Fra gårde til dna transformerer data landbrug og præcisionsmedicin

Det er ingen hemmelighed, at data og analyse transformerer næsten enhver branche, så jeg var ikke overrasket over at se et antal sessioner på Fortune Brainstorm Tech fokusere på emnet. Men jeg fandt diskussionen om nye anvendelser til landbrugs- og genomiske data ganske interessant, samt en tale om "kontrol af AI", der virkelig kom ned på data også.

Genomisk information ved forfader og farve

Ancestry CEO Margo Georgiadis og Color medstifter og CEO Othman Laraki drøftede, hvordan genomiske data kunne påvirke markedet for sundhedsvæsen.

Georgiadis bemærkede, at Ancestry, der i øjeblikket har oplysninger om 100 millioner familiehistorier og det største depot af forbruger-DNA, har eksisteret i 30 år og fokuseret på forbrugerinteraktion. Men hun talte også om samarbejde med andre virksomheder for at få bedre sundhedsresultater gennem genomik

Hun mindede publikum om, at "Dine gener er ikke din skæbne, " og sagde, at det kun var et signal, og at det også var vigtigt at se på familiehistorien.

Laraki, hvis firma fokuserer på præcisionsmedicin, diskuterede ved hjælp af genomisk information til "at opbygge en sundhedsplejeinfrastruktur, der kan se længere nede på vejen." I fremtiden "vil vi ikke tænke på det som genomik, vi vil tænke på det som sundhedsvæsen." Han bemærkede den enorme afbrydelse mellem hvad vi bruger på sundhedsvæsenet og den værdi, vi får. Dette er den "største menneskelige og iværksættermulighed for vores generation, " sagde han og bemærkede, at sundhedssystemet lige er begyndt at bruge genomik i primærpleje.

Han talte om, hvordan der var både forbrugerapplikationer og sundhedsvæsenets implikationer på befolkningsniveau og talte om virksomhedens forhold til MITs brede institut.

Stadig sagde Georgiadis, at privatlivets fred var roden til virksomhedens forhold til dets kunder, og at enkeltpersoner bruger og kontrollerer deres egne data. Hun sagde, at virksomheden aldrig giver oplysninger til retshåndhævelse, medmindre det er tvunget til at gøre det, og sidste år skete det kun 10 gange. Anmodningerne var alle relateret til kreditkortsvindel, ikke genetisk information.

Hun sagde, at kollektive indsigter, der kan samles mellem posterne, var vigtige. "Vores kunde er aldrig produktet, " sagde hun, "at justering er dybt vigtig."

Georgiadis sagde, at virksomheder, der indsamler genomisk information, skal være klar over, hvad de står for, og for at sikre, at kunderne forstår, hvordan organisationerne vil bruge og dele dataene. Hun sagde, at Ancestry, 23andMe og Helix havde oprettet et sæt genetiske privatlivsstandarder og opfordrede andre spillere til at tilmelde sig. Dette inkluderer brug af data på befolkningsniveau til medicinsk og sundhedsundersøgelse.

Hver teknologi skaber et nyt sæt problemer, sagde Georgiadis. "Som ledere er vi nødt til at tage ansvar for at tænke og forudse disse spørgsmål og sætte høje standarder for den måde, hvorpå vi handler."

Landbrugsdata

I en anden session diskuterede Land O'Lakes administrerende direktør Beth Ford og Gro Intelligence grundlægger og administrerende direktør Sara Menker, hvordan data ændrer landbruget og virksomhederne omkring det.

Ford talte om Land O'Lakes-undersøgelser af forudsigelige modeller, der fanger landbrugerdata om, hvad der er plantet i forskellige jordtyper, og hvilken praksis de udfører, for at hjælpe landmændene med at vide, hvilke ændringer de kan foretage i vækstsæsonen. Hun sagde, at firmaets Truterra Insights Engine indeholder en billion billioner. Målet er at øge modstandsdygtigheden, men samtidig forbedre produktiviteten.

Land O'Lakes er et andelsselskab ejet af landmænd, bemærkede Ford, og er derfor fokuseret på at hjælpe med at forbedre landbrugets produktivitet såvel som bæredygtighed. Målet var at forbedre incitamentsstrukturen for landmændene og sagde, at 96 procent af landbrugerne stadig er familieejet. Hun diskuterede den "delte skæbne", som vi alle deler, og tilføjede, at teknologi er nødvendig, eller fødevaresikkerhed vil være i fare.

Hun sagde, at en enkelt landmands data er tavset, men kombineret med forudsigelige modeller, herunder data indsamlet fra satellitter og droner. "Vi vil fange deres data, " sagde Ford, "men de ejer dem."

Forudsigelige modeller og ændringer "i sæsonen", som aldrig har været vigtigere end det er i år, sagde Ford og bemærkede de dramatiske vejrrelaterede problemer, landmænd står overfor. Hun sagde, at den gennemsnitlige landmand mistede penge sidste år, og at lave råvarepriser har været et problem for mange landmænd i årevis.

