De granges a ADN, les dades són transformació de l'agricultura i la medicina de precisió

No és cap secret que les dades i les analítiques es transformin a gairebé totes les indústries, per la qual cosa no em va sorprendre veure diverses sessions de Fortune Brainstorm Tech centrades en el tema. Però vaig trobar la discussió de nous usos per a dades agrícoles i genòmiques força interessants, així com una xerrada sobre "controlar la IA" que realment es va refer a les dades.

Informació genòmica a Atenció i color

El conseller delegat d'Anarch, Margo Georgiadis, i el cofundador i conseller delegat de Color, Othman Laraki, van debatre sobre com les dades genòmiques poden afectar el mercat assistencial.

Georgiadis va assenyalar que Ancestry, que actualment té informació sobre 100 milions d'històries familiars i el dipòsit més gran de l'ADN del consumidor, ha estat durant uns 30 anys i s'ha centrat en les interaccions dels consumidors. Però també va parlar de col·laborar amb altres empreses per aconseguir millors resultats de salut mitjançant la genòmica

Va recordar a l'audiència que "Els vostres gens no són el vostre destí", dient que era només un senyal i que era important també examinar la història de la família.

Laraki, la firma del qual es centra en la medicina de precisió, va discutir l'ús d'informació genòmica per "construir una infraestructura assistencial que pugui veure més enllà". En el futur, "no la pensarem com a genòmica, sinó que la pensarem com a salut". Va assenyalar l'enorme desconnexió entre el que estem gastant en l'assistència sanitària i el valor que obtenim. Aquesta és la "major oportunitat empresarial i humana de la nostra generació", va dir, tot i que el sistema sanitari comença a utilitzar genòmica en l'atenció primària.

Va parlar sobre com hi havia aplicacions per al consumidor i implicacions en l'assistència sanitària a nivell de població i va parlar de la relació de l'empresa amb l'Institut ampli del MIT.

Tot i així, Georgiadis va dir que la privadesa era l’arrel de la relació de l’empresa amb els seus clients i va dir que les persones utilitzen i controlen les seves pròpies dades. Va dir que l'empresa mai no dóna informació als agents de la llei, tret que estigui obligat a fer-ho, i l'any passat, això va passar només deu vegades. Totes les peticions estaven relacionades amb un frau a la targeta de crèdit, no amb informació genètica.

Va dir que els coneixements col·lectius que es poden obtenir entre els registres eren importants. "El nostre client no és mai el producte", va dir, "aquesta alineació és profundament important".

Georgiadis va dir que les empreses que recopilen informació genòmica han de tenir clar què operen i assegurar que els clients entenguin com utilitzaran i compartiran les organitzacions. Va dir que Ancestry, 23andMe i Helix havien establert una sèrie de normes de privadesa genètiques i animaven altres jugadors a iniciar la sessió. Això inclou l'ús de dades sobre el nivell de població per a investigacions mèdiques i de salut.

Tota tecnologia crea un nou conjunt de problemes, va dir Georgiadis. "Com a líders, hem de responsabilitzar-nos de pensar i anticipar aquests problemes i establir alts estàndards per a la manera de fer negocis".

Dades agrícoles

En una altra sessió, la fundadora i directora general de Land O'Lakes, Beth Ford, i la consellera delegada de Gro Intelligence, Sara Menker, van debatre sobre com les dades canvien l’agricultura i les empreses que l’envolten.

Ford va parlar de la investigació de Land O'Lakes sobre models predictius que recullen dades de l'agricultor sobre què es planta en diversos tipus de sòl i quines pràctiques fan, per ajudar els agricultors a saber quins canvis poden fer durant la temporada de creixement. Va dir que Truterra Insights Engine de la firma conté uns bilions de punts de dades. L’objectiu és augmentar la resiliència però alhora millorar la productivitat.

Ford O'Lakes és una cooperativa propietat dels agricultors, va assenyalar Ford, i per tant està enfocada a ajudar a millorar la productivitat agrícola i la sostenibilitat. L’objectiu era millorar l’estructura d’incentius per als agricultors, dient que el 96 per cent de les explotacions són propietat familiar. Va parlar del "destí compartit" que tots compartim, i va afegir que la tecnologia és necessària o que la seguretat alimentària estarà en risc.

Ella va dir que les dades d'un agricultor individual només es poden analitzar, però que es combinen amb models predictius que inclouen dades recollides de satèl·lits i drons. "Capturarem les seves dades", va dir Ford, "però les posseeixen".

Ford va dir que els models predictius i els canvis "a la temporada" no han estat mai importants del que aquest any, va assenyalar els dramàtics problemes relacionats amb el clima que tenen els agricultors. Va dir que l’agricultor mitjà va perdre diners l’any passat i que els preus baixos de les matèries primeres han estat un problema per a molts agricultors des de fa anys.

