De las granjas al ADN, los datos están transformando la agricultura y la medicina de precisión.

No es ningún secreto que los datos y el análisis están transformando casi todas las industrias, por lo que no me sorprendió ver que varias sesiones en Fortune Brainstorm Tech se centren en el tema. Pero me pareció bastante interesante la discusión sobre los nuevos usos de los datos agrícolas y genómicos, así como una charla sobre "control de la IA" que realmente se redujo a datos también.

Información genómica en ascendencia y color

El CEO de Ancestry, Margo Georgiadis, y el cofundador y CEO de Color, Othman Laraki, discutieron cómo los datos genómicos podrían afectar el mercado de la atención médica.

Georgiadis señaló que Ancestry, que actualmente tiene información sobre 100 millones de historias familiares y el mayor depósito de ADN del consumidor, ha existido durante 30 años y se ha centrado en las interacciones del consumidor. Pero también habló sobre asociarse con otras compañías para obtener mejores resultados de salud a través de la genómica.

Ella le recordó a la audiencia que "Tus genes no son tu destino", diciendo que era solo una señal, y que también era importante mirar la historia familiar.

Laraki, cuya firma se enfoca en la medicina de precisión, discutió el uso de información genómica para "construir una infraestructura de atención médica que pueda ver más adelante". En el futuro, "no lo consideraremos una genómica, lo consideraremos como un cuidado de la salud". Señaló la gran desconexión entre lo que estamos gastando en atención médica y el valor que estamos obteniendo. Esta es la "mayor oportunidad humana y empresarial de nuestra generación", dijo, y señaló que el sistema de salud apenas comienza a utilizar la genómica en la atención primaria.

Habló sobre cómo existían tanto las aplicaciones de los consumidores como las implicaciones de atención médica a nivel de población y habló sobre la relación de la compañía con el Instituto Broad del MIT.

Aún así, Georgiadis dijo que la privacidad era la raíz de la relación de la compañía con sus clientes, y dijo que las personas usan y controlan sus propios datos. Ella dijo que la compañía nunca da información a la policía a menos que se vea obligada a hacerlo, y el año pasado eso sucedió solo 10 veces. Todas las solicitudes estaban relacionadas con fraudes con tarjetas de crédito, no con información genética.

Ella dijo que las ideas colectivas que se pueden obtener entre los registros eran importantes. "Nuestro cliente nunca es el producto", dijo, "que la alineación es muy importante".

Georgiadis dijo que las compañías que recopilan información genómica deben tener claro lo que representan y asegurarse de que los clientes entiendan cómo las organizaciones usarán y compartirán los datos. Ella dijo que Ancestry, 23andMe y Helix habían establecido un conjunto de estándares de privacidad genética y estaban alentando a otros jugadores a registrarse. Esto incluye el uso de datos a nivel de población para la investigación médica y de salud.

Cada tecnología crea un nuevo conjunto de problemas, dijo Georgiadis. "Como líderes, debemos asumir la responsabilidad de pensar y anticipar esos problemas y establecer altos estándares para la forma en que hacemos negocios".

Datos agricolas

En otra sesión, la CEO de Land O'Lakes, Beth Ford, y la fundadora y CEO de Gro Intelligence, Sara Menker, discutieron cómo los datos están cambiando la agricultura y las empresas a su alrededor.

Ford habló sobre la investigación de Land O'Lakes sobre modelos predictivos que capturan datos de los agricultores sobre lo que se siembra en varios tipos de suelo y qué prácticas realizan, para ayudar a los agricultores a saber qué cambios pueden hacer dentro de la temporada de crecimiento. Ella dijo que el motor Truterra Insights de la firma contiene un billón de puntos de datos. El objetivo es aumentar la resiliencia pero al mismo tiempo mejorar la productividad.

Land O'Lakes es una cooperativa propiedad de los agricultores, señaló Ford, y por lo tanto se enfoca en ayudar a mejorar la productividad de la granja y la sostenibilidad. El objetivo era mejorar la estructura de incentivos para los agricultores, diciendo que el 96 por ciento de las granjas aún son de propiedad familiar. Ella discutió el "destino compartido" que todos compartimos, y agregó que la tecnología es necesaria o que la seguridad alimentaria estará en riesgo.

Ella dijo que los datos de un agricultor individual están en un silo, pero combinados con modelos predictivos que incluyen datos recopilados de satélites y drones. "Capturaremos sus datos", dijo Ford, "pero ellos son los dueños".

Ford dijo que los modelos predictivos y los cambios "en temporada" nunca han sido más importantes que este año, dijo Ford, señalando los dramáticos problemas climáticos que enfrentan los agricultores. Ella dijo que el agricultor promedio perdió dinero el año pasado, y que los bajos precios de los productos básicos han sido un problema para muchos agricultores durante años.

