De fazendas a DNA, os dados estão transformando a agricultura e a medicina de precisão

Não é segredo que os dados e as análises estão transformando quase todos os setores, por isso não fiquei surpreso ao ver várias sessões na Fortune Brainstorm Tech focadas no tópico. Mas achei a discussão de novos usos para dados agrícolas e genômicos bastante interessante, bem como uma palestra sobre "controle de IA" que também se resumia a dados.

Informações genômicas na ascendência e cor

Margo Georgiadis, CEO da Ancestry, e o cofundador e CEO da Color, Othman Laraki, discutiram como os dados genômicos podem impactar o mercado de serviços de saúde.

Georgiadis observou que o Ancestry, que atualmente possui informações sobre 100 milhões de históricos familiares e o maior repositório de DNA de consumidores, existe há 30 anos e se concentra nas interações dos consumidores. Mas ela também falou sobre parcerias com outras empresas para obter melhores resultados de saúde através da genômica

Ela lembrou à platéia que "seus genes não são o seu destino", dizendo que era apenas um sinal e que era importante olhar também para a história da família.

Laraki, cuja empresa se concentra na medicina de precisão, discutiu o uso de informações genômicas para "construir uma infraestrutura de assistência à saúde que possa ser vista mais adiante". No futuro, "não pensaremos nisso como genômica, pensaremos como assistência médica". Ele observou a enorme desconexão entre o que estamos gastando em assistência médica e o valor que estamos obtendo. Esta é a "maior oportunidade humana e empreendedora de nossa geração", disse ele, observando que o sistema de saúde está começando a começar a usar a genômica na atenção primária.

Ele falou sobre como havia aplicativos para o consumidor e implicações nos cuidados de saúde em nível de população e falou sobre o relacionamento da empresa com o Broad Institute do MIT.

Ainda assim, a Georgiadis disse que a privacidade é a raiz do relacionamento da empresa com seus clientes e disse que os indivíduos usam e controlam seus próprios dados. Ela disse que a empresa nunca fornece informações às autoridades, a menos que seja obrigada a fazê-lo, e no ano passado isso aconteceu apenas 10 vezes. Todos os pedidos estavam relacionados a fraudes com cartão de crédito, não a informações genéticas.

Ela disse que idéias coletivas que podem ser coletadas entre os registros são importantes. "Nosso cliente nunca é o produto", disse ela, "esse alinhamento é profundamente importante".

Georgiadis disse que as empresas que coletam informações genômicas devem ter clareza sobre o que representam e garantir que os clientes entendam como as organizações usarão e compartilharão os dados. Ela disse que Ancestry, 23andMe e Helix haviam estabelecido um conjunto de padrões de privacidade genética e estavam incentivando outros jogadores a assinar. Isso inclui o uso de dados em nível populacional para pesquisas médicas e de saúde.

Toda tecnologia cria um novo conjunto de questões, disse Georgiadis. "Como líderes, precisamos assumir a responsabilidade de pensar e antecipar essas questões e estabelecer altos padrões para a maneira como fazemos negócios".

Dados Agrícolas

Em outra sessão, Beth Ford, CEO da Land O'Lakes, e Sara Menker, fundadora e CEO da Gro Intelligence, discutiram como os dados estão mudando a agricultura e os negócios ao seu redor.

Ford falou sobre a pesquisa da Land O'Lakes em modelos preditivos que capturam dados dos agricultores sobre o que é plantado em vários tipos de solo e quais práticas eles praticam, para ajudar os agricultores a saber quais mudanças podem fazer durante a estação de crescimento. Ela disse que o Truterra Insights Engine da empresa contém um trilhão de pontos de dados. O objetivo é aumentar a resiliência, mas ao mesmo tempo melhorar a produtividade.

A Land O'Lakes é uma cooperativa de propriedade de agricultores, observou Ford, e, portanto, está focada em ajudar a melhorar a produtividade e a sustentabilidade da fazenda. O objetivo era melhorar a estrutura de incentivos para os agricultores, dizendo que 96% das fazendas ainda são de propriedade familiar. Ela discutiu o "destino compartilhado" que todos nós compartilhamos, acrescentando que a tecnologia é necessária ou a segurança alimentar estará em risco.

Ela disse que os dados de um agricultor são isolados, mas combinados com modelos preditivos, incluindo dados coletados de satélites e drones. "Vamos capturar os dados deles", disse Ford, "mas eles são os proprietários".

Modelos preditivos e mudanças "na temporada" nunca foram tão importantes quanto neste ano, disse Ford, observando os dramáticos problemas relacionados ao clima que os agricultores estão enfrentando. Ela disse que o agricultor médio perdeu dinheiro no ano passado e que os baixos preços das commodities são um problema para muitos agricultores há anos.

