Från gårdar till DNA förändrar data jordbruk och precisionsmedicin

Det är ingen hemlighet att data och analyser omvandlar nästan alla branscher, så jag blev inte förvånad över att ett antal sessioner på Fortune Brainstorm Tech fokuserade på ämnet. Men jag tyckte att diskussionen om nya användningsområden för jordbruks- och genomdata var ganska intressant, liksom ett samtal om “kontroll av AI” som verkligen kom ner till data också.

Genomisk information vid anor och färg

Othman Laraki - Color och Margo Georgiadis - Ancestry FBT19

Ancestrys VD Margo Georgiadis och Color grundare och VD Othman Laraki diskuterade hur genomdata kan påverka hälso- och sjukvårdsmarknaden.

Georgiadis noterade att Ancestry, som för närvarande har information om 100 miljoner familjehistorier och det största förvaret av konsument-DNA, har funnits i 30 år och fokuserat på konsumentinteraktioner. Men hon pratade också om att samarbeta med andra företag för att få bättre hälsoresultat genom genomik

Hon påminde publiken att “Dina gener är inte ditt öde” och sa att det bara var en signal och att det var viktigt att titta på familjens historia också.

Laraki, vars företag fokuserar på precisionsmedicin, diskuterade med genomisk information för att “bygga en hälso- och sjukvårdsinfrastruktur som kan se längre fram på vägen.” I framtiden kommer vi “inte att tänka på det som genomik, vi kommer att tänka på det som vård.” Han noterade den enorma kopplingen mellan vad vi spenderar på vården och det värde vi får. Detta är den “största mänskliga och entreprenörsmöjligheten i vår generation”, sade han och noterade att hälso- och sjukvårdssystemet just börjat använda genomik i primärvården.

Han pratade om hur det fanns både konsumentapplikationer och hälso- och sjukvårdseffekter på befolkningsnivå och pratade om företagets relation till MIT: s Broad Institute.

Ändå sa Georgiadis att integritet var roten till företagets relation till sina kunder, och sa att individer använder och kontrollerar sina egna uppgifter. Hon sa att företaget aldrig ger information till brottsbekämpning såvida det inte tvingas göra det, och förra året hände det bara tio gånger. Förfrågningarna var alla relaterade till kreditkortsbedrägeri, inte genetisk information.

Hon sa att kollektiva insikter som kan hämtas mellan posterna var viktiga. “Vår kund är aldrig produkten”, sade hon, “att anpassningen är mycket viktigt.”

Georgiadis sa att företag som samlar in genomisk information måste vara tydliga om vad de står för, och för att se till att kunder förstår hur organisationerna kommer att använda och dela informationen. Hon sa att Ancestry, 23andMe och Helix hade skapat en uppsättning genetiska integritetsstandarder och uppmuntrade andra spelare att logga in. Detta inkluderar användning av befolkningsnivådata för medicinsk forskning och hälsoforskning.

Varje teknik skapar en ny uppsättning problem, sa Georgiadis. “Som ledare måste vi ta ansvar för att tänka och förutse dessa frågor och ställa höga krav på vårt sätt att göra affärer.”

Jordbruksdata

I en annan session diskuterade Land O’Lakes vd Beth Ford och Gro Intelligence grundare och vd Sara Menker hur data förändrar jordbruket och företagen kring det.

Beth Ford - Land OLakes FBT 19

Ford pratade om Land O’Lakes-undersökningen av prediktiva modeller som fångar jordbruksdata om vad som planteras i olika jordtyper och vilka metoder de gör för att hjälpa jordbrukare att veta vilka förändringar de kan göra under växtsäsongen. Hon sa att företagets Truterra Insights Engine innehåller en biljon datapunkter. Målet är att öka motståndskraften men samtidigt förbättra produktiviteten.

Land O’Lakes är ett kooperativ som ägs av jordbrukare, konstaterade Ford och fokuserar därför på att förbättra jordbrukets produktivitet och hållbarhet. Målet var att förbättra incitamentsstrukturen för jordbrukare och sade att 96 procent av gårdarna fortfarande är familjeägda. Hon diskuterade det “delade ödet” som vi alla delar och tillade att teknik är nödvändig eller att livsmedelssäkerheten kommer att äventyras.

Hon sa att en enskild bondes data är täckt, men kombinerad med förutsägbara modeller inklusive data som samlats in från satelliter och drönare. “Vi kommer att fånga deras data”, sa Ford, “men de äger den.”