Gro Intelligence arbejder på at bygge forudsigelige modeller til at forudsige udbud, efterspørgsel og pris for ethvert landbrugsprodukt overalt i verden, sagde Menker. Hun sagde, at fødevare- og drikkevarevirksomheder, banker og råvareforhandlere har brug for denne information, især på grund af ændringerne fra ekstreme vejrbegivenheder. Hun bemærkede, at 10 millioner acres landbrugsjord er blevet forladt på grund af oversvømmelser i år, hvilket repræsenterer 6, 5 milliarder dollars i tabte indtægter.

Menker talte om, hvordan systemet er designet til at indtage datasæt og reagere på markedsbegivenheder, og hvordan dette giver virksomhederne mulighed for at strukturere finansielle instrumenter for bedre at styre risici. Dette, sagde hun, vil med tiden sænke kapitalomkostningerne for landmændene. Hun plejede at handle med olie og gas, og at det har været lettere at få kapital til at udvikle energi end at drive landbrug.

IBM og Salesforce om data, retfærdighed og AI-etik

IBM Research Chief Operating Officer Dario Gil og Salesforce Chief Scientist Richard Socher talte om AI og vigtigheden af ​​at bruge det på måder, der er etiske og retfærdige.

"Hver enkelt industri vil blive påvirket af AI, " sagde Socher, men til sidst kan AI kun være så god som de data, vi bruger til at træne den. Som et resultat, sagde han, skal feltet fokusere mere på etik. Han bemærkede, at AI som ethvert værktøj - computere, internettet eller endda en hammer - kan bruges til godt eller dårligt.

Gil kaldte AI "et uheldigt udtryk", fordi folk hører udtrykket og mener, at det handler på egen hånd. Han sagde, at vi bare skulle erstatte ordet "software" med "AI." Det gør det mere tydeligt, hvor ansvaret ligger. ”Ansvarlighed skal hvile hos de mennesker og de institutioner, der opretter softwaren, ” sagde han.

På spørgsmål om "deepfakes" sagde Socher, at folk har forfalsket fotografier i lang tid, og på samme tid er folk blevet bedre til at identificere falske fotos. Han sagde, vi bliver nødt til at komme til den samme forståelse med video, men det var i øjeblikket meget svært at skabe virkelig overbevisende videoer. I øjeblikket, sagde Socher, var han meget mere bekymret for folk, der skaber falske nyheder, delte det på sociale medier og AI anbefalede det.

Gil talte om spørgsmålet om bias og pegede på flere lag af problemet. På det første lag er kernen AI-algoritmen. Derudover er der spørgsmålet om data. For eksempel bemærkede han, at der er regler og et aspekt af ansvarlighed ved vurdering af kredit i bankvirksomhed. Men hvis du bare bruger godkendelser i løbet af de sidste 20 eller 30 år, ville modellen give mere mænd end kvinder. Neuralnet er ikke partisk, sagde han, men datasættet er. På et andet niveau talte han om en bias på højere niveau, idet de fleste af de mennesker, der arbejder i AI, er hvide mænd, en situation, som han sagde, at industrien "forsøger at forbedre."

Ét sølvfor, sagde Gil, er, at hvis nogen nægtes kredit og en person træffer beslutningen, er det let for en person at give en undskyldning. Men hvis du ser på beslutninger fra en algoritme over en periode, er det meget lettere at se, hvad der virkelig sker. "AI sætter et spejl foran vores ansigter, " sagde han og bemærkede, at det er lettere at ændre en algoritme end at ændre 1.000 mennesker.

• Fortune Brainstorm Tech: De skiftende modeller for e-handel Fortune Brainstorm Tech: De ændrede modeller for e-handel
• Fortune Brainstorm Tech: Bygning af 'Internet Computer' Fortune Brainstorm Tech: Bygning af 'Internet Computer'
• Intels Ice Lake Gets Real: 5 Key Takeaways Intels Ice Lake Gets Real: 5 Key Takeaways

Som en del af dette beskrev han det arbejde, IBM foretager sig for at se efter bias i dataene og for at træffe mere retfærdige beslutninger. Han bemærkede, at retfærdighed involverede mange forskellige målinger, og at variabler er korreleret med hinanden på skjulte måder, og det gør det svært.

Socher bemærkede, at bias var "ikke så let at fjerne, som det ser ud til." Han bemærkede, at du kunne fjerne race eller køn fra en algoritme, men få meget af det samme resultat ved at overveje postnummer og indkomst. Han bemærkede, at det var svært, fordi Salesforce ikke bygger en applikation - i stedet opretter den mindre applikationer til 150.000 organer, der hver bruger sine egne data. Han bemærkede, at en eller anden form for bias kan være acceptabel, såsom at ikke markedsføre brystpumper til mænd. Men i andre tilfælde kan det være ulovligt eller forkert. Der er "ingen sølvkugle, " sagde Socher, "Det skal være et tankesæt."