| 👀 خبر در یک نگاه:
گوگل سرور Data Commons MCP را معرفی کرده که امکان دسترسی یکپارچه به داده‌های عمومی را برای توسعه‌دهندگان و پژوهشگران هوش مصنوعی فراهم می‌کند. کاربران می‌توانند با زبان طبیعی داده‌ها را جست‌وجو، تحلیل و دانلود کنند و برنامه‌های داده‌محور با خطای کمتر در مدل‌های زبانی بسازند. |
گوگل اخیرا سرور Data Commons MCP (خلاصه‌شده Model Context Protocol) را معرفی کرده؛ ابزاری که به توسعه‌دهندگان و پژوهشگران هوش مصنوعی امکان می‌دهد به‌سادگی به مجموعه داده‌های عمومی موجود در Data Commons دسترسی پیدا کنند.
سرور Data Commons MCP چطور کار می‌کند؟
این سرور جدید راهی یکپارچه برای دسترسی به داده‌های منتشرشده در Data Commons فراهم می‌کند. توسعه‌دهندگان می‌توانند از این داده‌های جامع استفاده کنند بدون آنکه نیاز به یادگیری یا تعامل مستقیم با APIهای پیچیده زیرساخت داشته باشند.
این قابلیت فرایند ساخت برنامه‌های غنی از داده و عامل‌محور را به‌طور قابل توجهی سریع‌تر می‌کند و به کاهش میزان خطاها یا توهم‌سازی (Hallucinations) در مدل‌های زبانی بزرگ (LLM) کمک می‌کند.
کار با زبان طبیعی
سرور MCP به تحلیلگران و دانشمندان داده اجازه می‌دهد پرسش‌ها را به زبان طبیعی اجرا کنند، مانند:
- «چه داده‌های سلامتی برای آفریقا دارید؟»
- «مقایسه امید به زندگی، نابرابری اقتصادی و رشد GDP کشورهای BRICS»
- «تولید گزارش مختصر درباره درآمد در مقابل دیابت در شهرستان‌های آمریکا»
مثال عملکردی
به گفته پرم راماسوامی (Prem Ramaswami)، مسئول Data Commons، این قابلیت یک تغییر اساسی محسوب می‌شود و تصمیم‌گیری مبتنی بر داده را از حالت پیچیده به عملیاتی تبدیل می‌کند؛ در حالی که پیش‌تر تحلیلگران اغلب از جست‌وجوی دستی در منابع داده پراکنده و متنوع منصرف می‌شدند.
پلتفرم ONE
راماسوامی همچنین به مورد ONE اشاره می‌کند، سازمان جهانی که برای سرمایه‌گذاری در آفریقا فعالیت می‌کند و با استفاده از سرور Data Commons MCP، یک پلتفرم تعاملی ساخته است.
این پلتفرم به کاربران امکان می‌دهد ده‌ها میلیون رکورد مربوط به تامین مالی سلامت را با زبان ساده جست‌وجو کنند، نتایج را بصری‌سازی کنند و مجموعه داده‌های پاک برای تحلیل‌های بیشتر دانلود کنند.
این ابزار منحصربه‌فرد با استفاده از هوش مصنوعی و تخصص انسانی داده‌های قابل اعتماد تhمین مالی سلامت را در عرض چند ثانیه در دسترس قرار می‌دهد و منبع قدرتمندی برای کسانی است که در حال شکل دادن به سیاست‌ها و ایجاد تغییر هستند.
پیاده‌سازی بسته PyPi
سرور Data Commons MCP به‌صورت یک بسته PyPi پیاده‌سازی شده و از datacommons.org به‌عنوان سرور پیش‌فرض یا هر نمونه Data Commons سفارشی پشتیبانی می‌کند. برای شروع سریع، گوگل یک دفترچه Colab ارائه کرده که نحوه ساخت و اجرای یک عامل تعاملی با سرور MCP را نشان می‌دهد.
داستان Data Commons از کجا شروع شد؟
گوگل Data Commons را در سال ۲۰۱۸ راه‌اندازی کرد تا داده‌ها از منابع مختلف به‌صورت عمومی در دسترس قرار گیرند، از جمله نظرسنجی‌های دولتی، داده‌های اداری محلی و آمار سازمان‌های جهانی مانند سازمان ملل.
Data Commons از مدل داده گرافی استفاده می‌کند که از طریق رابط مرورگر و چندین API قابل دسترسی است. این مدل همچنین از طریق جست‌وجوی گوگل با پرسش‌های زبان طبیعی نیز در دسترس است.
منبع: infoq.com
دیدگاهتان را بنویسید