China heeft zijn eerste AI vertikale grote taalmodel (LLM) voor een betere gewasbescherming Sinong (een titel uit het keizerlijke China dat we met ‘Minister van Landbouw’ kunnen vertalen), gelanceerd. Het omvat alle gewassen die mensen voor voeding verbouwen en is getraind met een indrukwekkende hoeveelheid relevante literatuur. Sinong is open source en staat dus de gehele mensheid ter beschikking. Deze wordt dan ook internationaal verwelkomd.
Logo van Sinong; illustratie van de site van Sinong (disclaimer)
Achtergrond
Ontwikkeld door Nanjing Agricultural University (NAU) in samenwerking met het National Key Laboratory of Agricultural Biosafety (part of NAU) en meer dan 30 industriële instellingen, is het model ontworpen om wetenschappelijke begeleiding voor de landbouw te bieden en het juiste gebruik van pesticiden te garanderen. ‘China wordt geconfronteerd met frequente uitbraken van schadelijke insecten en het probleem van resistentie tegen pesticiden’, aldus Dong Shameng, projectleider en vice-decaan van NAU’s College of Plant Protection. ‘Boeren hebben dringend professionele begeleiding op basisniveau nodig. Algemene LLM’s geven echter vaak onnauwkeurige antwoorden op vragen over gewasbescherming en, nog erger, geven slecht gecontroleerd, soms ronduit riskant, advies over het gebruik van pesticiden.’
Corpus
Om het probleem op te lossen bouwde het team een gespecialiseerd corpus (database) van meer dan 2,5 miljard tokens op uit academische artikelen, patenten, nationale normen en veldrapporten. De kennisbasis omvat:
- Bijna 9.000 gespecialiseerde boeken;
- Meer dan 240.000 academische onderzoekspapers;
- Ongeveer 20.000 beleidsdocumenten en technische normen;
- Grote hoeveelheden sectorspecifieke webgebaseerde landbouwgegevens.
Het corpus omvat belangrijke gewassen, waaronder rijst, tarwe, sojabonen, groenten en fruitbomen, en integreert informatie over de monitoring van ongedierte, groene bestrijdingsmaatregelen en registratie van pesticiden. Wang Dongbo, een professor aan het College of Information Management van NAU, vertelt dat het model gewastypen, groeistadia en symptomen van gewasziekten nauwkeurig kan identificeren. Vervolgens genereert het geïntegreerde strategieën voor groeicontrole. ‘Met gerichte training convergeert het model goed en herkent het ongedierte met hoge precisie’, aldus Wang.
Problemen overwinnen
Een van de meest voorkomende kritieken op kunstmatige intelligentiesystemen zijn zogenaamde ‘hallucinaties’, wanneer modellen vol vertrouwen onjuiste of misleidende informatie produceren. De ontwikkelaars van Sinong richtten zich expliciet op het beperken van dit risico. Naast conventionele fine-tuning van instructies, bevatte het trainingsproces logische redeneringsketens (denkketens), contextuele verwijzingen naar gegevensbronnen en multidimensionale landbouwdatasets. Deze aanpak stelt het model in staat om niet alleen antwoorden te genereren, maar ook om professionele redeneringspatronen te volgen die vergelijkbaar zijn met die van menselijke landbouwexperts.
Bestrijdingsmiddelen
Voordat een aanbeveling wordt gepresenteerd, verwijst het model automatisch naar de nationale registratiedatabase voor pesticiden om elke chemische stof te verifiëren aan de hand van lijsten met verboden middelen, goedgekeurde gewassen en doseringslimieten. Elke niet-conforme suggestie wordt geblokkeerd en automatisch gecorrigeerd, waardoor misbruik van pesticiden aan de bron wordt voorkomen, zei Wang.
Internationaal belang
De lancering van een open-source landbouw LLM vertegenwoordigt een kwalitatieve verschuiving voor de sector:
- Boeren kunnen toegang krijgen tot preciezere technologische en agronomische aanbevelingen;
- Agribusinessbedrijven kunnen markten, productierisico’s en operationele beslissingen efficiënter analyseren;
- Onderzoekers kunnen de verwerking en interpretatie van wetenschappelijke gegevens versnellen;
- AgTech-startups kunnen nieuwe digitale tools en diensten bouwen die zijn afgestemd op de landbouw.
In de praktijk legt Sinong de basis voor een nieuwe generatie agrotechnologische oplossingen, waarbij kunstmatige intelligentie net zo’n routinematig werkinstrument wordt als GPS-navigatie of veldmonitoring met behulp van satellieten.
Open Source
Sinong is volledig uitgebracht als open source op platforms zoals ModelScope en GitHub. Dit verlaagt de toegangsbarrières voor het toepassen van AI in de landbouw aanzienlijk en stelt bedrijven, onderzoeksinstellingen en ontwikkelaars wereldwijd in staat het model aan te passen aan lokale markten, gewassen en productiesystemen. In feite draagt China bij aan de vorming van een wereldwijd agrarisch AI-ecosysteem waarin innovatie door gedeelde ontwikkeling en samenwerking sneller kan vorderen.
Vervolg
Wang Yuanchao, vice-president van NAU, meldt dat de universiteit veldtests en modeliteraties zal voortzetten om een intelligente tool te creëren die ‘begrijpelijk, bruikbaar en effectief’ is voor boeren, waardoor de moderne landbouw met digitale technologieën in de hele keten wordt versterkt.
Bronnen: Business Today (27/05/2026), EastFruit (20/01/2026), Sinong site, China Daily (13/01/2026), State Council Information Office (27/05/2026)
