De la ferme à l'adn, les données transforment l'agriculture et la médecine de précision

Ce n’est un secret pour personne que les données et l’analyse transforment à peu près tous les secteurs, je n’ai donc pas été surpris de voir un certain nombre de sessions organisées par Fortune Brainstorm Tech sur le sujet. Mais j’ai trouvé la discussion sur les nouvelles utilisations des données agricoles et génomiques très intéressante, ainsi qu’une discussion sur le «contrôle de l’IA» qui s’est vraiment concentrée sur les données.

Information génomique chez Ancestry et couleur

Margo Georgiadis, PDG d'Ancestry, et Othman Laraki, cofondateur et PDG de Color, ont expliqué l'incidence des données génomiques sur le marché des soins de santé.

Georgiadis a noté que Ancestry, qui détient actuellement des informations sur 100 millions d'histoires familiales et le plus grand référentiel d'ADN de consommateurs, existe depuis 30 ans et est centré sur les interactions des consommateurs. Mais elle a également parlé de partenariat avec d'autres entreprises pour obtenir de meilleurs résultats en matière de santé grâce à la génomique.

Elle a rappelé à l'auditoire que "Vos gènes ne sont pas votre destin", affirmant qu'il ne s'agissait que d'un signal et qu'il était également important d'examiner l'histoire de la famille.

Laraki, dont le cabinet est spécialisé dans la médecine de précision, a discuté de l’utilisation de l’information génomique pour "construire une infrastructure de soins de santé capable de voir plus loin dans la route". À l'avenir, nous "ne considérerons pas cela comme de la génomique, nous considérerons cela comme des soins de santé". Il a souligné l'énorme décalage entre nos dépenses en soins de santé et la valeur que nous obtenons. Il s’agit de la "plus grande opportunité humaine et entrepreneuriale de notre génération", a-t-il déclaré, soulignant que le système de santé commençait tout juste à utiliser la génomique dans les soins primaires.

Il a évoqué les conséquences à la fois pour les applications des consommateurs et les conséquences sur les soins de santé pour la population, ainsi que des relations de la société avec le Broad Institute du MIT.

Néanmoins, Georgiadis a déclaré que la confidentialité était la racine des relations de la société avec ses clients et que les utilisateurs utilisent et contrôlent leurs propres données. Elle a déclaré que la société ne communiquait jamais d'informations aux forces de l'ordre à moins d'y être obligée, et que l'année dernière, cela ne s'est produit que 10 fois. Les demandes étaient toutes liées à la fraude par carte de crédit et non à des informations génétiques.

Elle a déclaré que les idées collectives pouvant être glanées entre les enregistrements étaient importantes. "Notre client n'est jamais le produit", a-t-elle déclaré, "cet alignement est extrêmement important".

M. Georgiadis a déclaré que les sociétés qui collectent des informations génomiques doivent définir clairement ce qu'elles représentent et veiller à ce que leurs clients comprennent comment les organisations utiliseront et partageront les données. Elle a dit que Ancestry, 23andMe et Helix avaient mis en place un ensemble de normes relatives à la confidentialité des données génétiques et encourageaient les autres joueurs à s'inscrire. Cela comprend l'utilisation de données sur la population pour la recherche médicale et sanitaire.

Chaque technologie crée un nouvel ensemble de problèmes, a déclaré Georgiadis. "En tant que dirigeants, nous devons assumer la responsabilité de penser et d’anticiper ces problèmes et d’établir des normes strictes pour notre façon de faire des affaires."

Données Agricoles

Au cours d'une autre séance, Beth Ford, PDG de Land O'Lakes, et Sara Menker, fondatrice et PDG de Gro Intelligence, ont expliqué en quoi les données transforment l'agriculture et les entreprises qui l'entourent.

Ford a parlé de la recherche de Land O'Lakes sur des modèles prédictifs qui capturent les données des agriculteurs sur ce qui est planté dans divers types de sol et sur leurs pratiques, pour aider les agriculteurs à savoir quels changements ils peuvent apporter pendant la saison de croissance. Elle a déclaré que le moteur Truterra Insights de la société contenait un billion de points de données. L'objectif est d'accroître la résilience tout en améliorant la productivité.

Ford a fait remarquer que Land O'Lakes est une coopérative appartenant à des agriculteurs. Son objectif est donc d'aider à améliorer la productivité agricole ainsi que la durabilité. L’objectif était d’améliorer la structure d’incitation pour les agriculteurs, affirmant que 96% des fermes restaient une entreprise familiale. Elle a discuté du "destin partagé" que nous partageons tous, ajoutant que la technologie était nécessaire ou que la sécurité alimentaire serait menacée.

Elle a déclaré que les données d'un agriculteur individuel sont cloisonnées, mais combinées avec des modèles prédictifs, notamment des données recueillies par des satellites et des drones. "Nous allons capturer leurs données", a déclaré Ford, "mais elles les possèdent."

Les modèles prédictifs et les modifications "en saison" n'ont jamais été aussi importants que cette année, a déclaré Ford, soulignant les graves problèmes liés au climat auxquels sont confrontés les agriculteurs. Elle a déclaré que l'agriculteur moyen avait perdu de l'argent l'année dernière et que les bas prix des produits de base constituaient un problème pour de nombreux agriculteurs depuis des années.

