Från gårdar till dna förvandlar data jordbruk och precisionsmedicin

Det är ingen hemlighet att data och analys förvandlas nästan varje bransch, så jag blev inte förvånad över att se ett antal sessioner vid Fortune Brainstorm Tech fokusera på ämnet. Men jag tyckte att diskussionen om nya användningsområden för jordbruks- och genomiska data ganska intressant, liksom ett samtal om "kontroll av AI" som verkligen kom till data också.

Genomisk information vid anor och färg

Ancestry VD Margo Georgiadis och Color grundare och VD Othman Laraki diskuterade hur genomiska data kan påverka hälsovårdsmarknaden.

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 talade också om samarbete med andra företag för att få bättre hälsoutfall 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 hjälp av genomisk information för att "bygga en infrastruktur för hälsovård som kan se längre ner 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 hälsovård och det värde vi får. Detta är den "största människans och entreprenörsmöjligheten för vår generation", sade han och noterade att hälsosystemet just börjat använda genomik i primärvården.

Han talade om hur det fanns både konsumentapplikationer och hälso- och sjukvårdskonsekvenser på befolkningen och pratade om företagets relation till MITs breda institut.

Fortfarande sa Georgiadis att integriteten var roten till företagets relation med sina kunder, och att individer använder och kontrollerar sina egna uppgifter. Hon sa att företaget aldrig ger information till brottsbekämpning om det inte är tvungen att göra det, och förra året händde det bara tio gånger. Begärningarna var alla relaterade till kreditkortsbedrägeri, inte genetisk information.

Hon sa att kollektiva insikter som kan samlas in mellan posten var viktiga. "Vår kund är aldrig produkten", sa hon, "att anpassning är djupt viktigt."

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

Varje teknik skapar en ny uppsättning frågor, sade Georgiadis. "Som ledare måste vi ta ansvar för att tänka och förutse dessa frågor och sätta höga standarder för hur vi gör affärer."

Jordbruksdata

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

Ford talade om Land O'Lakes-forskningen om prediktiva modeller som fångar upp bondedata 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 biljoner 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 säger att 96 procent av gårdarna fortfarande är familjeägda. Hon diskuterade det "delade ödet" som vi alla delar, och tilllade att teknik är nödvändig eller livsmedelssäkerhet kommer att vara i fara.

Hon sa att en enskild bondes data är tyst, men i kombination med prediktiva modeller inklusive data som samlas in från satelliter och drönare. "Vi kommer att fånga deras data, " sade Ford, "men de äger dem."

Förutsägbara modeller och att göra förändringar "i säsongen" som aldrig varit viktigare än det är i år, sade Ford och noterade de dramatiska väderrelaterade frågor som lantbrukare 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.

Gro Intelligence arbetar med att bygga prediktiva modeller för att förutse utbud, efterfrågan och pris för alla jordbruksprodukter var som helst i världen, sade Menker. Hon sa att livsmedels- och dryckeföretag, banker och handelshandlare behöver denna information, särskilt på grund av förändringarna från extrema väderhändelser. Hon noterade att 10 miljoner tunnland jordbruksmark har övergivits på grund av översvämningar i år, vilket representerar 6, 5 miljarder dollar i förlorade intäkter.

Menker talade om hur systemet är utformat för att äta upp datauppsättningar och reagera på marknadshändelser, och hur detta kommer att göra det möjligt för företag att strukturera finansiella instrument för att bättre hantera risker. Detta, sade hon, kommer så småningom att sänka kostnaderna för kapital för jordbrukare. Hon brukade handla med olja och gas och att det har varit lättare att få kapital för att utveckla energi än att odla.

IBM och Salesforce om data, rättvisa och AI-etik

IBM Research Chief Operation Officer Dario Gil och Salesforce Chief Scientist Richard Socher talade om AI och vikten av att använda det på sätt som är etiska och rättvisa.

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

Gil kallade AI "en olycklig term", eftersom människor hör ordet och tror att det agerar på egen hand. Han sa att vi bara skulle ersätta ordet "programvara" med "AI." Det gör det tydligare var ansvaret ligger. "Ansvarsskyldighet måste vila hos de människor och institutioner som skapar programvaran, " sade han.

På frågan om "deepfakes" sa Socher att människor har förfalskat fotografier under lång tid, och samtidigt har människor blivit bättre på att identifiera falska foton. Han sa att vi måste komma till samma förståelse med video, men det var för närvarande mycket svårt att skapa riktigt övertygande videor. För närvarande, sade Socher, var han mycket mer orolig för att människor skapade falska nyheter, delade dem på sociala medier och AI rekommenderade det.

Gil talade om frågan om partiskhet och pekade på flera lager av problemet. I det första lagret är den kärnliga AI-algoritmen. Utöver detta är det frågan om data. Till exempel noterade han att det finns regler och en aspekt av ansvarsskyldighet vid bedömningen av kredit i bankrörelsen. 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, sa han, men datauppsättningen är det. På en annan nivå talade han om en förspänning på högre nivå, eftersom de flesta människor som arbetar i AI är vita män, en situation som han sade att branschen "försöker förbättra."

En silverfodring, sade Gil, är att om någon nekas kredit och en person fattar beslutet är det enkelt för en person att ge en ursäkt. Men om du tittar på beslut från en algoritm under en tid är det mycket lättare att se vad som verkligen händer. "AI sätter en spegel framför våra ansikten, " sade han och noterade att det är lättare att byta en algoritm än att byta 1 000 personer.

• Fortune Brainstorm Tech: The Changeing Models of E-Commerce Fortune Brainstorm Tech: The Changeing Models of E-Commerce
• Fortune Brainstorm Tech: Bygga 'Internet-datorn' Fortune Brainstorm Tech: Bygga 'Internet-datorn'
• Intels Ice Lake Gets Real: 5 Key Takeaways Intels Ice Lake Gets Real: 5 Key Takeaways

Som en del av detta beskrev han arbetet som IBM gör för att leta efter partiskhet i uppgifterna och för att fatta mer rättvisa beslut. Han noterade att rättvisa involverade många olika mätvärden, och att variabler är korrelerade med 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 kan ta bort ras eller kön från en algoritm men få mycket av samma resultat genom att överväga postnummer och inkomst. Han noterade att det var svårt eftersom Salesforce inte bygger en applikation - istället skapar den mindre applikationer för 150 000 organisationer, var och en med sina egna data. Han noterade att någon form av partiskhet kan vara acceptabel, till exempel att man inte marknadsför bröstpumpar till män. Men i andra fall kan det vara olagligt eller fel. Det finns "ingen silverkula", sa Socher, "Det måste vara ett tankesätt."