Heute spreche ich mit Präm Ramaswami Der Kopf von Data Commons bei Google Prem und sein Team haben kürzlich die Datacommons Modellkontextprotokoll (MCP) Server Anstatt ihr eigenes proprietäres Standard-Protokoll aufzubauen, entschied sich Google Data Commons, auf das Open-Source-Modell-Kontext-Protokoll von Anthropic aufzubauen. Präm Ramaswami Data Commons bei Google Datacommons Modellkontextprotokoll (MCP) Server David Smooke: What strategies should AI researchers and builders be leveraging to make AI hallucinate less often? Prem Ramaswami: Forscher und Bauherren können KI-Ausgänge in vertrauenswürdigen, autoritativen Datenquellen gründen, wo das Modell Abfragen interpretiert, aber nur Informationen zurückgibt, die aus zuverlässigen Datenbanken stammen. Wir helfen, Datenquellen transparent in einer Open-Source-Methode zu machen, beschränken Modellantworten streng auf vertrauenswürdige Daten und integrieren kontinuierliche Auswertung und Feedback.Wir rationalisieren auch den Zugang zu diesen autoritativen Daten über unseren kürzlich veröffentlichten Model Context Protocol (MCP) Server, der eine standardisierte Möglichkeit für KI-Agenten bietet, unsere Datenressourcen zu entdecken und zuzugreifen.   Data Commons has been around since 2018. Can you walk us through its purpose, traction, and current scale? What does success look like for Data Commons, and how much historical vs. real-time data are we talking about? Data Commons entstand aus der Tatsache, dass es viele wichtige öffentliche Daten gibt, aber es ist nicht genau nutzbar oder nützlich. Es ist schwer zu finden, es ist verstreut, Sie müssen vor der Verwendung ein 500-Seiten-PDF lesen, und es ist schwierig, mit ihm zu arbeiten. Wir machen es einfacher. Data Commons organisiert und vereint die weltweit öffentlich verfügbaren Daten aus vertrauenswürdigen Quellen wie z.B. Das US Census Bureau, die Vereinten Nationen, Eurostat und die Weltbank machen es sowohl universell zugänglich als auch nützlich. Die eine Kampagne Heute integrieren wir Hunderte von Datensätzen und Zehntausende von Variablen und dienen Milliarden von Datenpunkten in Sektoren wie Gesundheit, Wirtschaft und Nachhaltigkeit.Der Erfolg von Data Commons ist die Demokratisierung des Zugangs zu qualitativ hochwertigen, transparenten Daten, damit jeder schnell zuverlässige Antworten erhalten und fundierte Entscheidungen treffen kann. und ... . hier Dieses Video Why does MCP matter? What is Google's strategic approach to MCP? And more specifically, what is the Data Commons strategic approach to MCPs? Da KI-Systeme zunehmend verbreitet werden, hängen die Zuverlässigkeit und Transparenz ihrer Ausgaben davon ab, wie gut sie ihre Antworten in realen Daten gründen können - und Data Commons liefert diese realen Daten zum Nutzen von MCP. Anstatt die Ins und Outs unserer API oder unseres Datenmodells zu kennen, können Sie die "Intelligenz" des LLM verwenden, um mit den Daten im richtigen Moment zu interagieren. Wir glauben, dass ein offenes Ökosystem, in dem mehrere Organisationen einen Beitrag leisten und gemeinsame Standards anwenden, zu einer besseren Qualität, zuverlässigeren KI-Anwendungen und einem breiteren gesellschaftlichen Nutzen führt. Wir haben einen MPC-Server aufgebaut, der unser umfangreiches Repository öffentlicher Daten für KI-Modelle leicht zugänglich macht und mit Partnern zusammenarbeitet, um bewährte Praktiken festzulegen.Unser Ziel ist es, Entwickler, NGOs, Journalisten, Regierungen und alle, die zuverlässige Daten benötigen, zu befähigen und gleichzeitig eine Grundlage für Vertrauen und Transparenz in die nächste Generation von KI-getriebenen Tools