Förutsägbara modeller och att göra förändringar “under säsongen” som aldrig varit viktigare än det är i år, sa Ford och noterade de dramatiska väderrelaterade problem som jordbrukarna står inför. Hon sa att den genomsnittliga bonden förlorade pengar förra året och att låga råvarupriser har varit ett problem för många jordbrukare i flera år.

Sara Menker - Gro Intelligence FBT19

Gro Intelligence arbetar med att bygga förutsägbara modeller för att förutsäga utbud, efterfrågan och pris för alla jordbruksprodukter var som helst i världen, sade Menker. Hon sa att mat- och dryckesföretag, banker och råvaruhandlare behöver denna information, särskilt på grund av förändringarna från extrema väderhändelser. Hon noterade att 10 miljoner hektar jordbruksmark har övergivits på grund av översvämningar i år, vilket motsvarar 6,5 miljarder dollar i förlorade intäkter.

Menker berättade om hur systemet är utformat för att ta in datamängder och reagera på marknadshändelser, och hur detta gör det möjligt för företag att strukturera finansiella instrument för att bättre hantera risker. Detta, sa hon, kommer så småningom att sänka kapitalkostnaderna för jordbrukarna. Hon handlade med olja och gas och att det har varit lättare att få kapital att utveckla energi än att odla.

IBM och Salesforce om data, rättvisa och AI-etik

Richard Socher - Salesforce och Dario Gil - IBM Research FBT19

IBMs Chief Operating Officer Dario Gil och Salesforce Chief Scientist Richard Socher pratade om AI och vikten av att använda det på ett sätt som är etiskt och rättvist.

“Varje enskild bransch kommer att påverkas av AI”, sa Socher, men i slutändan kan AI bara vara lika bra som den data vi använder för att träna den. Som ett resultat, sade han, måste fältet fokusera mer på etik. Han noterade att AI som alla verktyg – datorer, internet eller till och med en hammare – kan AI användas på gott eller ont.

Gil kallade AI ”en olycklig term”, eftersom människor hör ordet och tycker att det agerar på egen hand. Han sa att vi bara skulle ersätta ordet “programvara” mot “AI”. Det gör det tydligare var ansvaret ligger. “Ansvar måste ligga hos människorna och institutionerna som skapar programvaran”, sade han.

På frågan om “deepfakes” sa Socher att människor har fejkat fotografier under lång tid, och samtidigt har människor blivit bättre på att identifiera falska bilder. Han sa, vi måste komma till samma förståelse med video, men det var för närvarande mycket svårt att skapa riktigt övertygande videor. För närvarande, sa Socher, var han mycket mer orolig för att människor skulle skapa falska nyheter, dela dem på sociala medier och AI rekommendera det.

Gil pratade om frågan om partiskhet och pekade på flera lager av problemet. Vid det första lagret är kärnan AI-algoritmen. Utöver detta finns det frågan om data. Till exempel noterade han att det finns regler och en aspekt av ansvarsskyldighet vid bedömning av kredit inom bank. Men om du bara använder godkännanden under de senaste 20 eller 30 åren skulle modellen ge mer kredit till män än kvinnor. Neuralnätet är inte partiskt, sade han, men datamängden är det. På en annan nivå talade han om en bias på högre nivå genom att de flesta som arbetar inom AI är vita män, en situation som han sa att industrin “försöker förbättra.”

Ett silverfoder, sa Gil, är att om någon nekas kredit och en person fattar beslutet är det lätt för en person att ge en ursäkt. Men om du tittar på beslut från en algoritm över en tidsperiod är det mycket lättare att se vad som verkligen händer. “AI sätter en spegel framför våra ansikten”, sa han och noterade att det är lättare att ändra en algoritm än att ändra 1 000 personer.

Som en del av detta beskrev han arbetet IBM gör för att leta efter fördomar i data och för att fatta mer rättvisa beslut. Han noterade att rättvisa involverade många olika mått och att variabler är korrelerade till varandra på dolda sätt, och det gör det svårt.

Socher noterade att partiskhet var “inte så lätt att ta bort som det verkar.” Han noterade att du kunde ta bort ras eller kön från en algoritm men få mycket av samma resultat genom att överväga postnummer och inkomst. Han konstaterade att det var svårt eftersom Salesforce inte bygger en applikation – det skapar istället mindre applikationer för 150 000 organisationer, var och en med sina egna data. Han noterade att någon form av partiskhet kan vara acceptabel, som att inte marknadsföra bröstpumpar för män. Men i andra fall kan det vara olagligt eller fel. Det finns “ingen silverkula”, sa Socher, “det måste vara en tänkesätt.”

Relaterade Artiklar

Back to top button