Từ trang trại đến DNA, dữ liệu đang chuyển đổi nông nghiệp và y học chính xác

Không có gì bí mật rằng dữ liệu và phân tích đang chuyển đổi theo từng ngành, vì vậy tôi không ngạc nhiên khi thấy một số phiên tại Fortune Brainstorm Tech tập trung vào chủ đề này. Nhưng tôi thấy cuộc thảo luận về việc sử dụng mới cho dữ liệu nông nghiệp và bộ gen khá thú vị, cũng như một cuộc nói chuyện về "kiểm soát AI" cũng thực sự đi vào dữ liệu.

Thông tin bộ gen ở tổ tiên và màu sắc

Giám đốc điều hành của tổ tiên Margo Georgiadis, và đồng sáng lập và Giám đốc điều hành của Color, Othman Laraki đã thảo luận về cách dữ liệu gen có thể tác động đến thị trường chăm sóc sức khỏe.

Georgiadis lưu ý rằng Tổ tiên, hiện có thông tin về 100 triệu lịch sử gia đình và kho lưu trữ DNA tiêu dùng lớn nhất, đã tồn tại được 30 năm và tập trung vào các tương tác của người tiêu dùng. Nhưng cô cũng nói về việc hợp tác với các công ty khác để đạt được kết quả tốt hơn về sức khỏe thông qua bộ gen

Cô nhắc nhở khán giả rằng "gen của bạn không phải là định mệnh của bạn", nói rằng đó chỉ là một tín hiệu và điều quan trọng là phải nhìn vào lịch sử gia đình.

Laraki, công ty tập trung vào y học chính xác, đã thảo luận về việc sử dụng thông tin bộ gen để "xây dựng cơ sở hạ tầng chăm sóc sức khỏe có thể nhìn xa hơn." Trong tương lai, chúng tôi "sẽ không nghĩ đó là genomics, chúng tôi sẽ nghĩ đó là chăm sóc sức khỏe." Ông lưu ý sự mất kết nối lớn giữa những gì chúng ta đang chi cho chăm sóc sức khỏe và giá trị chúng ta nhận được. Đây là "cơ hội kinh doanh và con người lớn nhất của thế hệ chúng tôi", ông nói, lưu ý rằng hệ thống y tế mới bắt đầu sử dụng bộ gen trong chăm sóc chính.

Ông đã nói về việc có cả ứng dụng tiêu dùng và ý nghĩa chăm sóc sức khỏe ở cấp độ dân số và nói về mối quan hệ của công ty với Viện Broad của MIT.

Tuy nhiên, Georgiadis cho biết quyền riêng tư là gốc rễ của mối quan hệ của công ty với khách hàng và cho biết các cá nhân sử dụng và kiểm soát dữ liệu của chính họ. Cô cho biết công ty không bao giờ cung cấp thông tin cho cơ quan thực thi pháp luật trừ khi họ buộc phải làm như vậy và năm ngoái chỉ xảy ra 10 lần. Các yêu cầu đều liên quan đến gian lận thẻ tín dụng, không phải thông tin di truyền.

Cô cho biết những hiểu biết tập thể có thể lượm lặt được giữa các hồ sơ là rất quan trọng. "Khách hàng của chúng tôi không bao giờ là sản phẩm", cô nói, "sự liên kết đó là vô cùng quan trọng."

Georgiadis cho biết các công ty thu thập thông tin bộ gen phải rõ ràng về những gì họ đại diện và để đảm bảo khách hàng hiểu cách các tổ chức sẽ sử dụng và chia sẻ dữ liệu. Cô nói rằng Tổ tiên, 23andMe và Helix đã thiết lập một bộ tiêu chuẩn bảo mật di truyền và đang khuyến khích những người chơi khác đăng nhập. Điều này bao gồm sử dụng dữ liệu cấp độ dân số cho nghiên cứu y tế và sức khỏe.

Mỗi công nghệ tạo ra một loạt các vấn đề mới, Georgiadis nói. "Là người lãnh đạo, chúng tôi cần có trách nhiệm suy nghĩ và lường trước những vấn đề đó và đặt ra các tiêu chuẩn cao cho cách thức kinh doanh của chúng tôi."

