انتشار دادههای ساختاریافته ویکیپدیا در کگل؛ راهکاری برای کاهش بار سرورها و کمک به توسعهدهندگان هوش مصنوعی, بنیاد ویکیمدیا، نهاد پشتیبان ویکیپدیا، با همکاری پلتفرم کگل که زیرمجموعه گوگل است، مجموعه دادهای اختصاصی را به صورت نسخه بتا منتشر کرده است. این اقدام با هدف مقابله با استخراج بیرویه اطلاعات توسط رباتهای هوش مصنوعی و کاهش فشار بر سرورهای ویکیپدیا انجام شده است.

مجموعه داده ساختاریافته ویکیپدیا چه محتوایی را در بر میگیرد؟ این دادهها در قالب فایلهای JSON ارائه شدهاند و شامل خلاصههای پژوهشی، توضیحات مختصر، لینک تصاویر، اطلاعات اینفوباکس و تقسیمبندی مقالات به زبانهای انگلیسی و فرانسوی میباشند.

ویکیمدیا این فرمت را جایگزین بهینهتری برای تجزیه متن خام مقالات معرفی کرده که پردازش آن برای ماشینها آسانتر است. رفع چالش پهنای باند و دسترسی منصفانه برای پژوهشگران استخراج مداوم داده توسط رباتهای آموزشدهنده مدلهای زبانی، بار سنگینی بر زیرساختهای فنی ویکیپدیا تحمیل کرده بود. انتشار رسمی این مجموعه داده، ترافیک ناخواسته ناشی از خزندههای وب را به شدت کاهش میدهد.

، محققان مستقل و تیمهای کوچکتر توسعه هوش مصنوعی هموار کرده است.

دیدگاه کگل در مورد میزبانی دادههای ویکیمدیا برندا فلین، مدیر همکاریهای کگل، در بیانیهای اعلام کرد که این پلتفرم با شوق فراوان نقش میزبان این دادهها را پذیرفته است. او تأکید کرد که کگل متعهد است تا در حفظ دسترسی آسان، سودمندی و ارزشافزودن به این مجموعه داده برای جامعه توسعهدهندگان هوش مصنوعی تلاش نماید. این گام،لی به سمت اکوسیستم باز و شفافتر در آموزش مدلهای زبانی بزرگ محسوب میشود.