Gro Intelligence travaille à la création de modèles prédictifs permettant de prévoir l'offre, la demande et les prix de tout produit agricole dans le monde, a déclaré Menker. Elle a déclaré que les entreprises du secteur de l'alimentation et des boissons, les banques et les négociants en matières premières avaient besoin de ces informations, en raison notamment des changements dus aux phénomènes météorologiques extrêmes. Elle a souligné que 10 millions d'acres de terres agricoles ont été abandonnés à la suite d'inondations cette année, ce qui représente une perte de revenus de 6, 5 milliards de dollars.

Menker a expliqué comment le système est conçu pour ingérer des ensembles de données et réagir aux événements du marché, et comment cela permettra aux entreprises de structurer leurs instruments financiers afin de mieux gérer les risques. Ceci, a-t-elle dit, finira par réduire le coût du capital pour les agriculteurs. Elle avait l'habitude d'échanger du pétrole et du gaz et qu'il était plus facile d'obtenir des capitaux pour développer l'énergie que pour l'agriculture.

IBM et Salesforce sur l'éthique des données, de l'équité et de l'IA

Dario Gil, directeur de l'exploitation chez IBM Research, et Richard Socher, responsable scientifique de Salesforce, ont parlé de l'intelligence artificielle et de l'importance de l'utiliser de manière éthique et juste.

"Tous les secteurs seront touchés par l'intelligence artificielle", a déclaré M. Socher, mais à la fin, l'intelligence artificielle ne peut être que la qualité des données que nous utilisons pour la former. En conséquence, a-t-il déclaré, le secteur doit se concentrer davantage sur l'éthique. Il a noté que, comme tout outil, les ordinateurs, Internet ou même un marteau, l'IA peut être utilisée pour le meilleur ou pour le pire.

Gil a appelé AI "un terme malheureux", parce que les gens entendent le terme et pensent qu'il agit par lui-même. Il a dit que nous devrions simplement remplacer le mot "logiciel" par "logiciel". Cela rend plus claire la responsabilité. "La responsabilité doit reposer sur la population et les institutions qui créent le logiciel", a-t-il déclaré.

Interrogé à propos des "deepfakes", Socher a déclaré que les gens fabriquaient de fausses photos depuis longtemps, mais qu’ils étaient en même temps plus capables d’identifier de fausses photos. Il a dit, nous devrons arriver à la même compréhension avec la vidéo, mais il était actuellement très difficile de créer des vidéos vraiment convaincantes. Pour l'instant, a déclaré Socher, il était beaucoup plus inquiet à l'idée que les gens créent de fausses informations, les partagent sur les réseaux sociaux et que AI les recommande.

Gil a parlé de la question de partialité, en soulignant plusieurs couches du problème. À la première couche est l'algorithme de base AI. Au-delà, il y a la question des données. Par exemple, il a noté qu'il existe des réglementations et un aspect de la responsabilité dans l'évaluation du crédit bancaire. Mais si vous n'utilisiez que les approbations au cours des 20 ou 30 dernières années, le modèle donnerait plus de crédit aux hommes qu'aux femmes. Le réseau neuronal n'est pas biaisé, a-t-il déclaré, mais l'ensemble de données l'est également. À un autre niveau, il a parlé d'un parti pris de haut niveau, dans la mesure où la plupart des personnes travaillant dans le domaine de l'IA sont des hommes blancs, une situation qui, a-t-il déclaré, indique que l'industrie "tente de s'améliorer".

Gil a déclaré que si quelqu'un se voit refuser un crédit et prend une décision, il est facile pour une personne de donner une excuse. Mais si vous regardez les décisions d'un algorithme sur une période donnée, il est beaucoup plus facile de voir ce qui se passe réellement. "L'intelligence artificielle place un miroir devant nos visages", a-t-il déclaré, soulignant qu'il était plus facile de modifier un algorithme que de modifier 1 000 personnes.

• Fortune Brainstorm Tech: l'évolution des modèles de commerce électronique Fortune Brainstorm Tech: l'évolution des modèles de commerce électronique
• Fortune Brainstorm Tech: Construire l'ordinateur Internet Fortune Brainstorm Tech: Construire l'ordinateur Internet
• Intel Ice Lake devient réalité: cinq solutions à emporter Intel Ice Lake devient réelle: cinq clés à emporter

Dans ce cadre, il a décrit le travail effectué par IBM pour rechercher les données biaisées et prendre des décisions plus équitables. Il a souligné que l'équité impliquait de nombreuses mesures différentes et que les variables sont corrélées les unes aux autres de manière cachée, ce qui complique les choses.

Socher a noté que les préjugés n'étaient "pas aussi faciles à éliminer qu'il n'y paraît". Il a noté que vous pouvez supprimer la race ou le sexe d'un algorithme mais obtenir à peu près le même résultat en considérant le code postal et le revenu. Il a souligné que c'était difficile car Salesforce ne développait pas une application, mais créait des applications plus petites pour 150 000 organisations, chacune utilisant ses propres données. Il a noté qu'une certaine forme de partialité peut être acceptable, telle que la non-commercialisation des tire-lait auprès des hommes. Mais dans d'autres cas, cela pourrait être illégal ou faux. "Il n'y a pas de solution miracle", a déclaré Socher. "Cela doit être un état d'esprit".