Når maskiner får kunstig intelligens

Big data giver mulighed for at udvikle maskiner med kunstig intelligens, hvorved de selv kan tage beslutninger om behandlinger i marken. Lige nu er det en udfordring at opsamle data og gøre dem tilgængelig for innovation.

30.01.2017 | Claus Bo Andreasen

Big data kommer ikke alene fra én traktor eller ét redskab. Big data kommer fra tusinder af maskiner, der laver de samme arbejdsgange igen og igen.

For de fleste mennesker er det forholdsvis nemt at lære at genkende de almindeligste ukrudtsplanter - og ikke mindst skelne dem fra kulturplanterne. Når man først ved, hvordan gåsefod og pileurt ser ud, spotter man dem med det samme. Det er anderledes med robotter. De kan godt genkende en ukrudtsplante, hvis den ellers ser ud præcis, som den foregående.

Det gør den bare aldrig; forskellige grader af lys, skygge, vind, fugtighed, saftspænding eller dækning af andre planter giver små variationer, som gør, at robotten ikke kan genkende ukrudtsplanten.

For hvis det var muligt, kunne man sende en robot ud i marken og mikrosprøjte ukrudtet. Det kunne måske spare 90 procent af ukrudtsmidlet Ved samme lejlighed kunne robotten kortlægge eventuelle mangelsymptomer og sygdomme i afgrøden, hvis den ellers kunne genkende dem. 

Maskiner skal have kunstig intelligens

Men hvordan kan man få maskiner til at genkende komplekse strukturer, som f.eks. planter, der ser forskellige ud i forskellige situationer? Det gør man ved at give dem en form for kunstig intelligens – også kaldet machine learning. Den kunstige intelligens bygger på, at maskinen lærer at genkende strukturer i noget, som er meget komplekst; altså noget som er meget anderledes end traditionelt, regelret software. Det kaldes også deep learning. Jo større kompleksiteten er, jo flere data kræves. Hvis der tilmed er rigtig mange data, kaldes det big data. Eksemplet med genkendelse af ukrudtsplanter er bare et af mange, hvor kunstig intelligens vil kunne få en enorm indflydelse på den måde, vi driver landbrug. 

- Big data giver os populært sagt mulighed for at udvikle maskiner, der selv finder problemer i marken og selv komme med løsninger. Vi kan få maskiner, der husker, hvordan marken blev behandlet i tidligere vækstsæsoner, og som så anvender erfaringerne til at optimere kommende behandlinger, forklarer Rasmus Nyholm Jørgensen, seniorforsker ved Institut for Ingeniørvidenskab.

Big data kan anvendes overalt i landbruget; ikke kun i marken. Det kan eventuelt bruges i en sammenhæng, hvor en ko begynder at krumme ryggen og er ved at blive halt. Via big data kan der muligvis udvikles et overvågningssystem, som giver besked om at tilkalde klovbeskærer eller dyrlæge.  

Uendelige muligheder for anvendelse af big data

Mulighederne for at anvende intelligente maskiner er nærmest uendelige: effektiv og målrettet plantebeskyttelse, bedre næringsstofanvendelse og mindre udvaskning, bedre overvågning af husdyrenes sundhed og velfærd. Samtidig er der gode muligheder for at indsamle data. Det kan være på mejetærskeren, traktoren, gødningssprederen, sprøjten eller såmaskinen. Eller via satellitter, flyfotos eller droner.

Der er også store perspektiver i at anvende de indsamlede data i forhold til certificering og i forhold til dokumentation af overholdelse af f.eks. miljøregler. Big data kommer ikke alene fra én traktor eller ét redskab. Big data kommer fra tusinder af maskiner, der laver de samme arbejdsgange igen og igen. Et eksempel kan findes i Teslas autopilot, hvor Teslas biler i fællesskab bliver bedre ”bilister”. 

Denne funktion gør det muligt for Tesla-bilerne at være langt mere automatiserede i deres kørsel, så de f.eks. selv kan speede op og ned, overhale og navigere på motorvejen. I landbruget bliver der opsamlet massevis af data.

Manglende adgang er en barriere

Men problemet er, at data ofte ikke kommer længere end til traktoren. Der eksisterer ikke fælles platforme for opsamling af data, ligesom maskinproducenterne anvender forskellige datastandarder. Udviklingen er gået så stærkt, at standarderne ikke har kunnet følge med. Der er masser af muligheder for små innovative virksomheder, hvis de ellers kunne få adgang til big data, men netop den manglende adgang er en barriere for udviklingen.

- Der ville være enorme gevinster, hvis data fra landbruget blev opsamlet i brugbare formater, der frit kunne anvendes til udvikling af maskiner med kunstig intelligens, forklarer Rasmus Nyholm Jørgensen.

I partnerskabet Future Cropping er det netop ønsket at etablere en åben dataplatform, hvor store datamængder fra landbrugs- og miljøteknologier kan integreres med f.eks. arealog vejrdata.

Disse data vil danne grundlag for udvikling af intelligente, effektive og bæredygtige teknologier, løsninger og dyrkningsteknikker til stedspecifikke og højtydende planteavl med lav miljøbelastning.


Yderligere oplysninger

Seniorforsker Rasmus Nyholm Jørgensen
Institut for Ingeniørvidenskab 
Mail: rnj@eng.au.dk
Mobil: 21628277

Lektor Rune Hylsberg Jacobsen
Institut for Ingeniørvidenskab
Mail: rhj@eng.au.dk
Telefon: 41893252

DCA