aufzubauen. Why did Google choose to build on Anthropic's open-source MCP standard rather than create its own? What was the internal debate like re an a proprietary vs. open source protocol? And how did  Google hält 14 Prozent an Anthropic  impact the decision? Google hält 14 Prozent an Anthropic Als kleines Team, das an einer Open-Source-Anstrengung arbeitet, ist das Ziel von Data Commons in erster Linie, um eine breite Interoperabilität zu gewährleisten und die Entwicklung zuverlässiger, datengestützter KI-Anwendungen zu beschleunigen. Form und die meiste unserer Ontologie ist eine Erweiterung der Viele Google-Produkte, einschließlich Google Cloud-Datenbanken wie BigQuery und Industrieprodukte, haben sich bereits in MCP integriert, was es zu einer einfachen Wahl macht. Statistische Daten MetaExchange (SDMX) von Schema.org What are the unit economics here? How expensive is a query? Is this a free product forever, or are there future plans for a paid tier based on usage? What is to prevent Data Commons from being sunset in the future? Data Commons ist Open Source, so dass wir hoffen, dass eine blühende Gemeinschaft von Nutzern und Entwicklern es wachsen hilft und Google hat Engagement für diesen Erfolg gezeigt. Derzeit konzentriert sich Data Commons auf die Maximierung des Zugangs. Data Commons hilft, Daten für die Suche zu liefern und separat untersucht aktiv verschiedene Möglichkeiten, wie wir LLMs zuverlässiger und vertrauenswürdiger machen können. ... . von DataCommons.org Einer der klugen Aspekte von MCP ist, dass unsere Benutzer Anders gesagt, ist das LLM des Benutzers das, was die menschliche Sprachabfrage in eine Reihe von API-Anrufen übersetzt und dann das Ergebnis zurück an den Benutzer interpretiert. their own LLM Ich sollte darauf hinweisen, dass wir eine Grenze für die Anzahl der API-Anfragen an Data Commons setzen, wir wollen eine breite Nutzung fördern, aber auch dafür sorgen, dass es keinen Missbrauch oder reinen Scraping gibt. What techniques does the Data Commons API use to make its data cleaner, more structured and more accessible than the average public data dump? And what general advice do you have for usefully structuring unstructured data? Wir importieren rohe öffentliche Daten aus Tausenden von Quellen in eine einzige, kanonische Ontologie - wenn eine Spalte in einem Datensatz "Typ-2-Diabetes" sagt und die andere Spalte in einem anderen Datensatz den ICD-Code "E11" hat, können wir verstehen, dass sie sich beide auf das gleiche beziehen. Jeder Datenpunkt wird von detaillierten Metadaten und Herkunft begleitet, so dass Benutzer immer wissen, woher Informationen kommen. What types of verticals and companies do you see using this MCP server to grow their business? And what specific datasets are you most excited to see developers build on, and why? Viele der dringenden Herausforderungen der Welt sind ganzheitliche Probleme.In anderen Worten, ich kann nicht nur einen Datensatz von einer Regierungsbehörde betrachten, sondern muss mehrere Datensätze kombinieren. Als Beispiel dafür hat die One Campaign kürzlich den ONE Data Agent eingeführt, eine interaktive Plattform für Gesundheitsfinanzierungsdaten.Dieses neue Tool ermöglicht es Benutzern, in Sekunden schnell durch Dutzende von Millionen von Gesundheitsfinanzierungsdatenpunkten zu suchen, mithilfe einer einfachen Sprache. Ich bin begeistert, zu sehen, dass Entwickler ein neues Verständnis für Datensätze aufbauen, die in Data Commons in den Bereichen öffentliche Gesundheit, Klima, Wirtschaft, Bildung und viele andere Bereiche importiert werden. Dies sind grundlegende Datensätze, die, wenn sie zugänglicher und