Podatki od kmetij do dna spreminjajo kmetijstvo in natančnost

Ni skrivnost, da se podatki in analitika preoblikujejo v vsaki panogi, zato nisem bil presenečen, ko sem se na Fortune Brainstorm Tech osredotočil na to temo. Razprava o novih uporabah kmetijskih in genskih podatkov se mi je zdela zelo zanimiva, pa tudi pogovor o "nadzoru nad AI", ki je resnično prišel tudi do podatkov.

Genomske informacije pri rodovništvu in barvi

Predsednik uprave Margo Georgiadis in soustanovitelj podjetja Color in Othman Laraki sta govorila o vplivu genskih podatkov na trg zdravstvenih storitev.

Georgiadis je opozoril, da je dediščina, ki trenutno vsebuje podatke o 100 milijonov družinskih zgodovin in največjem skladišču potrošniške DNK, že 30 let in osredotočena na interakcije potrošnikov. Govorila pa je tudi o partnerstvu z drugimi podjetji, da bi s pomočjo genomike dosegli boljše zdravstvene rezultate

Občinstvo je spomnila, da "tvoji geni niso tvoja usoda", dejala je, da je to samo en signal in da je treba pogledati tudi družinsko zgodovino.

Laraki, čigar podjetje se osredotoča na natančnost medicine, je razpravljal o uporabi genomskih informacij, da bi "zgradil zdravstveno infrastrukturo, ki bi jo lahko videli naprej". V prihodnosti si tega ne bomo predstavljali kot genomiko, o njej bomo razmišljali kot o zdravstveni negi. Opozoril je na veliko povezavo med tem, kar porabimo za zdravstveno varstvo, in vrednostjo, ki jo dobimo. To je "največja človeška in podjetniška priložnost naše generacije, " je dejal in poudaril, da zdravstveni sistem šele začenja uporabljati genomiko v primarni zdravstveni negi.

Govoril je o vplivu na potrošnike in na zdravstveno varstvo na ravni prebivalstva ter govoril o povezanosti podjetja s širokim inštitutom MIT.

Kljub temu pa je Georgiadis dejal, da je zasebnost temelj korekcijskega odnosa družbe s strankami in da posamezniki uporabljajo in nadzorujejo svoje lastne podatke. Povedala je, da podjetje nikoli ne daje informacij organom pregona, razen če je k temu prisiljen, lani pa se je to zgodilo le 10-krat. Vse zahteve so bile povezane z goljufijo s kreditnimi karticami in ne genetskimi informacijami.

Povedala je, da so pomembna kolektivna spoznanja, ki jih je mogoče zapisati med zapise. "Naša stranka nikoli ni izdelek, " je dejala, "da je usklajevanje zelo pomembno."

Georgiadis je dejal, da morajo podjetja, ki zbirajo genomske podatke, jasno povedati, za kaj stojijo, in zagotoviti, da bodo kupci razumeli, kako bodo organizacije uporabljale in delile podatke. Povedala je, da so Ancestry, 23andMe in Helix vzpostavili niz genetskih standardov zasebnosti in spodbujali druge igralce k prijavi. To vključuje uporabo podatkov na ravni prebivalstva za medicinske in zdravstvene raziskave.

Vsaka tehnologija ustvarja nov sklop vprašanj, je dejal Georgiadis. "Kot voditelji moramo prevzeti odgovornost za razmišljanje in predvidevanje teh vprašanj in postavljanje visokih standardov za način poslovanja."

Kmetijski podatki

Na drugem zasedanju sta direktorica Land O'Lakes Beth Ford in direktorica Gro Intelligence in izvršna direktorica Sara Menker razpravljala o tem, kako podatki spreminjajo kmetijstvo in podjetja okrog njega.

Ford je spregovoril o raziskavah Land O'Lakes o predvidevalnih modelih, ki zajemajo podatke kmetov o tem, kaj je posajeno v različnih vrstah tal in kakšne prakse izvajajo, da bi kmetom pomagal vedeti, kaj lahko v rastni sezoni lahko spremenijo. Povedala je, da podjetje Truterra Insights Engine vsebuje trilijon podatkovnih točk. Cilj je povečati odpornost, a hkrati izboljšati storilnost.

Ford O'Lakes je zadruga v lasti kmetov, je poudaril Ford, zato je osredotočen na pomoč pri izboljšanju produktivnosti kmetij in trajnosti. Cilj je bil izboljšati strukturo spodbud za kmete, saj je 96 odstotkov kmetij še vedno v družinski lasti. Razpravljala je o "skupni usodi", ki jo delijo vsi, in dodala, da je tehnologija potrebna ali pa bo varnost hrane ogrožena.

Povedala je, da se podatki posameznega kmeta odstranijo, vendar v kombinaciji s prediktivnimi modeli, vključno s podatki, zbranimi s satelitov in brezpilotnih letal. "Zajeli bomo njihove podatke, " je dejal Ford, "vendar jih imajo v lasti."

Napovedovanje modelov in spreminjanje sprememb v sezoni, kot še nikoli ni bilo pomembnejše, kot je to leto, je dejal Ford, pri čemer je opozoril na dramatična vprašanja, povezana z vremenom, s katerimi se kmetje srečujejo. Povedala je, da je povprečni kmet izgubil denar že lani in da so nizke cene surovin že leta problem mnogih kmetov.