Gro Intelligence está trabajando en la construcción de modelos predictivos para pronosticar la oferta, la demanda y el precio de cualquier producto agrícola en cualquier parte del mundo, dijo Menker. Ella dijo que las compañías de alimentos y bebidas, los bancos y los comerciantes de productos básicos necesitan esta información, especialmente debido a los cambios derivados de los fenómenos meteorológicos extremos. Señaló que este año se han abandonado 10 millones de acres de tierras agrícolas debido a las inundaciones, lo que representa una pérdida de ingresos de $ 6.5 mil millones.

Menker habló sobre cómo el sistema está diseñado para ingerir conjuntos de datos y reaccionar ante los eventos del mercado, y cómo esto permitirá a las empresas estructurar instrumentos financieros para gestionar mejor los riesgos. Esto, dijo, eventualmente reducirá el costo de capital para los agricultores. Ella solía comerciar petróleo y gas, y que ha sido más fácil obtener capital para desarrollar energía que cultivar.

IBM y Salesforce sobre datos, equidad y ética de la inteligencia artificial

El director de operaciones de IBM Research, Dario Gil, y el científico en jefe de Salesforce, Richard Socher, hablaron sobre la IA y la importancia de usarla de manera ética y justa.

"Cada industria se verá afectada por la IA", dijo Socher, pero al final, la IA solo puede ser tan buena como los datos que usamos para entrenarla. Como resultado, dijo, el campo necesita enfocarse más en la ética. Señaló que, como cualquier herramienta (computadoras, Internet o incluso un martillo), la IA se puede usar para bien o para mal.

Gil llamó a AI "un término desafortunado", porque las personas escuchan el término y piensan que está actuando por sí solo. Dijo que deberíamos sustituir la palabra "software" por "IA". Eso deja más claro dónde está la responsabilidad. "La responsabilidad debe descansar en las personas y las instituciones que están creando el software", dijo.

Cuando se le preguntó acerca de las "falsificaciones profundas", Socher dijo que las personas han falsificado fotografías durante mucho tiempo y, al mismo tiempo, las personas han mejorado en la identificación de fotos falsas. Dijo que tendremos que llegar a la misma comprensión con el video, pero actualmente era muy difícil crear videos realmente convincentes. Por ahora, dijo Socher, estaba mucho más preocupado de que la gente creara noticias falsas, las compartiera en las redes sociales y que AI lo recomendara.

Gil habló sobre la cuestión del sesgo, señalando múltiples capas del problema. En la primera capa está el algoritmo central de IA. Más allá de eso, está el problema de los datos. Por ejemplo, señaló que existen regulaciones y un aspecto de la responsabilidad en la evaluación del crédito en la banca. Pero si solo usa las aprobaciones en los últimos 20 o 30 años, el modelo otorgaría más crédito a los hombres que a las mujeres. La red neuronal no está sesgada, dijo, pero el conjunto de datos sí. En otro nivel, habló sobre un sesgo de nivel superior, en el sentido de que la mayoría de las personas que trabajan en IA son hombres blancos, una situación que dijo que la industria está "tratando de mejorar".

Un aspecto positivo, dijo Gil, es que si a alguien se le niega el crédito y una persona toma la decisión, es fácil para una persona dar una excusa. Pero si observa las decisiones de un algoritmo durante un período de tiempo, es mucho más fácil ver lo que realmente está sucediendo. "La IA pone un espejo frente a nuestras caras", dijo, y señaló que es más fácil cambiar un algoritmo que cambiar a 1, 000 personas.

• Fortune Brainstorm Tech: los modelos cambiantes del comercio electrónico Fortune Brainstorm Tech: los modelos cambiantes del comercio electrónico
• Fortune Brainstorm Tech: Construyendo la 'Computadora de Internet' Fortune Brainstorm Tech: Construyendo la 'Computadora de Internet'
• Ice Lake de Intel se vuelve real: 5 conclusiones clave Ice Lake de Intel se vuelve real: 5 conclusiones clave

Como parte de esto, describió el trabajo que IBM está haciendo para buscar sesgos en los datos y tomar decisiones más justas. Señaló que la equidad involucraba muchas métricas diferentes, y que las variables se correlacionan entre sí de manera oculta, y eso lo hace difícil.

Socher señaló que el sesgo "no era tan fácil de eliminar como parece". Señaló que se puede eliminar la raza o el género de un algoritmo, pero obtener casi el mismo resultado al considerar el código postal y los ingresos. Señaló que fue difícil porque Salesforce no crea una aplicación, sino que crea aplicaciones más pequeñas para 150, 000 organizaciones, cada una con sus propios datos. Señaló que alguna forma de sesgo puede ser aceptable, como no comercializar extractores de leche para hombres. Pero en otros casos, puede ser ilegal o incorrecto. "No hay una bala de plata", dijo Socher, "tiene que ser una mentalidad".