handlungsfähiger gemacht werden, reale Auswirkungen bewirken können – die Gemeinschaften dabei helfen, den Fortschritt zu messen und hoffentlich klarer zu verstehen, welche Interventionen zu welchen Ergebnissen führen. How do you define "trustworthy" data in a way that is verifiable and auditable for a developer building an application on top of your platform? Für uns stammen „zuverlässige“ Daten von autorisierten und seriösen Organisationen wie Regierungsbehörden, akademischen Institutionen und zivilgesellschaftlichen Gruppen.Jeder Datenpunkt auf unserer Plattform wird von detaillierten Metadaten begleitet, einschließlich seiner ursprünglichen Quelle. Für Entwickler bedeutet dies, dass Sie immer Zahlen oder Statistiken bis zu ihrer Herkunft zurückverfolgen können, den Kontext überprüfen können, in dem sie gesammelt wurden, und alle Einschränkungen verstehen.Unsere Plattform zeigt diese Herkunft transparent über die API, wodurch es einfach ist, Anwendungen zu erstellen, die nicht nur Antworten liefern, sondern auch Benutzern die Beweise und die Auditspur hinter jedem Ergebnis liefern. Wir versuchen nicht, diese Datensätze oder bestimmte Werte zu beurteilen. stattdessen wollen wir, dass potenzielle Meinungsverschiedenheiten in diesen Daten leichter sichtbar sind. The industry has a problem with AI "hallucinations." Is Google's long-term bet that the future of credible AI will be built on verifiable data layers like Data Commons, rather than on models with ever-larger training sets? Wir sind sehr früh in unserer Arbeit mit LLMs. Google's Transformers Papier wurde 2017 veröffentlicht! Im Moment glaube ich, dass die Antwort auf Halluzinationen ist, alle oben genannten zu versuchen. Data Commons versucht, Ausgaben in verifizierbare Daten mit Herkunft zu gründen. Unsere langfristige Wette ist, dass die zuverlässigsten KI-Systeme die Stärken dieser Modelle mit robusten, auditierbaren Datenquellen kombinieren. What's on the Data Commons MCP Server roadmap for next year? Are there specific data sources or capabilities you're planning to add that developers should be excited about? Wenn Sie mich gebeten hätten, Ihnen vor 9 Monaten meine Roadmap zu erzählen, hätte ich nicht mit Ihnen über MCP gesprochen! Die Entwicklung und Veränderung im AI-Raum ist gerade jetzt schwindelerregend. Derzeit haben Daten von Data Commons eine Menge Tiefe und Abdeckung in den USA, dann in Indien, dann in den OECD-Ländern, und dann verdünnt sich die Abdeckung, eine Lücke, die das Team jetzt aggressiv zu schließen arbeitet.Eines unserer Ziele ist es, mit mehr nationalen Statistikbehörden, internationalen Organisationen und zivilgesellschaftlichen Organisationen zusammenzuarbeiten, um sowohl auf der Erstellung der Daten als auch auf der Quelle dieser Daten Kapazität aufzubauen, um sicherzustellen, dass die grounded AI-Systeme, die wir bauen, global repräsentativer sind. Beispielsweise haben wir in letzter Zeit daran gearbeitet, es mit dem Format Statistical Data Meta Exchange (SDMX) kompatibel zu machen und hoffen, die Fähigkeit von Data Commons, mit verschiedenen offenen Standards nahtlos zu arbeiten, weiter zu erhöhen. Five years from now, do you think every major AI application will have some kind of structured data layer like Data Commons underneath it, or will we still be building on top of pure language models? Wenn ich eine Vermutung machen würde, erwarte ich, dass sich die Branche auf hybride Systeme verschieben wird, sicherlich in naher Zukunft, wo Sprachmodelle die Schnittstelle und das Denken bieten, aber die Fakten und Beweise stets aus robusten, autoritativen Datenquellen stammen. Ten years from