从农场到dna，数据正在改变农业和精准医学

数据和分析正在改变几乎每个行业，这已经不是什么秘密了，因此，我很惊讶地看到《财富头脑风暴技术》杂志举办了许多关于该主题的会议。 但是我发现有关农业和基因组数据的新用途的讨论非常有趣，并且有关“控制AI”的讨论也确实涉及数据。

祖先和颜色的基因组信息

祖先首席执行官Margo Georgiadis，Color联合创始人兼首席执行官Othman Laraki讨论了基因组数据如何影响医疗保健市场。

Georgiadis指出，祖先目前已有1亿个家族史的信息，是最大的消费者DNA储存库，已有30多年的历史了，专注于与消费者的互动。 但是她还谈到了与其他公司合作，以通过基因组学获得更好的健康结果

她提醒听众“您的基因不是您的命运”，说这只是一个信号，而且了解家族史也很重要。

Laraki的公司专注于精密医学，他讨论了使用基因组信息来“建立可以在未来看到更多信息的医疗保健基础设施”。 将来，我们“不会将其视为基因组学，而会将其视为卫生保健。” 他指出，我们在医疗保健上的花费与所获得的价值之间存在巨大的脱节。 他说，这是“我们这一代最大的人类和企业家机会”，并指出卫生系统才刚刚开始在基层医疗中使用基因组学。

他谈到了消费者应用程序和人口级医疗保健的意义，并谈到了公司与麻省理工学院广泛研究所的关系。

尽管如此，佐治亚迪斯说，隐私是公司与客户关系的根本，并表示个人使用和控制自己的数据。 她说，除非被迫这样做，否则公司从不向执法部门提供信息，而去年这种情况仅发生了10次。 这些要求均与信用卡欺诈有关，与遗传信息无关。

她说，可以在记录之间收集的集体见解很重要。 她说：“我们的客户永远都不是产品。保持一致非常重要。”

Georgiadis说，收集基因组信息的公司必须清楚其代表什么，并确保客户了解组织将如何使用和共享数据。 她说，先祖，23andMe和Helix建立了一套基因隐私标准，并正在鼓励其他参与者签署。 这包括将人口级别的数据用于医学和健康研究。

乔治亚迪斯说，每种技术都会带来一系列新问题。 “作为领导人，我们需要负责思考和预测这些问题，并为我们开展业务的方式设定高标准。”

农业数据

在另一场会议上，Land O'Lakes的首席执行官Beth Ford和Gro Intelligence的创始人兼首席执行官Sara Menker讨论了数据如何改变农业及其周围的业务。

福特谈到了Land O'Lakes对预测模型的研究，该模型收集了农民关于各种土壤类型种植的作物以及他们的作法的数据，以帮助农民知道他们在生长期可以做出哪些改变。 她说，该公司的Truterra Insights Engine包含一万亿个数据点。 目标是提高弹性，同时提高生产率。

福特指出，Land O'Lakes是农民所有的合作社，因此专注于帮助提高农场的生产力和可持续性。 目标是改善对农民的激励机制，说96％的农场仍然是家庭所有。 她讨论了我们所有人共同的“共同命运”，并补充说技术是必要的，否则粮食安全将受到威胁。

她说，单个农民的数据是孤立的，但与包括从卫星和无人机收集的数据在内的预测模型结合在一起。 福特说：“我们将捕获他们的数据，但他们拥有它。”

福特指出，预测模型和“季节内化”的变化从未像现在这样重要，他指出农民面临着与天气有关的重大问题。 她说，去年普通农民损失了钱，而低商品价格多年来一直是许多农民的问题。

Menker说，Gro Intelligence正在建立预测模型，以预测世界上任何地方的任何农产品的供应，需求和价格。 她说，食品和饮料公司，银行和商品交易商需要此信息，尤其是由于极端天气事件引起的变化。 她指出，今年因洪灾而放弃了1000万英亩农田，造成了65亿美元的收入损失。

Menker谈到了该系统如何设计成可吸收数据集并对市场事件做出反应，以及这将如何使公司构建金融工具以更好地管理风险。 她说，这最终将降低农民的资本成本。 她曾经从事石油和天然气贸易，而且获得资本来发展能源比耕种要容易得多。

IBM和Salesforce的数据，公平性和AI道德规范

IBM Research首席运营官Dario Gil和Salesforce首席科学家Richard Socher谈到了AI及其以合乎道德和公平的方式使用AI的重要性。

Socher说：“每个行业都会受到AI的影响，”但最终，AI只能和我们用来训练它的数据一样好。 他说，因此，该领域需要更多地关注道德。 他指出，就像任何工具一样，计算机，互联网或什至是锤子，人工智能的好坏都可以使用。

Gil称AI为“不幸的术语”，因为人们听到了AI的术语，并认为它是在独立运作。 他说我们应该只用“软件”代替“ AI”。 这使责任更加明确。 他说：“问责制必须由创建软件的人员和机构来承担。”

当被问及“深造假”时，索赫尔说人们伪造了很长时间的照片，与此同时，人们在识别伪造照片方面做得更好。 他说，我们必须对视频有相同的理解，但是目前很难创建真正令人信服的视频。 Socher说，目前，他更加担心人们创建虚假新闻，在社交媒体上分享和AI推荐。

吉尔谈到偏见的问题，指出了问题的多个层面。 在第一层是核心AI算法。 除此之外，还有数据问题。 例如，他指出，在评估银行信贷方面存在法规和责任方面。 但是，如果您仅使用过去20或30年的批准，该模型将给予男性比女性更多的荣誉。 他说，神经网络没有偏见，但数据集却有偏见。 在另一个层次上，他谈到了更高层次的偏见，因为从事AI工作的大多数人都是白人，这种情况他说行业正在“努力改善”。

吉尔说，有一线希望是，如果某人被拒绝信用，而某人做出决定，那么一个人很容易提出借口。 但是，如果您查看一段时间内某个算法的决策，则更容易了解实际情况。 他说：“人工智能在我们的面前摆了一面镜子。”他指出，改变算法要比改变千人容易。

• 财富头脑风暴技术：不断变化的电子商务模式财富头脑风暴技术：不断变化的电子商务模式
• 财富头脑风暴技术：构建“互联网计算机”财富头脑风暴技术：构建“互联网计算机”
• 英特尔的Ice Lake成为现实：5个关键要点英特尔的Ice Lake成为现实：5个关键要点

在此过程中，他描述了IBM在寻找数据偏差并做出更公平决策方面所做的工作。 他指出，公平涉及许多不同的指标，并且变量以隐藏的方式相互关联，因此很难做到。

Socher指出，偏见“似乎并不容易消除”。 他指出，您可以从算法中删除种族或性别，但通过考虑邮政编码和收入，可以获得相同的结果。 他指出，这很困难，因为Salesforce不会构建一个应用程序-而是为150, 000个组织创建较小的应用程序，每个组织都使用自己的数据。 他指出，某种形式的偏见可能是可以接受的，例如不向男性推销吸乳器。 但是在其他情况下，这可能是非法的或错误的。 索歇尔说：“没有银弹，这必须是一种心态。”