Gro Intelligence si prizadeva za oblikovanje napovednih modelov za napovedovanje ponudbe, povpraševanja in cen za kateri koli kmetijski proizvod kjerkoli na svetu, je dejal Menker. Povedala je, da podjetja za prehrano in pijače, banke in trgovci z blagom potrebujejo te podatke, zlasti zaradi sprememb, ki so posledica ekstremnih vremenskih dogodkov. Opozorila je, da je bilo letos zaradi poplav opuščenih 10 milijonov hektarjev kmetijskih zemljišč, kar predstavlja 6, 5 ​​milijarde dolarjev izgubljenih prihodkov.

Menker je govoril o tem, kako je sistem zasnovan za zaužitje podatkovnih oddaj in odzivanje na tržne dogodke ter kako bo to podjetjem omogočilo strukturiranje finančnih instrumentov za boljše obvladovanje tveganj. To bo, kot je dejala, sčasoma znižalo stroške kapitala za kmete. Tržila je z nafto in plinom, zato je bilo lažje pridobiti kapital za razvoj energije kot za kmetijstvo.

IBM in Salesforce na področju podatkov, poštenosti in AI etike

Vodja operativnega direktorja IBM Research Dario Gil in glavni znanstvenik Salesforce Richard Socher sta govorila o AI in pomembnosti njegove uporabe na etične in pravične načine.

"AI bo vplival na vsako panogo, " je dejal Socher, a na koncu je AI lahko tako dober kot podatki, ki jih uporabljamo za njegovo usposabljanje. Zato se mora področje bolj osredotočiti na etiko. Opozoril je, da se lahko kakršno koli orodje - računalniki, internet ali celo kladivo - uporabi dobro ali slabo.

Gil je AI imenoval "nesrečni izraz", ker ljudje slišijo izraz in mislijo, da deluje sam. Rekel je, da bi morali besedo "programska oprema" preprosto nadomestiti z "AI." Tako je bolj jasno, kje je odgovornost. "Odgovornost mora biti v skladu z ljudmi in institucijami, ki ustvarjajo programsko opremo, " je dejal.

Na vprašanje o "deepfakes" je Socher dejal, da ljudje že dolgo lažirajo fotografije, hkrati pa so ljudje bolje prepoznali ponarejene fotografije. Povedal je, da bomo morali z videoposnetki doseči enako razumevanje, toda trenutno je bilo zelo težko ustvariti res prepričljive videoposnetke. Za zdaj, je dejal Socher, ga veliko bolj skrbijo ljudje, ki ustvarjajo lažne novice, jih delijo na družbenih medijih in AI priporočajo.

Gil je spregovoril o vprašanju pristranskosti in opozoril na več plasti problema. Na prvi plasti je jedrni algoritem AI. Poleg tega je vprašanje podatkov. Na primer, opozoril je, da obstajajo predpisi in vidik odgovornosti pri ocenjevanju kreditov v bančništvu. Če pa samo uporabljate odobritve v zadnjih 20 ali 30 letih, bi model dal več zaslug moškim kot ženskam. Nevronska mreža ni pristranska, je dejal, toda nabor podatkov je. Na drugi ravni je govoril o pristranskosti na višji ravni, saj je večina ljudi, ki delajo v AI, belci, položaj, za katerega je dejal, da se industrija "trudi izboljšati".

Ena srebrna podloga, je dejal Gil, je, da če nekomu ni dovoljeno posojilo in se oseba odloči, lahko eno osebo opraviči. Če pa skozi določen čas gledate odločitve iz algoritma, je veliko lažje videti, kaj se v resnici dogaja. "AI nam postavi ogledalo pred naše obraze, " je dejal in ugotovil, da je lažje spremeniti algoritem kot spremeniti 1.000 ljudi.

• Fortune Brainstorm Tech: spreminjajoči se modeli e-trgovine Fortune Brainstorm Tech: spreminjajoči se modeli e-trgovine
• Fortune Brainstorm Tech: Izdelava "internetnega računalnika" Fortune Brainstorm Tech: Gradnja "internetnega računalnika"
• Intelov Ice Lake je dobil resnično: 5 ključnih zapletov Intelov Ice Lake dobi resnično: 5 ključnih odvzemov

Kot del tega je opisal delo, ki ga IBM izvaja pri iskanju pristranskosti podatkov in sprejemanju pravičnejših odločitev. Opozoril je, da poštenost vključuje veliko različnih meritev in da so spremenljivke medsebojno povezane na skrit način, kar otežuje.

Socher je opozoril, da pristranskosti "ni tako enostavno odstraniti, kot se zdi". Opozoril je, da lahko iz algoritma odstranite raso ali spol, vendar dobite skoraj enak rezultat z upoštevanjem poštne številke in dohodka. Omenil je, da je težko, ker Salesforce ne gradi ene aplikacije - namesto tega ustvarja manjše aplikacije za 150.000 orgov, pri čemer vsaka uporablja svoje podatke. Opozoril je, da je neka oblika pristranskosti morda sprejemljiva, na primer trženje črpalk na moške. V drugih primerih pa je lahko nezakonito ali napačno. "Ni srebrne krogle, " je rekel Socher, "to mora biti miselnost."