سازمان ملل و گوگل پلتفرم داده جهانی مشترکی ساختند که با زبان طبیعی قابل پرسش است
هوش مصنوعی جهان ترجمه‌شده

سازمان ملل و گوگل پلتفرم داده جهانی مشترکی ساختند که با زبان طبیعی قابل پرسش است

۲۷ شهریور ۱۴۰۵ ⏱ ۳ دقیقه مطالعه 👁 ۰ بازدید ✍️ تحریریه رشدینو
✈️ اشتراک در تلگرام 💬 واتساپ 𝕏 توییتر
خلاصه خبر پاسخ سریع در یک نگاه

UN System Data Commons یک پلتفرم متن‌باز و آماده برای هوش مصنوعی است که آمار حیاتی سازمان ملل را در یک گراف دانش قابل جست‌وجو یکپارچه می‌کند و پرسش با زبان طبیعی را ممکن می‌سازد.

هر سال، نهادهای مختلف در نظام سازمان ملل داده گردآوری می‌کنند تا چالش‌هایی را رصد کنند که بر نحوه کار کردن، یادگیری، سلامت و مراقبت ما از عزیزانمان اثر می‌گذارد. این آژانس‌ها با برخی از معتبرترین داده‌های جهان کار می‌کنند، اما آماری که برای حل چالش‌های بزرگ جهانی لازم است در سیلوهای جداگانه زندگی می‌کرده و در قالب‌های متناقض در میان و درون سازمان‌های مختلف نظام ملل متحد سازمان‌دهی شده است. وصل کردن این نقطه‌ها اغلب برای تحلیل‌گران داده به ماه‌ها کار دستی طاقت‌فرسا نیاز داشت، پیش از آنکه تحلیل واقعی حتی شروع شود.

برای حل این مشکل، نظام سازمان ملل پلتفرم «UN System Data Commons» را عرضه کرده است؛ یک پلتفرم متن‌باز که بر پایه Data Commons گوگل ساخته شده و آمار جهانی را در یک منبع به‌هم‌پیوسته به نام «گراف دانش آماده برای هوش مصنوعی» یکپارچه می‌کند. با حمایت Google.org از بنیاد سازمان ملل، این پروژه داده‌های حیاتی را برای همه در دسترس قرار می‌دهد و به پژوهشگران تا رهبران کمک می‌کند پیشرفت جهانی را در زمان واقعی رصد کنند.

پریم راماسوامی، رئیس بخش Data Commons گوگل، این پروژه را معرفی کرده است.

داده‌های متصل برای تلاش‌های جهانی پیچیده

بسیاری از بزرگ‌ترین چالش‌های جامعه — از سلامت عمومی تا ریشه‌کن کردن فقر — با یک منبع داده واحد حل نمی‌شوند. مقابله مؤثر با این بحران‌ها نیازمند فهم این نکته است که مجموعه‌داده‌های مختلف چگونه با یکدیگر تلاقی می‌کنند. UN System Data Commons این تلاقی‌ها را با یکپارچه‌کردن داده‌های سیلوشده آشکار می‌کند تا بتوانند به زبان مشترک حرف بزنند. پلتفرم به‌طور خودکار شاخص‌ها، بازه‌های زمانی و مرزهای جغرافیایی را در یک محیط به‌هم‌پیوسته ادغام می‌کند و به تحلیل‌گران زمان بیشتری می‌دهد تا روی کشف روندهای کلیدی و طراحی راه‌حل‌های مبتنی بر شواهد تمرکز کنند، نه قالب‌بندی صفحه‌گسترده.

قابلیت‌های زبان طبیعی برای کاوش آسان‌تر

این پلتفرم از هوش مصنوعی استفاده می‌کند تا دسترسی به این بینش‌ها را دموکراتیک کند و به مردم اجازه دهد با جستجوی شهودی و زبان طبیعی کاوش کنند. یعنی هر کسی، از مدیر برنامه یک نهاد غیرانتفاعی تا یک روزنامه‌نگار تا یک تحلیل‌گر سیاست بین‌المللی، می‌تواند پرسش‌هایش را به زبان ساده بپرسد و بی‌درنگ داده مرتبط و نمودارهای تعاملی بگیرد.

نمونه پرسش‌هایی که کاربران می‌توانند مستقیم از پلتفرم بپرسند: دسترسی به آب پاک در مناطق روستایی چگونه بر حضور در مدرسه اثر می‌گذارد؟ در دهه گذشته چند نفر به برق دسترسی پیدا کردند؟ امید به زندگی در مناطق مختلف جهان چگونه تغییر کرده است؟

اگر ترجیح می‌دهید مرور کنید، تب Explore فیلتر کردن داده بر اساس مکان یا موضوعاتی مثل سلامت و آموزش را ساده می‌کند. بخش وبلاگ هم روندهای پیچیده را به گزارش‌های آماده‌خوان تبدیل می‌کند؛ مثلاً استفاده از داده‌های یونیسف برای بررسی اینکه چه راهکارهایی فقر کودکان را کم می‌کند. مهم‌تر از همه اینکه هر مجموعه‌داده با آمارگران و کارشناسان فنی نظام سازمان ملل اعتبارسنجی شده است، پس هر پاسخ روی واقعیت‌های رسمی و قابل‌اعتماد بنا می‌شود.

به‌کارگیری هوش مصنوعی به‌عنوان دستیار پژوهشی عاملی

رونمایی امروز، قابلیت‌های دستیار هوش مصنوعی را هم مستقیم به جریان کار پژوهشی می‌آورد. به‌جای ساعت‌ها جستجوی دستی برای یافتن عدد و ساختن صفحه‌گسترده، می‌توان به یک دستیار هوش مصنوعی سپرد تا کار سنگین را انجام دهد. Data Commons که بر استانداردهای بازی مثل پروتکل زمینه مدل (MCP) ساخته شده، داده را برای هوش مصنوعی آماده می‌کند و به ایجنت‌های هوش مصنوعی اجازه می‌دهد ارقام معتبر را مستقل از UN System Data Commons بکشند، نقطه‌ها را میان حوزه‌های مختلف به هم وصل کنند و همه را در قالب نمودار، گراف، اینفوگرافیک یا پیش‌نویس گزارش آماده تحویل بدهند. گوگل تأکید می‌کند که حتی با داده‌های اعتبارسنجی‌شده، پیش از استناد به ارقام مهم باید منابع زیربنایی را بازبینی کنید.

داده بیشتر و قابلیت‌های تازه در راه

طی سال آینده، نظام سازمان ملل به افزودن مجموعه‌داده از نهادهای بیشتر ادامه می‌دهد و هدفش پوشش ۸۰ درصد مجموعه‌داده‌های آماری نظام ملل متحد تا سال ۲۰۲۷ است. داده‌ها در نشانی data.un.org برای کاوش در دسترس است.

اهمیت این پروژه برای فعالان داده و دیجیتال مارکتینگ روشن است: الگویی که اینجا اجرا شده — یکپارچه‌کردن داده‌های پراکنده در یک گراف دانش و بازکردن آن با زبان طبیعی و رابط ایجنت‌ها — همان مسیری است که در بازاریابی هم برای تحلیل داده‌های پراکنده مشتری، فروش و کمپین‌ها در حال تکرار است. پلتفرم‌هایی که داده را «آماده هوش مصنوعی» می‌کنند، در عمل تعیین می‌کنند کدام تیم‌ها می‌توانند از ایجنت‌ها نتیجه بگیرند و کدام تیم‌ها همچنان درگیر قالب‌بندی فایل بمانند.

منبع: blog.google ←
🔗 اخبار مرتبط

بخوانید