A Gro Intelligence está trabalhando na construção de modelos preditivos para prever oferta, demanda e preço para qualquer produto agrícola em qualquer lugar do mundo, disse Menker. Ela disse que as empresas de alimentos e bebidas, bancos e comerciantes de commodities precisam dessas informações, principalmente por causa das mudanças decorrentes de eventos climáticos extremos. Ela observou que 10 milhões de acres de terras agrícolas foram abandonados devido a inundações este ano, representando US $ 6, 5 bilhões em receita perdida.

Menker falou sobre como o sistema é projetado para ingerir conjuntos de dados e reagir a eventos do mercado, e como isso permitirá que as empresas estruturem instrumentos financeiros para gerenciar melhor os riscos. Segundo ela, isso reduzirá o custo de capital para os agricultores. Ela costumava negociar petróleo e gás e era mais fácil conseguir capital para desenvolver energia do que cultivar.

IBM e Salesforce em ética de dados, justiça e IA

O diretor de operações de pesquisa da IBM, Dario Gil, e o cientista-chefe da Salesforce, Richard Socher, falaram sobre a IA e a importância de usá-la de maneiras éticas e justas.

"Cada setor será afetado pela IA", disse Socher, mas no final, a IA pode ser tão boa quanto os dados que usamos para treiná-la. Como resultado, ele disse, o campo precisa se concentrar mais na ética. Ele observou que, como qualquer ferramenta - computadores, internet ou até um martelo - a IA pode ser usada para o bem ou para o mal.

Gil chamou a IA de "termo infeliz", porque as pessoas ouvem o termo e pensam que ele está agindo por conta própria. Ele disse que deveríamos substituir a palavra "software" por "IA". Isso deixa mais claro onde está a responsabilidade. "A responsabilidade precisa descansar com as pessoas e as instituições que estão criando o software", disse ele.

Questionado sobre os "deepfakes", Socher disse que as pessoas falsificam fotografias há muito tempo e, ao mesmo tempo, melhoram na identificação de fotos falsas. Ele disse que teremos que entender o mesmo com o vídeo, mas atualmente era muito difícil criar vídeos realmente convincentes. Por enquanto, disse Socher, ele estava muito mais preocupado com as pessoas criando notícias falsas, compartilhando-as nas mídias sociais e recomendando a IA.

Gil falou sobre a questão do viés, apontando para várias camadas do problema. Na primeira camada, está o algoritmo de IA principal. Além disso, há a questão dos dados. Por exemplo, ele observou que existem regulamentos e um aspecto da prestação de contas na avaliação de crédito no setor bancário. Mas se você apenas usar aprovações nos últimos 20 ou 30 anos, o modelo daria mais crédito aos homens do que às mulheres. A rede neural não é tendenciosa, ele disse, mas o conjunto de dados é. Em outro nível, ele falou sobre um viés de alto nível, em que a maioria das pessoas que trabalham em IA são homens brancos, situação que ele disse que o setor está "tentando melhorar".

Um lado positivo, disse Gil, é que, se alguém recebe crédito negado e uma pessoa toma a decisão, é fácil para uma pessoa dar uma desculpa. Mas se você observar as decisões de um algoritmo por um período de tempo, é muito mais fácil ver o que realmente está acontecendo. "A IA coloca um espelho diante de nossos rostos", disse ele, observando que é mais fácil mudar um algoritmo do que trocar mil pessoas.

• Fortune Brainstorm Tech: Os modelos em mudança do E-Commerce Fortune Brainstorm Tech: Os modelos em mudança do E-Commerce
• Fortune Brainstorm Tech: Construindo o 'Internet Computer' Fortune Brainstorm Tech: Construindo o 'Internet Computer'
• O lago de gelo da Intel se torna real: 5 dicas principais O lago de gelo da Intel se torna real: 5 dicas principais

Como parte disso, ele descreveu o trabalho que a IBM está fazendo para procurar viés nos dados e tomar decisões mais justas. Ele observou que a equidade envolvia muitas métricas diferentes e que as variáveis ​​são correlacionadas entre si de maneiras ocultas, e isso dificulta.

Socher observou que o viés "não foi tão fácil de remover quanto parece". Ele observou que você pode remover raça ou sexo de um algoritmo, mas obter o mesmo resultado considerando o CEP e a renda. Ele observou que era difícil porque o Salesforce não cria um aplicativo - em vez disso, cria aplicativos menores para 150.000 organizações, cada uma usando seus próprios dados. Ele observou que alguma forma de viés pode ser aceitável, como não comercializar bombas de mama para homens. Mas em outros casos, pode ser ilegal ou errado. Não há "nenhuma bala de prata", disse Socher, "deve ser uma mentalidade".