Dari pertanian ke peternakan, data mentransformasikan pertanian dan obat presisi

Bukan rahasia lagi bahwa data dan analitik mentransformasikan hampir setiap industri, jadi saya tidak terkejut melihat sejumlah sesi di Fortune Brainstorm Tech fokus pada topik tersebut. Tapi saya menemukan diskusi tentang kegunaan baru untuk data pertanian dan genom cukup menarik, serta pembicaraan tentang "mengendalikan AI" yang benar-benar mengarah ke data juga.

Informasi Genomik di Leluhur dan Warna

CEO Ancestry Margo Georgiadis, dan co-founder Color dan CEO Othman Laraki membahas bagaimana data genom dapat berdampak pada pasar perawatan kesehatan.

Georgiadis mencatat bahwa Ancestry, yang saat ini memiliki informasi tentang 100 juta sejarah keluarga dan gudang DNA konsumen terbesar, telah ada selama 30 tahun dan berfokus pada interaksi konsumen. Tetapi dia juga berbicara tentang bermitra dengan perusahaan lain untuk mencapai hasil kesehatan yang lebih baik melalui genomik

Dia mengingatkan hadirin bahwa "Gen Anda bukan takdir Anda, " mengatakan itu hanya satu sinyal, dan bahwa penting untuk melihat sejarah keluarga juga.

Laraki, yang perusahaannya berfokus pada pengobatan presisi, membahas penggunaan informasi genom untuk "membangun infrastruktur perawatan kesehatan yang dapat melihat lebih jauh di jalan." Di masa depan, kita "tidak akan menganggapnya sebagai genomik, kita akan menganggapnya sebagai perawatan kesehatan." Dia mencatat keterputusan besar antara apa yang kita habiskan untuk perawatan kesehatan dan nilai yang kita dapatkan. Ini adalah "peluang manusia dan wirausaha terbesar dari generasi kita, " katanya, mencatat bahwa sistem kesehatan baru mulai menggunakan genomik dalam perawatan primer.

Dia berbicara tentang bagaimana ada aplikasi konsumen dan implikasi perawatan kesehatan tingkat populasi dan berbicara tentang hubungan perusahaan dengan Broad Institute MIT.

Namun, Georgiadis mengatakan privasi adalah akar dari hubungan perusahaan dengan pelanggannya, dan mengatakan individu menggunakan dan mengontrol data mereka sendiri. Dia mengatakan perusahaan tidak pernah memberikan informasi kepada penegak hukum kecuali dipaksa untuk melakukannya, dan tahun lalu itu terjadi hanya 10 kali. Semua permintaan terkait dengan penipuan kartu kredit, bukan informasi genetik.

Dia mengatakan wawasan kolektif yang dapat dikumpulkan antara catatan itu penting. "Pelanggan kami tidak pernah produk, " katanya, "penyelarasan itu sangat penting."

Georgiadis mengatakan perusahaan yang mengumpulkan informasi genom harus jelas tentang apa yang mereka perjuangkan, dan dalam memastikan pelanggan memahami bagaimana organisasi akan menggunakan dan berbagi data. Dia mengatakan bahwa Ancestry, 23andMe, dan Helix telah menetapkan seperangkat standar privasi genetik dan mendorong pemain lain untuk mendaftar. Ini termasuk menggunakan data tingkat populasi untuk penelitian medis dan kesehatan.

Setiap teknologi menciptakan serangkaian masalah baru, kata Georgiadis. "Sebagai pemimpin, kita perlu bertanggung jawab untuk memikirkan dan mengantisipasi masalah-masalah itu dan menetapkan standar tinggi untuk cara kita melakukan bisnis."

Data Pertanian

Di sesi lain, CEO Land O'Lakes, Beth Ford dan pendiri dan CEO Gro Intelligence, Sara Menker membahas bagaimana data mengubah pertanian dan bisnis di sekitarnya.

Ford berbicara tentang penelitian Land O'Lakes menjadi model prediksi yang menangkap data petani tentang apa yang ditanam di berbagai jenis tanah dan praktik apa yang mereka lakukan, untuk membantu petani mengetahui perubahan apa yang dapat mereka lakukan dalam musim tanam. Dia mengatakan Truterra Insights Engine perusahaan berisi satu triliun titik data. Tujuannya adalah untuk meningkatkan ketahanan tetapi pada saat yang sama meningkatkan produktivitas.

Land O'Lakes adalah koperasi yang dimiliki oleh petani, Ford mencatat, dan karena itu berfokus pada membantu meningkatkan produktivitas pertanian serta keberlanjutan. Tujuannya adalah untuk meningkatkan struktur insentif bagi petani, dengan mengatakan 96 persen pertanian masih milik keluarga. Dia membahas "nasib bersama" yang kita semua bagikan, menambahkan bahwa teknologi diperlukan atau ketahanan pangan akan berisiko.

Dia mengatakan data seorang petani adalah siled, tetapi dikombinasikan dengan model prediksi termasuk data yang dikumpulkan dari satelit dan drone. "Kami akan mengambil data mereka, " kata Ford, "tetapi mereka memilikinya."

Model prediktif dan membuat perubahan "di musim" tidak pernah lebih penting daripada tahun ini, kata Ford, mencatat masalah dramatis terkait cuaca yang dihadapi petani. Dia mengatakan petani rata-rata kehilangan uang tahun lalu, dan bahwa harga komoditas yang rendah telah menjadi masalah bagi banyak petani selama bertahun-tahun.

