt u beschrijven wat u bedoelt met autonoom telen met behulp van algoritmes?
Voor mij is autonoom telen eigenlijk de verkeerde term. Autonoom sturen zou een betere term zijn. Autonoom sturen is het voorstellen of toepassen van controles op basis van data-analyse om het vooraf ingestelde doel (strategie) zo dicht mogelijk te benaderen. Naast dit aspect omvat autonoom sturen, voor mij ‘autonoom telen’, ook autonome acties in het gewas. Denk bijvoorbeeld aan gewasonderhoud of robotisch oogsten. De combinatie van deze twee maakt de glastuinbouw toekomstbestendig.
Maar of we nu de term autonoom telen of sturen gebruiken, het doel is in beide gevallen het verhogen van efficiëntie en kwaliteit door standaardisatie. Dit betekent een grotere voorspelbaarheid bij het realiseren van de teeltstrategie. Deze voorspelbaarheid wordt steeds belangrijker in een wereld waarin alles sneller beweegt en afspraken moeilijker worden.
Welke voordelen ziet u in het werken met algoritmes?
Een algoritme is eigenlijk niets meer dan een stuk code dat veel verschillende opties doorloopt om uiteindelijk de som te berekenen die u zo dicht mogelijk bij uw gewenste resultaat brengt. Een algoritme doet dit zonder emoties of gevoel. Daarom kan een algoritme uiteindelijk betere beslissingen nemen dan mensen. Wij stellen het doel; het algoritme bepaalt de weg ernaartoe.
Een ander voordeel is dat je algoritmes slimmer kunt maken door variërende databronnen als input te gebruiken. Uiteindelijk kom je uit bij een simulatiemodel waarin je voorspellingen kunt doen over het effect van een bepaalde teeltstrategie. Maar je kunt ook berekenen hoe de sturing moet zijn als je een kas op een andere locatie hebt en toch dezelfde kwaliteit en productie wilt realiseren. Kortom, algoritmes zorgen voor inzicht en voorspelbaarheid.
Hoe ziet u de toepassing in termen van uw bedrijf en producten?
Ondanks het feit dat Rijk Zwaan zelf geen commerciële gewassen teelt, zijn deze ontwikkelingen buitengewoon interessant. Naarmate er meer data beschikbaar komt over de teeltomstandigheden en we beter inzicht krijgen in de behoeften van onze variëteiten, zullen we betere teeltrecepten kunnen bepalen. Door dat recept in het sturingsalgoritme op te nemen, zal de teeltstrategie steeds nauwkeuriger worden benaderd. Het zal ook gemakkelijker worden om over te schakelen naar een nieuwe variëteit. Als de specifieke omstandigheden van de kas bekend zijn en we de behoeften van een variëteit toevoegen, haalt u veel sneller het maximale uit de variëteit.
Ook voor onze eigen zaadproductie is dit zeer interessant. Ook wij streven ernaar om de uitkomst zo nauwkeurig mogelijk te voorspellen. Door zaadproductie met algoritmes aan te sturen, zal de opbrengst en kwaliteit constanter en voorspelbaarder worden. Ook ontkomen wij er niet aan om op meerdere locaties over de wereld zaad te produceren. Autonome sturing zal leiden tot standaardisatie van onze producties, wat de kwaliteit van het zaad en de voorspelbaarheid van de verwachte producties ten goede zal komen.
Waar en hoe denkt u dat autonome teelt zal worden toegepast in de glastuinbouw? Wat moet er nog worden ontwikkeld?
Het grote voordeel van autonoom telen is dat je met minder kennis toch uitstekende teeltresultaten kunt behalen. Daarnaast zijn we allemaal mensen, en mensen maken fouten. Een algoritme kan fouten voorkomen of verminderen. In Nederland hebben we veel zeer goede telers die zeker geen gebrek aan kennis hebben. Ook zij zullen zo nu en dan een fout maken, waardoor een algoritme er net dat beetje extra uit kan halen. Echter, in eerste instantie denk ik dat dit zeer interessant is voor hightech omgevingen met een gebrek aan teeltkennis. Dit kan in het buitenland zijn, maar ik denk ook aan telers in Nederland met meerdere locaties. Om de producties over deze locaties gelijk te trekken, is werken met autonoom telen zeker interessant.
Om het te laten slagen, zijn er nog veel dingen die verbeterd moeten worden. We missen nog veel betrouwbare kwalitatieve data. Wanneer er plantmetingen worden gedaan, gebeurt dit grotendeels handmatig, met alle onnauwkeurigheden van dien. In een zeer complex geheel van factoren die een gewas bepalen, kun je je geen onnauwkeurigheden veroorloven. Daarnaast is de frequentie van handmatige meting echt veel te laag vergeleken met het aantal beslissingen dat een algoritme neemt. Een optie is om plantsensoren te gebruiken om de nauwkeurigheid en meetfrequentie te verbeteren. Echter, we merken in de praktijk dat het interpreteren van sensordata en het correleren ervan met de gewasstand nog echt lastig is. Laat staan het gebruiken van deze data in sturingsalgoritmes.
Wat is jouw advies aan telers en investeerders die misschien nog twijfelen over telen met algoritmes?
Er zijn altijd redenen om iets niet te doen of waarom iets nog niet goed genoeg werkt. Maar dat geldt voor alle technologie. De volgende versie is altijd beter. Maar zou het niet al goed genoeg zijn!
Ik zou zeggen: begin er gewoon mee. Het is een hele mooie reflectie op jezelf en je bedrijf. Je gaat vanuit een ander perspectief naar je bedrijf kijken, vanuit data. Welke data heb je en hoe goed is die? Verzamel je de juiste data? Stuur je op gevoel en ervaring of op basis van data? Het is heel interessant om goed te kijken naar de manier waarop je beslissingen neemt en of dit de meest economisch optimale beslissing is.
Instappen hoeft ook niet spannend te zijn. Laat het algoritme in de schaduw meedraaien naast je eigen sturing. Kijk waar de verschillen zitten. Als je echt enthousiast wordt, kun je altijd beginnen met het autonome beheer van één afdeling.
Welke tips kun je Blue Radix geven om algoritmes verder te ontwikkelen?
Bij algoritmes en kunstmatige intelligentie (AI) is het belangrijk dat wij als mensen het doel definiëren dat een algoritme moet bereiken. Vaak wordt gezegd dat een beslissing op basis van een algoritme een black box is waarin een algoritme zijn werk doet en wij erop moeten vertrouwen dat het correct is. Echter, hier geloof ik niet in. Om telers met veel kennis algoritmes te laten accepteren als een goed alternatief voor hun eigen kennis, is het belangrijk dat je transparant bent over hoe de algoritmes werken. Welke inputparameters worden meegenomen. De exacte werking van het model gaat te ver. Daar zijn mensen ook niet in geïnteresseerd, maar wel of ze zichzelf herkennen in de variabelen die een rol spelen bij een beslissing.
Verder is het een belangrijke keuze of je algoritmes verder ontwikkelt in de breedte (meer gewassen) of in de diepte. Voor mij lijkt de diepte voor nu de betere keuze. Er is momenteel nog te veel afhankelijkheid van handmatige registratie om echt te spreken van autonome sturing/teelt. Integraties met andere geautomatiseerde metingen zijn erg belangrijk.