Dữ liệu nông nghiệp

Trong một phiên khác, Giám đốc điều hành của Land O'Lakes Beth Ford và Giám đốc điều hành và Giám đốc điều hành Gro Intelligence Sara Menker đã thảo luận về cách dữ liệu thay đổi nông nghiệp và các doanh nghiệp xung quanh nó.

Ford đã nói về nghiên cứu của Land O'Lakes về các mô hình dự đoán thu thập dữ liệu của nông dân về những gì được trồng trong các loại đất khác nhau và những gì họ làm, để giúp nông dân biết những thay đổi họ có thể làm trong mùa trồng trọt. Cô cho biết Truterra Insights Engine của công ty chứa một nghìn tỷ điểm dữ liệu. Mục tiêu là tăng khả năng phục hồi nhưng đồng thời cải thiện năng suất.

Land O'Lakes là một hợp tác xã thuộc sở hữu của nông dân, Ford lưu ý, và do đó tập trung vào việc giúp cải thiện năng suất trang trại cũng như tính bền vững. Mục tiêu là cải thiện cơ cấu khuyến khích cho nông dân, cho biết 96% trang trại vẫn thuộc sở hữu gia đình. Cô ấy đã thảo luận về "định mệnh chung" mà tất cả chúng ta chia sẻ, thêm rằng công nghệ là cần thiết hoặc an ninh lương thực sẽ gặp rủi ro.

Cô cho biết dữ liệu của một cá nhân nông dân là im lặng, nhưng kết hợp với các mô hình dự đoán bao gồm dữ liệu được thu thập từ vệ tinh và máy bay không người lái. "Chúng tôi sẽ nắm bắt dữ liệu của họ, " Ford nói, "nhưng họ sở hữu nó."

Các mô hình dự đoán và thực hiện các thay đổi "trong mùa" chưa bao giờ quan trọng hơn so với năm nay, Ford cho biết, lưu ý các vấn đề nghiêm trọng liên quan đến thời tiết mà nông dân đang phải đối mặt. Bà nói rằng nông dân trung bình đã mất tiền vào năm ngoái và giá hàng hóa thấp đã là một vấn đề đối với nhiều nông dân trong nhiều năm.

Gro Intelligence đang nghiên cứu xây dựng các mô hình dự đoán để dự báo cung, cầu và giá cho bất kỳ sản phẩm nông nghiệp nào ở bất cứ đâu trên thế giới, Menker nói. Bà nói rằng các công ty thực phẩm và đồ uống, ngân hàng và thương nhân hàng hóa cần thông tin này, đặc biệt là vì những thay đổi đến từ các sự kiện thời tiết khắc nghiệt. Bà lưu ý rằng 10 triệu mẫu đất nông nghiệp đã bị bỏ hoang do lũ lụt trong năm nay, chiếm 6, 5 tỷ đô la doanh thu bị mất.

Menker đã nói về cách hệ thống được thiết kế để ăn các bộ dữ liệu và phản ứng với các sự kiện thị trường và cách thức này sẽ cho phép các công ty cấu trúc các công cụ tài chính để quản lý rủi ro tốt hơn. Điều này, cô nói, cuối cùng sẽ giảm chi phí vốn cho nông dân. Cô đã từng kinh doanh dầu khí và việc kiếm vốn để phát triển năng lượng dễ dàng hơn so với làm nông nghiệp.

IBM và Salesforce về Dữ liệu, Công bằng và Đạo đức AI

Giám đốc điều hành IBM Research Dario Gil và Giám đốc khoa học bán hàng Richard Socher đã nói về AI và tầm quan trọng của việc sử dụng nó theo những cách có đạo đức và công bằng.

"Mỗi ngành công nghiệp sẽ bị ảnh hưởng bởi AI, " Socher nói, nhưng cuối cùng, AI chỉ có thể tốt như dữ liệu chúng ta sử dụng để đào tạo nó. Do đó, ông nói, lĩnh vực này cần tập trung nhiều hơn vào đạo đức. Ông lưu ý rằng giống như bất kỳ công cụ máy tính nào của mạng, Internet, hoặc thậm chí là búa AI AI đều có thể được sử dụng cho mục đích tốt hay xấu.

