농장에서 DNA에 이르기까지 데이터는 농업과 정밀 의학을 변화시키고 있습니다.

데이터와 분석이 거의 모든 산업에서 변화하고 있다는 사실은 비밀이 아닙니다. 따라서 Fortune Brainstorm Tech에서이 주제에 초점을 둔 여러 세션을 보게 된 것에 놀라지 않았습니다. 그러나 농업 및 게놈 데이터에 대한 새로운 용도에 대한 논의는 매우 흥미 로웠으며, 실제로 데이터로 귀결되는 "AI 제어"에 대한 이야기도 발견되었습니다.

조상과 색상의 게놈 정보

조상 CEO Margo Georgiadis와 Color 공동 창립자이자 CEO Othman Laraki는 게놈 데이터가 건강 관리 시장에 어떤 영향을 미칠 수 있는지에 대해 논의했습니다.

Georgiadis는 현재 1 억 개의 가족 이력과 가장 큰 소비자 DNA 저장소에 관한 정보를 가지고있는 Ancestry는 30 년 동안 소비자의 상호 작용에 초점을 맞추고 있다고 언급했다. 그러나 그녀는 또한 유전체학을 통해 더 나은 건강 성과를 달성하기 위해 다른 회사와 파트너 관계에 대해 이야기했습니다.

그녀는 청중들에게 "당신의 유전자는 당신의 운명이 아니라"고 한 신호일 뿐이며 가족 역사도 보는 것이 중요하다고 상기시켰다.

정밀 의학에 중점을 둔 Laraki는 게놈 정보를 사용하여 "길을 더 멀리 볼 수있는 의료 인프라 구축"에 대해 논의했습니다. 미래에, 우리는 그것을 게놈으로 생각하지 않을 것이며, 그것을 건강 관리로 생각할 것입니다.” 그는 우리가 건강 관리에 지출하는 것과 우리가 얻는 가치 사이에 큰 차이가 있음을 지적했습니다. 그는 이것이 "우리 세대의 가장 큰 인간과 기업가 적 기회"라고 건강 시스템이 1 차 진료에서 유전체학을 사용하기 시작했다고 지적했다.

그는 소비자 응용 프로그램과 인구 수준의 건강 관리에 미치는 영향에 대해 이야기하고 회사와 MIT의 Broad Institute와의 관계에 대해 이야기했습니다.

그러나 Georgiadis는 개인 정보 보호는 회사와 고객과의 관계의 근간이며 개인은 자신의 데이터를 사용하고 제어한다고 말했습니다. 그녀는 회사가 강제로, 그리고 작년에 단 10 번만 발생한 경우가 아니면 법 집행 기관에 정보를 제공하지 않는다고 말했다. 요청은 모두 유전 정보가 아니라 신용 카드 사기와 관련이있었습니다.

그녀는 기록간에 수집 할 수있는 집단 통찰력이 중요하다고 말했다. 그녀는 "우리 고객은 결코 제품이 아니다"며 "정렬이 매우 중요하다"고 말했다.

조지아 디스는 게놈 정보를 수집하는 회사는 자신이 무엇을 의미하는지 명확하게 파악하고 고객이 조직이 데이터를 사용하고 공유하는 방법을 이해하도록해야한다고 말했다. 그녀는 Ancestry, 23andMe 및 Helix가 일련의 유전자 프라이버시 표준을 설정했으며 다른 플레이어가 사인하도록 권장하고 있다고 말했다. 여기에는 의료 및 건강 연구에 인구 수준 데이터를 사용하는 것이 포함됩니다.

조지아 디스는 모든 기술이 새로운 문제를 만들어 낸다고 말했다. "리더로서 우리는 이러한 문제를 생각하고 예상하며 비즈니스 수행 방식에 대한 높은 표준을 설정해야합니다."

농업 데이터

또 다른 세션에서 Land O'Lakes CEO Beth Ford와 Gro Intelligence 설립자이자 CEO 인 Sara Menker는 데이터가 농업과 그 주변의 비즈니스를 어떻게 변화시키고 있는지에 대해 논의했습니다.

포드는 Land O'Lakes가 다양한 토양 유형에 심어진 것 및 수행 방식에 대한 농부 데이터를 수집하는 예측 모델에 대한 연구에 대해 이야기했습니다. 그녀는 회사의 Truterra Insights Engine에 1 조 개의 데이터 포인트가 포함되어 있다고 말했다. 복원력을 높이는 동시에 생산성을 향상시키는 것이 목표입니다.

Land O'Lakes는 농민이 소유 한 협동 조합이므로 농장 생산성과 지속 가능성을 개선하는 데 중점을두고 있습니다. 목표는 농민의 인센티브 구조를 개선하는 것이 었으며, 농장의 96 %가 여전히 가족 소유라고합니다. 그녀는 우리 모두가 공유하는 "공유 운명"에 대해 이야기하면서 기술이 필요하거나 식량 안보가 위험에 처할 것이라고 덧붙였다.

그녀는 개별 농부의 데이터가 사일로 화되었지만 위성과 드론에서 수집 된 데이터를 포함한 예측 모델과 결합되었다고 말했다. 포드는“우리는 데이터를 수집 할 것입니다.

포드는 이번 시즌보다 예측할 수없는 예측 모델과 "시즌"변화가 올해 그 어느 때보 다 중요해 졌다고 말했다. 그녀는 작년에 평균 농민이 돈을 잃어 버렸다고 말했다. 그리고 낮은 상품 가격은 수년간 많은 농민들에게 문제가되어왔다.

