Fra gårder til dna transformerer data jordbruk og presisjonsmedisin

Det er ingen hemmelighet at data og analyser forvandler omtrent alle bransjer, så jeg ble ikke overrasket over å se flere økter på Fortune Brainstorm Tech som fokuserer på emnet. Men jeg syntes diskusjonen om nye bruksområder for landbruks- og genomiske data var ganske interessant, samt en snakk om å "kontrollere AI" som virkelig kom til data også.

Genomisk informasjon ved aner og farger

Ancestry CEO Margo Georgiadis, og Color-grunnlegger og CEO Othman Laraki diskuterte hvordan genomiske data kan påvirke helsevesenet.

Georgiadis bemerket at Ancestry, som for tiden har informasjon om 100 millioner familiehistorier og det største depotet av forbruker-DNA, har eksistert i 30 år og fokusert på forbrukerinteraksjoner. Men hun snakket også om samarbeid med andre selskaper for å oppnå bedre helseutfall gjennom genomikk

Hun minnet publikum om at "Generene dine er ikke skjebnen din, " og sa at det bare var ett signal, og at det var viktig å se på familiehistorien også.

Laraki, hvis firma fokuserer på presisjonsmedisin, diskuterte ved hjelp av genomisk informasjon for å "bygge en helsevesenets infrastruktur som kan se lenger nede i veien." I fremtiden "vil vi ikke tenke på det som genomikk, vi vil tenke på det som helsehjelp." Han bemerket den enorme koblingen mellom hva vi bruker på helsehjelp og verdien vi får. Dette er den "største menneskelige og entreprenørmessige mulighet for vår generasjon, " sa han og la merke til at helsesystemet akkurat begynner å bruke genomikk i primæromsorgen.

Han snakket om hvordan det var både forbrukerapplikasjoner og helsevesenets implikasjoner, og snakket om selskapets forhold til MITs brede institutt.

Fortsatt sa Georgiadis at personvernet var roten til selskapets forhold til kundene, og at enkeltpersoner bruker og kontrollerer sine egne data. Hun sa at selskapet aldri gir informasjon til rettshåndhevelse med mindre det er tvunget til å gjøre det, og i fjor skjedde det bare 10 ganger. Forespørslene var alle relatert til kredittkortsvindel, ikke genetisk informasjon.

Hun sa kollektive innsikter som kan skaffes mellom postene, var viktige. "Kunden vår er aldri produktet, " sa hun, "at justering er dypt viktig."

Georgiadis sa at selskaper som samler inn genomisk informasjon, må være tydelige på hva de står for, og i å sørge for at kundene forstår hvordan organisasjonene vil bruke og dele dataene. Hun sa at Ancestry, 23andMe og Helix hadde satt opp et sett med genetiske personvernstandarder og oppfordret andre aktører til å registrere seg. Dette inkluderer bruk av populasjonsnivådata for medisinsk og helsefaglig forskning.

Hver teknologi skaper et nytt sett med problemer, sa Georgiadis. "Som ledere må vi ta ansvar for å tenke og forutse disse spørsmålene og sette høye standarder for måten vi driver virksomhet på."

Landbruksdata

I en annen sesjon diskuterte Land O'Lakes administrerende direktør Beth Ford og grunnlegger og administrerende direktør av Gro Intelligence Sara Menker hvordan data endrer landbruket og virksomhetene rundt det.

Ford snakket om Land O'Lakes-undersøkelser av prediktive modeller som fanger opp bondeopplysninger om hva som er plantet i forskjellige jordtyper og hvilken praksis de gjør, for å hjelpe bønder å vite hvilke endringer de kan gjøre i vekstsesongen. Hun sa at firmaets Truterra Insights Engine inneholder en billion datapunkter. Målet er å øke motstandskraften, men samtidig forbedre produktiviteten.

Land O'Lakes er et andelslag som eies av bønder, bemerket Ford, og er derfor fokusert på å forbedre gårdens produktivitet så vel som bærekraft. Målet var å forbedre incentivstrukturen for bønder, og sa at 96 prosent av gårdene fremdeles er familieeide. Hun diskuterte den "delte skjebnen" som vi alle deler, og la til at teknologi er nødvendig eller matsikkerhet vil være i fare.

Hun sa at en enkelt bondes data er tøyset, men kombinert med prediktive modeller inkludert data samlet inn fra satellitter og droner. "Vi vil fange opp dataene deres, " sa Ford, "men de eier dem."

Forutsigbare modeller og endringer "i sesongen" som aldri vært viktigere enn det er i år, sa Ford, og la merke til de dramatiske værrelaterte problemene bønder står overfor. Hun sa at den gjennomsnittlige bonden tapte penger i fjor, og at lave råvarepriser har vært et problem for mange bønder i årevis.

Gro Intelligence jobber med å bygge prediktive modeller for å spå tilbud, etterspørsel og pris for alle landbruksprodukter hvor som helst i verden, sa Menker. Hun sa at mat- og drikkefirmaer, banker og handelsvarehandlere trenger denne informasjonen, spesielt på grunn av endringene fra ekstreme værhendelser. Hun bemerket at 10 millioner dekar jordbruksland er blitt forlatt på grunn av flom i år, noe som representerer 6, 5 milliarder dollar i tapte inntekter.

Menker snakket om hvordan systemet er designet for å innta datasett og reagere på markedsbegivenheter, og hvordan dette vil gjøre det mulig for firmaer å strukturere finansielle instrumenter for å bedre styre risiko. Dette, sa hun, vil til slutt redusere kapitalkostnadene for bønder. Hun pleide å handle olje og gass, og at det har vært lettere å få kapital til å utvikle energi enn å drive jordbruk.

IBM og Salesforce for data, rettferdighet og AI-etikk

IBM Research Chief Operating Officer Dario Gil og Salesforce Chief Scientist Richard Socher snakket om AI og viktigheten av å bruke det på måter som er etiske og rettferdige.

"Hver enkelt industri vil bli påvirket av AI, " sa Socher, men til slutt kan AI bare være like god som dataene vi bruker for å trene den. Som et resultat, sa han, må feltet fokusere mer på etikk. Han bemerket at som ethvert verktøy - datamaskiner, internett eller til og med en hammer - kan AI brukes på godt eller vondt.

Gil kalte AI "et uheldig begrep", fordi folk hører begrepet og tror det handler på egen hånd. Han sa at vi bare skulle erstatte ordet "programvare" med "AI." Det gjør det tydeligere hvor ansvaret ligger. "Ansvarlighet må hvile hos menneskene og institusjonene som lager programvaren, " sa han.

På spørsmål om "deepfakes" sa Socher at folk har forfalsket fotografier i lang tid, og samtidig har folk blitt bedre til å identifisere falske bilder. Han sa, vi må komme til samme forståelse med video, men det var foreløpig veldig vanskelig å lage virkelig overbevisende videoer. For nå, sa Socher, var han mye mer bekymret for at folk skulle lage falske nyheter, dele dem på sosiale medier og AI anbefalte det.

Gil snakket om skjevhetsspørsmålet, og pekte på flere lag av problemet. I det første laget er kjernen AI-algoritmen. Utover det er det spørsmålet om data. For eksempel bemerket han at det er forskrifter og et aspekt av ansvarlighet ved vurdering av kreditt i bank. Men hvis du bare bruker godkjenninger de siste 20 eller 30 årene, ville modellen gitt mer ære til menn enn kvinner. Neuralnettet er ikke partisk, sa han, men datasettet er det. På et annet nivå snakket han om en skjevhet på høyere nivå, ved at de fleste som jobber i AI er hvite menn, en situasjon han sa at industrien "prøver å forbedre seg."

Én sølvforing, sa Gil, er at hvis noen nektes kreditt og en person tar avgjørelsen, er det lett for en person å gi en unnskyldning. Men hvis du ser på beslutninger fra en algoritme over en periode, er det mye lettere å se hva som virkelig skjer. "AI setter et speil foran ansiktene våre, " sa han og la merke til at det er lettere å endre en algoritme enn å endre 1000 mennesker.

• Fortune Brainstorm Tech: The Changeing Models of E-Commerce Fortune Brainstorm Tech: The Changing Models of E-Commerce
• Fortune Brainstorm Tech: Building the 'Internet Computer' Fortune Brainstorm Tech: Building the 'Internet Computer'
• Intels Ice Lake Gets Real: 5 Key Takeaways Intels Ice Lake Gets Real: 5 Key Takeaways

Som en del av dette beskrev han arbeidet IBM gjør for å se etter skjevhet i dataene og for å ta mer rettferdige beslutninger. Han bemerket at rettferdighet involverte mange forskjellige beregninger, og at variabler er korrelert med hverandre på skjulte måter, og det gjør det vanskelig.

Socher bemerket at skjevhet var "ikke så lett å fjerne som det virker." Han bemerket at du kan fjerne rase eller kjønn fra en algoritme, men få mye av det samme resultatet ved å vurdere postnummer og inntekt. Han bemerket at det var vanskelig fordi Salesforce ikke bygger ett program - i stedet oppretter det mindre applikasjoner for 150 000 organisasjoner, som hver bruker sine egne data. Han bemerket at en eller annen form for skjevhet kan være akseptabel, for eksempel å ikke markedsføre brystpumper til menn. Men i andre tilfeller kan det være ulovlig eller galt. Det er "ingen sølvkule, " sa Socher, "Det må være et tankesett."