Gil gọi AI là "một thuật ngữ không may", bởi vì mọi người nghe thấy thuật ngữ này và nghĩ rằng nó tự hành động. Ông nói rằng chúng ta chỉ nên thay thế từ "phần mềm" cho "AI". Điều đó làm cho nó rõ ràng hơn trách nhiệm nằm ở đâu. "Trách nhiệm cần phải nghỉ ngơi với người dân và các tổ chức đang tạo ra phần mềm, " ông nói.

Khi được hỏi về "deepfakes", Socher nói rằng mọi người đã giả mạo các bức ảnh trong một thời gian dài, và đồng thời, mọi người đã nhận thức rõ hơn về việc xác định ảnh giả. Ông nói, chúng ta sẽ phải hiểu cùng một video, nhưng hiện tại rất khó để tạo ra những video thực sự thuyết phục. Hiện tại, Socher cho biết, anh lo lắng hơn nhiều về việc mọi người tạo ra tin tức giả mạo, chia sẻ nó trên phương tiện truyền thông xã hội và AI giới thiệu nó.

Gil nói về câu hỏi thiên vị, chỉ ra nhiều lớp của vấn đề. Ở lớp đầu tiên là thuật toán AI cốt lõi. Ngoài ra, còn có vấn đề về dữ liệu. Ví dụ, ông lưu ý rằng có các quy định và khía cạnh trách nhiệm trong việc đánh giá tín dụng trong ngân hàng. Nhưng nếu bạn chỉ sử dụng các phê duyệt trong 20 hoặc 30 năm qua, mô hình sẽ cung cấp tín dụng nhiều hơn cho nam giới so với phụ nữ. Mạng lưới thần kinh không thiên vị, ông nói, nhưng bộ dữ liệu là. Ở một cấp độ khác, ông đã nói về một thiên vị cấp cao hơn, trong đó hầu hết những người làm việc trong AI là những người đàn ông da trắng, một tình huống mà ông nói rằng ngành công nghiệp đang "cố gắng cải thiện".

Gil nói, một bạc lót là nếu ai đó bị từ chối tín dụng và một người đưa ra quyết định, thật dễ dàng để một người đưa ra lời bào chữa. Nhưng nếu bạn xem xét các quyết định từ một thuật toán trong một khoảng thời gian, sẽ dễ dàng hơn nhiều để xem điều gì đang thực sự xảy ra. "AI đặt một tấm gương trước mặt chúng ta, " anh nói, lưu ý rằng việc thay đổi thuật toán sẽ dễ dàng hơn thay đổi 1.000 người.

• Fortune Brainstorm Tech: Các mô hình thay đổi của thương mại điện tử Fortune Brainstorm Tech: Các mô hình thay đổi của thương mại điện tử
• Fortune Brainstorm Tech: Xây dựng 'Máy tính Internet' Fortune Brainstorm Tech: Xây dựng 'Máy tính Internet'
• Hồ băng của Intel được Real: 5 Takeaways chính Ice Lake của Intel được Real: 5 Takeaways chính

Là một phần của việc này, ông mô tả công việc IBM đang làm để tìm kiếm sự thiên vị trong dữ liệu và đưa ra quyết định công bằng hơn. Ông lưu ý rằng sự công bằng liên quan đến nhiều số liệu khác nhau và các biến đó có mối tương quan với nhau theo những cách ẩn và điều đó gây khó khăn.

Socher lưu ý rằng sự thiên vị là "không dễ dàng để loại bỏ như nó có vẻ." Ông lưu ý rằng bạn có thể loại bỏ chủng tộc hoặc giới tính khỏi một thuật toán nhưng nhận được nhiều kết quả tương tự bằng cách xem xét mã zip và thu nhập. Anh ấy lưu ý rằng thật khó vì Salesforce không xây dựng một ứng dụng, thay vào đó, nó tạo ra các ứng dụng nhỏ hơn cho 150.000 org, mỗi ứng dụng sử dụng dữ liệu riêng của mình. Ông lưu ý rằng một số hình thức thiên vị có thể được chấp nhận, chẳng hạn như không tiếp thị máy bơm vú cho nam giới. Nhưng trong các trường hợp khác, nó có thể là bất hợp pháp hoặc sai. "Không có viên đạn bạc", Socher nói, "Nó phải là một suy nghĩ."