그로 인텔리전스 (Gro Intelligence)는 전세계 어느 곳에서나 농산물의 공급, 수요 및 가격을 예측하기 위해 예측 모델을 구축하고 있다고 Menker 씨는 말했다. 그녀는 식음료 회사, 은행 및 상품 거래자들이 특히 기상 이변으로 인한 변화 때문에이 정보가 필요하다고 말했다. 그녀는 올해 홍수로 인해 천만 에이커의 농지가 버려져 65 억 달러의 매출 손실을 기록했다고 언급했다.

Menker는 시스템이 데이터 세트를 수집하고 시장 이벤트에 대응하도록 설계된 방식과이를 통해 금융 상품을 구조화하여 리스크를보다 잘 관리 할 수있는 방법에 대해 이야기했습니다. 그녀는 이것이 결국 농부들의 자본 비용을 낮출 것이라고 말했다. 그녀는 석유와 가스를 거래했으며, 농장보다 에너지를 개발하기 위해 자본을 확보하는 것이 더 쉬웠습니다.

데이터, 공정성 및 AI 윤리에 관한 IBM 및 Salesforce

IBM 리서치 최고 운영 책임자 Dario Gil과 Salesforce 최고 과학자 Richard Socher는 AI와 윤리적이고 공정한 방식으로 AI를 사용하는 것의 중요성에 대해 이야기했습니다.

소처는“모든 단일 산업은 AI의 영향을받을 것이다. 그러나 결국 AI는 우리가 훈련하는데 사용하는 데이터만큼만 좋을 수있다. 결과적으로이 분야는 윤리에 더 초점을 맞출 필요가 있다고 그는 말했다. 그는 컴퓨터, 인터넷 또는 망치와 같은 다른 도구와 마찬가지로 AI를 좋거나 나쁘게 사용할 수 있다고 언급했습니다.

길은 인공 지능을“불행한 용어”라고 불렀습니다. 사람들은 그 용어를 듣고 스스로 행동한다고 ​​생각하기 때문입니다. 그는 "소프트웨어"라는 단어를 "AI"로 대체해야한다고 말했다. 책임이 어디에 있는지 더 명확하게합니다. "책임감은 소프트웨어를 만드는 사람과 기관에 달려 있어야합니다."

소처는 "딥 페이크"에 대해 질문하면서 사람들이 오랫동안 사진을 위조했으며 동시에 가짜 사진을 식별하는 데 더 능숙하다고 말했다. 그는 비디오에 대해서도 같은 이해를해야 할 것이지만, 현재 설득력있는 비디오를 제작하는 것은 매우 어려웠습니다. 소허는 현재 가짜 뉴스를 만들어 소셜 미디어에 공유하고 AI를 추천하는 사람들에 대해 훨씬 걱정하고 있다고 말했다.

길은 문제의 여러 계층을 지적하면서 편견 문제에 대해 이야기했습니다. 첫 번째 계층에는 핵심 AI 알고리즘이 있습니다. 그 외에도 데이터 문제가 있습니다. 예를 들어, 그는 은행의 신용 평가에 규제와 책임의 측면이 있다고 언급했다. 그러나 지난 20 년 또는 30 년 동안 승인을 사용하면 모델보다 여성에게 더 많은 신용이 ​​부여됩니다. 신경망은 편향되어 있지 않지만 데이터 세트는 편향되어있다. 다른 수준에서, 그는 AI에서 일하는 대부분의 사람들이 백인이라는 점에서 더 높은 수준의 편견에 대해 이야기했습니다. 그는 업계가 "개선을 시도하고있다"고 말했습니다.

길의 말에 따르면 누군가가 신용을 거부하고 결정을 내린다면 한 사람이 변명하기 쉽다고 Gil은 말했다. 그러나 일정 기간 동안 알고리즘의 결정을 살펴보면 실제로 무슨 일이 일어나고 있는지 훨씬 쉽게 알 수 있습니다. "AI는 얼굴 앞에 거울을 놓았다"고 천명을 바꾸는 것보다 알고리즘을 바꾸는 것이 더 쉽다고 지적했다.

• 포춘 브레인 스토밍 기술: 전자 상거래의 변화하는 모델 포춘 브레인 스토밍 기술: 전자 상거래의 변화하는 모델
• 포춘 브레인 스토밍 기술: '인터넷 컴퓨터'구축 포춘 브레인 스토밍 기술: '인터넷 컴퓨터'구축
• 인텔의 아이스 레이크가 실현되다: 5 가지 핵심 요소 인텔의 아이스 레이크가 실현되다: 5 가지 핵심 요소

이 과정에서 IBM은 데이터의 편견을 찾고보다 공정한 결정을 내리기 위해 IBM이 수행하는 작업에 대해 설명했습니다. 그는 공정성이 여러 가지 다른 측정 기준을 포함하고 있으며 변수가 숨겨진 방식으로 서로 상관되어있어이를 어렵게한다는 점에 주목했습니다.

Socher는 "편견이 제거하기 쉽지 않은 것"이라고 지적했다. 그는 알고리즘에서 인종이나 성별을 제거 할 수 있지만 우편 번호와 수입을 고려하면 거의 동일한 결과를 얻을 수 있다고 지적했습니다. 그는 Salesforce가 하나의 애플리케이션을 구축하지 않기 때문에 어렵다고 언급했습니다. 대신 각각 자체 데이터를 사용하여 150, 000 개 조직에 대해 더 작은 애플리케이션을 생성합니다. 그는 유방 펌프를 남성에게 판매하지 않는 것과 같은 어떤 형태의 편견이 용납 될 수 있다고 언급했다. 그러나 다른 경우에는 불법이거나 잘못 될 수 있습니다. 소처는“은 총알은 없다”고 말했다.