Menker va treballar en la construcció de models predictius per predir l'oferta, la demanda i el preu per a qualsevol producte agrícola en qualsevol part del món, va dir Menker. Va dir que les empreses d’aliments i begudes, els bancs i els comerciants de productes bàsics necessiten aquesta informació, sobretot a causa dels canvis derivats d’esdeveniments meteorològics extrems. Va assenyalar que s'han abandonat 10 milions de hectàrees de terres agrícoles a causa de les inundacions d'aquest any, que representen uns ingressos perduts de 6.500 milions de dòlars.

Menker va parlar de com està dissenyat el sistema per ingerir conjunts de dades i reaccionar davant els esdeveniments del mercat i com això permetrà a les empreses estructurar instruments financers per gestionar millor els riscos. Això, va dir, acabarà reduint el cost del capital per als agricultors. Solia comerciar petroli i gas, i que ha estat més fàcil obtenir capital per desenvolupar energia que no pas per explotar.

IBM i Salesforce en ètica de dades, equitat i IA

El director operatiu de la Recerca de l'IBM, Dario Gil, i el científic del departament de Salesforce, Richard Socher, van parlar sobre l'AI i la importància d'utilitzar-la de manera ètica i justa.

"Qualsevol indústria serà afectada per l'AI", va dir Socher, però, al final, l'AI només pot ser tan bona com les dades que utilitzem per entrenar-la. Com a resultat, va dir, el camp s’ha de centrar més en l’ètica. Va assenyalar que, com qualsevol eina, ordinadors, internet o fins i tot un martell, la IA es pot utilitzar bé o malament.

Gil va anomenar AI "un terme lamentable", perquè la gent escolta el terme i creu que actua per si sol. Va dir que només hem de substituir la paraula "programari" per "AI". Això fa més clar on rau la responsabilitat. "La responsabilitat ha de reposar amb les persones i les institucions que creen el programari", va dir.

Preguntat sobre "deepfakes", Socher va dir que la gent ha falsificat fotografies durant molt de temps i, alhora, la gent s'ha millorat a l'hora d'identificar fotografies falses. Va dir, haurem d’arribar a la mateixa comprensió amb el vídeo, però actualment va ser molt difícil crear vídeos realment convincents. Per ara, va dir Socher, estava molt més preocupat perquè la gent creés notícies falses, la compartís a les xarxes socials i la recomana AI.

Gil va parlar sobre la qüestió del biaix, assenyalant múltiples capes del problema. A la primera capa es troba l'algoritme IA principal. Més enllà d’això, hi ha el problema de les dades. Per exemple, va assenyalar que hi ha regulacions i un aspecte de rendició de comptes a l’hora de valorar el crèdit a la banca. Però si només utilitzeu les aprovacions durant els darrers 20 o 30 anys, el model donaria més crèdit als homes que a les dones. Va dir que la xarxa neuronal no és esbiaixada, però el conjunt de dades és així. En un altre nivell, va parlar d'un biaix de més alt nivell, ja que la majoria de les persones que treballen a l'AI són homes blancs, una situació que va dir que la indústria està "intentant millorar".

Gil va dir que un folre de plata és que si a algú se li nega el crèdit i una persona pren la decisió, és fàcil que una persona doni excusa. Però si ens fixem en les decisions d'un algorisme durant un període de temps, és molt més fàcil veure què està passant realment. "AI posa un mirall davant de les nostres cares", va dir, remarcant que és més fàcil canviar d'algorisme que canviar 1.000 persones.

• Fortune Brainstorm Tech: els canvis en els models de comerç electrònic Fortune Brainstorm Tech: els canvis en els models de comerç electrònic
• Fortune Brainstorm Tech: Construint l '"ordinador d'Internet" Fortune Brainstorm Tech: Construint l' "ordinador d'Internet"
• El gel del llac d'Intel obté una realitat: 5 grans plats per emportar-se: el llac d'Intel arriba a la realitat: 5 claus per emportar-se

Com a part d'aquesta qüestió, va descriure el treball que IBM fa per cercar el biaix de les dades i per prendre decisions més justes. Va assenyalar que l'equitat comportava moltes mètriques diferents i que les variables estan correlacionades entre si de manera oculta i això fa que sigui difícil.

Socher va assenyalar que el biaix no era "tan fàcil d'eliminar com sembla". Va assenyalar que podríeu eliminar la raça o el gènere d'un algorisme, però obteníeu gran part del mateix resultat tenint en compte el codi postal i els ingressos. Va assenyalar que era difícil perquè Salesforce no construeix una sola aplicació, sinó que crea aplicacions més petites per a 150.000 orgs, cadascuna de les quals utilitza les seves pròpies dades. Va assenyalar que pot ser acceptable algun tipus de parcialitat, com no comercialitzar les bombes mamàries als homes. Però en altres casos, pot ser il·legal o equivocat. No hi ha "cap bala de plata", va dir Socher, "Ha de ser una mentalitat".