Gro Intelligence sedang mengerjakan pembuatan model prediksi untuk memperkirakan pasokan, permintaan, dan harga untuk setiap produk pertanian di mana pun di dunia, kata Menker. Dia mengatakan bahwa perusahaan makanan dan minuman, bank, dan pedagang komoditas membutuhkan informasi ini, terutama karena perubahan yang berasal dari peristiwa cuaca ekstrem. Dia mencatat bahwa 10 juta acre lahan pertanian telah ditinggalkan karena banjir tahun ini, mewakili $ 6, 5 miliar dalam pendapatan yang hilang.

Menker berbicara tentang bagaimana sistem dirancang untuk mengambil set data dan bereaksi terhadap peristiwa pasar, dan bagaimana ini akan memungkinkan perusahaan untuk menyusun instrumen keuangan untuk mengelola risiko dengan lebih baik. Ini, katanya, pada akhirnya akan menurunkan biaya modal bagi petani. Dia dulu berdagang minyak dan gas, dan lebih mudah mendapatkan modal untuk mengembangkan energi daripada bertani.

IBM dan Salesforce tentang Data, Keadilan, dan Etika AI

Kepala Operasi IBM Research Dario Gil dan Kepala Ilmuwan Salesforce Richard Socher berbicara tentang AI dan pentingnya menggunakannya dengan cara yang etis dan adil.

"Setiap industri akan terkena dampak AI, " kata Socher, tetapi pada akhirnya, AI hanya bisa sebagus data yang kita gunakan untuk melatihnya. Akibatnya, katanya, lapangan perlu lebih fokus pada etika. Dia mencatat bahwa seperti alat apa pun - komputer, internet, atau bahkan palu - AI dapat digunakan untuk yang baik atau buruk.

Gil menyebut AI "istilah yang tidak menguntungkan, " karena orang-orang mendengar istilah itu dan berpikir itu bertindak sendiri. Dia mengatakan kita harus mengganti kata "perangkat lunak" dengan "AI." Itu membuatnya lebih jelas di mana tanggung jawab berada. "Akuntabilitas perlu dipegang oleh orang-orang dan lembaga yang menciptakan perangkat lunak, " katanya.

Ditanya tentang "deepfake, " kata Socher bahwa orang telah memalsukan foto untuk waktu yang lama, dan pada saat yang sama, orang menjadi lebih baik dalam mengidentifikasi foto palsu. Dia berkata, kita harus mencapai pemahaman yang sama dengan video, tetapi saat ini sangat sulit untuk membuat video yang benar-benar meyakinkan. Untuk saat ini, kata Socher, ia jauh lebih khawatir tentang orang-orang yang membuat berita palsu, membagikannya di media sosial, dan AI merekomendasikannya.

Gil berbicara tentang pertanyaan bias, menunjuk ke beberapa lapisan masalah. Pada lapisan pertama adalah algoritma AI inti. Di luar itu, ada masalah data. Misalnya, ia mencatat bahwa ada peraturan dan aspek akuntabilitas dalam menilai kredit di perbankan. Tetapi jika Anda hanya menggunakan persetujuan selama 20 atau 30 tahun terakhir, model tersebut akan memberikan kredit lebih banyak untuk pria daripada wanita. Neural net tidak bias, katanya, tetapi set datanya. Di tingkat lain, ia berbicara tentang bias tingkat yang lebih tinggi, bahwa sebagian besar orang yang bekerja di AI adalah orang kulit putih, situasi yang katanya industri sedang "berusaha untuk meningkatkan."

Satu garis perak, kata Gil, adalah bahwa jika seseorang ditolak kredit dan seseorang membuat keputusan, mudah bagi satu orang untuk memberikan alasan. Tetapi jika Anda melihat keputusan dari suatu algoritma selama periode waktu tertentu, akan lebih mudah untuk melihat apa yang sebenarnya terjadi. "AI menempatkan cermin di depan wajah kita, " katanya, mencatat bahwa lebih mudah untuk mengubah suatu algoritma daripada mengubah 1.000 orang.

• Fortune Brainstorm Tech: Model-model yang Berubah dari E-Commerce Fortune Brainstorm Tech: Model-model yang Berubah dari E-Commerce
• Fortune Brainstorm Tech: Membangun 'Internet Computer' Fortune Brainstorm Tech: Membangun 'Internet Computer'
• Danau Es Intel Mendapat Real: 5 Kunci Pengambilan Danau Es Intel Mendapat Real: 5 Pengambilan Kunci

Sebagai bagian dari ini, ia menggambarkan pekerjaan yang dilakukan IBM untuk mencari bias dalam data, dan untuk membuat keputusan yang lebih adil. Dia mencatat bahwa keadilan melibatkan banyak metrik yang berbeda, dan bahwa variabel saling berkorelasi dalam cara tersembunyi, dan itu membuatnya sulit.

Socher mencatat bahwa bias "tidak semudah dihilangkan seperti kelihatannya." Dia mencatat bahwa Anda dapat menghapus ras atau jenis kelamin dari suatu algoritma tetapi mendapatkan banyak hasil yang sama dengan mempertimbangkan kode pos dan penghasilan. Dia mencatat itu sulit karena Salesforce tidak membangun satu aplikasi - malah menciptakan aplikasi yang lebih kecil untuk 150.000 org, masing-masing menggunakan datanya sendiri. Dia mencatat bahwa beberapa bentuk bias mungkin dapat diterima, seperti tidak memasarkan pompa payudara kepada pria. Tetapi dalam kasus lain, itu mungkin ilegal atau salah. "Tidak ada peluru perak, " kata Socher, "itu harus menjadi pola pikir."