now, what aspects of your current job will AI not be able to do? Ich bin ehrlich gesagt weniger besorgt darüber, was die KI tun wird, als ich es heute tue, und ich bin aufgeregt darüber, was die KI tun wird, was ich nie tun könnte. Lassen Sie mich Ihnen ein Beispiel geben. Unsere menschlichen Köpfe sind geschult, in drei Dimensionen zu denken. Wir sind nicht großartig in 4D. Dennoch sind die meisten der ganzheitlichen Probleme, über die wir zuvor gesprochen haben, 30/60/3000-Dimensionenprobleme. Beim Entwerfen eines städtischen Raumes zum Beispiel wirft jede Änderung im Gebäudeplattenabdruck anders Schatten, verändert die Mobilitätsnetze, verändert die Gehfähigkeit, verändert das finanzielle Ergebnis und vieles mehr. Ich hoffe, dass wir in 10 Jahren zuverlässigere Modelle und solche Systeme verstehen, um zu verstehen, welche Interventionen die beste Lebensqualität für uns alle haben können. Tomorrow, what is the most important thing on your calendar? Persönliche Antwort: Abendessen mit meiner Frau und Kindern.Das ist auch der Grund, warum ich hart an den Problemen arbeite, die ich mache. Arbeit Antwort: Unser Team Meeting! Kultur frisst Strategie zum Frühstück. Wir arbeiten in einem schwierigen, „niedrigen Dopamin“ Raum, wo es unklar ist, ob unsere Handlungen heute die Nadel in der Zukunft bewegen werden. Ich bekomme dieses Interview zu geben, aber hinter mir ist ein wunderbares Team, mit dem ich täglich zusammenarbeiten kann. Teddy Roosevelt Zitat über „der Mann in der Arena“ klingt mir jeden Morgen wahr. „Wenn er scheitert, scheitert er zumindest, während er viel wagt.“ Und ich würde hinzufügen, während ich mit wunderbarer Familie, Freunden und Kollegen Spaß habe. Lastly, if you could fix one thing about how the world treats data, what would it be? Zu oft sind wertvolle öffentliche Daten in Silos verschlossen, schwer zu finden oder in einer Weise präsentiert, die es für alle außer für wenige Experten unzugänglich macht.Wenn wir Daten zusammen mit klaren Quellen, Kontext und Dokumentation offen und für alle benutzerfreundlich machen würden, würden wir ein enormes Potenzial für Innovation, Rechenschaftspflicht und fundierte Entscheidungsfindung freigeben.Jetzt müssen wir verantwortlich sein und Sicherheitsmaßnahmen ergreifen, um sicherzustellen, dass diese Daten keine Informationen über Einzelpersonen offenlegen oder Risikogruppen weiter schädigen.Aber ich glaube, dass es ein grundlegendes Prinzip sein sollte, Menschen mit vertrauenswürdigen, transparenten Daten zu befähigen. Erfahren Sie mehr über Präm Ramaswami Der Kopf des Data Commons bei Google ... . Präm Ramaswami Data Commons bei Google

This story contains new, firsthand information uncovered by the writer.

This post provides insights into new product. 

Meet a HackerNoon Human About Business Blogging

smooke.eth

Ethereum Name Service

Founder & CEO of HackerNoon

Dieses Audio ist in der Originalsprache der Geschichte produziert!

"Wir sind sehr früh in unserer Arbeit mit LLMs", - Prem Ramaswami, Head of Data Commons bei Google

About Author

KOMMENTARE

Hängeetiketten

DIESER ARTIKEL WURDE VORGESTELLT IN

Related Stories

HackerNoon Decoded 2024: Wir feiern unsere Produktmanagement-Community!

HackerNoon Decoded 2024: Celebrating Our Management Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

HackerNoon Decoded 2024: Wir feiern unsere Produktmanagement-Community!

HackerNoon Decoded 2024: Celebrating Our Management Community!

HackerNoon Decoded 2024: Celebrating Our Cybersecurity Community!

Welcome to HackerNoon Decoded: The Best of 2024 Tech Blogging

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps