Hoje, estou falando de Prêmio Ramaswami, A cabeça do Data Commons no Google Prem e sua equipe lançaram recentemente o Data Commons Modelo de Protocolo de Contexto (MCP) Em vez de construir seu próprio protocolo padrão proprietário, o Google Data Commons escolheu construir sobre o Protocolo de Contexto Modelo de Código Aberto da Anthropic. Vamos falar sobre MCPs, economia de unidade real, os desafios de dados não estruturados e alucinações, e o que tudo isso significa para o futuro da construção de um negócio da Internet. Prêmio Ramaswami, Data Commons no Google Data Commons Modelo de Protocolo de Contexto (MCP) David Smooke: What strategies should AI researchers and builders be leveraging to make AI hallucinate less often? Prem Ramaswami: Pesquisadores e construtores podem basear as saídas de IA em fontes de dados confiáveis e autorizadas, onde o modelo interpreta consultas, mas apenas retorna informações provenientes de bancos de dados confiáveis. Reunimos dados públicos do mundo a partir de fontes confiáveis e verificáveis.Ajudamos a tornar as fontes de dados transparentes de forma open source, limitando as respostas do modelo estritamente a dados confiáveis e incorporando avaliação e feedback contínuos.Também simplificamos o acesso a esses dados autoritários através do nosso recém-lançado Model Context Protocol (MCP) Server, que fornece uma maneira padronizada para os agentes de IA descobrirem e acessarem nossos recursos de dados.   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 surgiu do fato de que há muitos dados públicos importantes disponíveis, mas não são exatamente usáveis ou úteis. É difícil de encontrar, é disperso, você precisa ler um PDF de 500 páginas antes de usá-lo, e é difícil trabalhar com ele. Nós o tornamos mais simples. Data Commons organiza e unifica os dados publicamente disponíveis do mundo a partir de fontes confiáveis, como: , o Escritório de Censos dos EUA, as Nações Unidas, o Eurostat e o Banco Mundial, tornando-o universalmente acessível e útil. 1 Campanha Hoje, integramos centenas de conjuntos de dados e dezenas de milhares de variáveis, servindo bilhões de pontos de dados em setores como saúde, economia e sustentabilidade.O sucesso da Data Commons é democratizar o acesso a dados transparentes e de alta qualidade para que qualquer pessoa possa obter rapidamente respostas confiáveis e tomar decisões informadas. e . o aqui Este vídeo Why does MCP matter? What is Google's strategic approach to MCP? And more specifically, what is the Data Commons strategic approach to MCPs? À medida que os sistemas de IA se tornam mais prevalentes, a confiabilidade e a transparência de suas saídas dependem de quão bem eles podem basear suas respostas em dados reais – e o Data Commons fornece esses dados reais com o benefício do MCP. Em vez de ter que conhecer os ins e outs de nossa API, ou nosso modelo de dados, você pode usar a “inteligência” do LLM para ajudar a interagir com os dados no momento certo. Acreditamos que um ecossistema aberto, onde várias organizações contribuem e adotam padrões compartilhados, leva a uma melhor qualidade, aplicações de IA mais confiáveis e benefícios mais amplos para a sociedade. Construímos um servidor MPC, tornando nosso vasto repositório de dados públicos facilmente acessível a modelos de IA e colaborando com parceiros para definir as melhores práticas.Nosso objetivo é capacitar desenvolvedores, ONGs, jornalistas, governos e qualquer pessoa que precise de dados confiáveis, ao mesmo tempo que construímos uma base de confiança e transparência para a próxima geração de ferramentas alimentadas por IA. 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 detém 14% da Anthropic  impact the decision? Google detém 14% da Anthropic Como uma pequena equipe trabalhando em um esforço de código aberto, o objetivo da Data Commons é principalmente garantir uma ampla interoperabilidade e acelerar o desenvolvimento de aplicativos de IA confiáveis e baseados em dados. forma e a maior parte de nossa ontologia é uma extensão de Muitos produtos do Google, incluindo bancos de dados do Google Cloud como o BigQuery e produtos da indústria, já se integraram ao MCP, tornando-o uma escolha fácil. MetaExchange de Dados Estatísticos (SDMX) Programação.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? O Data Commons é de código aberto, por isso esperamos que uma comunidade próspera de usuários e desenvolvedores o ajude a crescer e o Google mostrou compromisso com esse sucesso. Atualmente, o Data Commons está focado em maximizar o acesso. O Data Commons ajuda a fornecer dados para a Pesquisa e, separadamente, está a pesquisar ativamente diferentes maneiras de tornar os LLMs mais confiáveis e confiáveis. . o DataCommons.org Informações Um dos aspectos inteligentes do MCP é que nossos usuários podem usar Para interagir com o servidor MCP. Dito de outra forma, o LLM do usuário é o que traduz a consulta de idioma humano em um conjunto de chamadas de API e, em seguida, interpreta o resultado de volta para o usuário. their own LLM Devo notar, nós colocamos um limite no número de solicitações de API para o Data Commons, queremos incentivar o uso amplo, mas também queremos garantir que não haja abuso ou puramente raspar. 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? Nós importamos dados públicos brutos de milhares de fontes em uma única ontologia canônica – se uma coluna em um conjunto de dados diz “diabetes tipo 2” e a outra coluna em outro conjunto de dados tem o código ICD “E11”, podemos entender que ambos se referem à mesma coisa. Cada ponto de dados é acompanhado por metadados detalhados e proveniência, para que os usuários sempre saibam de onde a informação vem. 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? Muitos dos desafios urgentes do mundo são problemas holísticos.Em outras palavras, eu não posso apenas olhar para um conjunto de dados de uma agência governamental, mas preciso combinar vários conjuntos de dados. Como exemplo, a One Campaign lançou recentemente o ONE Data Agent, uma plataforma interativa para dados de financiamento de saúde.Esta nova ferramenta permite aos usuários pesquisar rapidamente dezenas de milhões de pontos de dados de financiamento de saúde em segundos, usando linguagem simples. Estou entusiasmado em ver os desenvolvedores construir novos conhecimentos sobre os conjuntos de dados importados para o Data Commons em saúde pública, clima, economia, educação e muitos outros campos. Estes são conjuntos de dados fundamentais que, quando tornados mais acessíveis e agíveis, podem impulsionar o impacto do mundo real – ajudando as comunidades a medir o progresso e, esperamos, entender mais claramente quais intervenções levam a quais resultados. Pode nos ajudar a alcançar metas de sustentabilidade, detectar mudanças econômicas cedo ou sobrecarregar organizações de defesa. 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? Para nós, os dados “confiáveis” são de organizações autorizadas e respeitáveis, como agências governamentais, instituições acadêmicas e grupos da sociedade civil. Para os desenvolvedores, isso significa que você sempre pode rastrear qualquer número ou estatística de volta à sua origem, rever o contexto em que foi coletado e entender quaisquer limitações.Nossa plataforma exibe essa proveniência de forma transparente através da API, tornando fácil construir aplicativos que não apenas forneçam respostas, mas também forneçam aos usuários a evidência e a pista de auditoria por trás de cada resultado. Não tentamos julgar esses conjuntos de dados ou valores específicos.Em vez disso, queremos que possíveis discordâncias nesses dados sejam mais facilmente visíveis. 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? Estamos muito cedo em nosso trabalho com os LLMs. O papel do transformador do Google foi lançado em 2017! No momento, acredito que a resposta às alucinações é tentar tudo o acima. A Data Commons está tentando basear as saídas em dados verificáveis com origem. Nossa aposta a longo prazo é que os sistemas de IA mais confiáveis combinarão os pontos fortes desses modelos com fontes de dados robustas e audíveis. Ao tornar fácil para os agentes de IA referenciar fontes de dados autorizadas, podemos fornecer respostas que sejam confiáveis, transparentes e confiáveis. 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? Se você me pedisse para lhe contar meu roteiro 9 meses atrás, eu não teria falado com você sobre o MCP!A taxa de desenvolvimento e mudança agora no espaço da IA é vertiginosa. Atualmente, os dados da Data Commons têm muita profundidade e cobertura nos EUA, depois na Índia, depois nos países da OCDE, e então a cobertura se esgota, uma lacuna que a equipe está trabalhando agressivamente para fechar.Um dos nossos objetivos é trabalhar com mais agências estatísticas nacionais, organizações internacionais e organizações da sociedade civil para tanto construir capacidade na criação dos dados e fonte que os dados para garantir que os sistemas de IA baseados em terra que construímos são mais representativos globalmente. Queremos que o Data Commons seja mais fácil de usar.Por exemplo, recentemente trabalhamos para torná-lo compatível com o formato Statistical Data Meta Exchange (SDMX) e esperamos continuar a aumentar a capacidade do Data Commons de trabalhar com diferentes padrões abertos de forma mais suave. 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? À medida que a IA se torna mais profundamente integrada em aplicações que importam, a necessidade de informações confiáveis e confiáveis só crescerá.Se eu fosse adivinhar, espero que a indústria mude para sistemas híbridos, definitivamente no curto prazo, onde os modelos de linguagem fornecem a interface e o raciocínio, mas os fatos e evidências sempre vêm de fontes de dados robustas e autoritativas. Já vemos isso com o uso de sistemas de Retrieval Augmented Generation (RAG). Ten years from now, what aspects of your current job will AI not be able to do? Sinceramente, estou menos preocupado com o que a IA vai fazer que eu faço hoje e mais animado com o que a IA vai fazer que eu nunca seria capaz de fazer. Deixe-me dar-lhe um exemplo. Nossas mentes humanas são treinadas para pensar em três dimensões. Não somos grandes em 4D. No entanto, a maioria dos problemas holísticos que falamos anteriormente são problemas de dimensão 30/60/3000. Ao projetar um espaço urbano, por exemplo, cada mudança na impressão do piso do edifício lança sombras de forma diferente, muda as redes de mobilidade, altera a caminhada, muda o resultado financeiro e muito mais. Espero que em 10 anos possamos modelar e entender tais sistemas de forma mais confiável para entender quais intervenções podem ter a melhor qualidade de vida para todos nós. Tomorrow, what is the most important thing on your calendar? Resposta pessoal: Jantar com minha esposa e filhos.É também por isso que eu trabalho duro nos problemas que faço. Resposta de trabalho: Nossa reunião de equipe! cultura come estratégia para o café da manhã. Trabalhamos em um espaço difícil, “baixo dopamina” onde não está claro se nossas ações hoje irão mover a agulha no futuro. eu consigo dar esta entrevista, mas por trás de mim está uma equipe maravilhosa com a qual trabalho diariamente. a citação de Teddy Roosevelt sobre “o homem na arena” soa verdadeira para mim todas as manhãs. “Se ele falha, pelo menos falha enquanto se atreve muito.” Lastly, if you could fix one thing about how the world treats data, what would it be? Muitas vezes, dados públicos valiosos são trancados em silos, difíceis de encontrar ou apresentados de maneiras que o tornam inacessível a todos, exceto a alguns especialistas.Se fizéssemos os dados, juntamente com a fonte clara, o contexto e a documentação abertos e fáceis de usar para todos, desbloquearíamos um enorme potencial para inovação, responsabilidade e tomada de decisão informada.Agora, precisamos ser responsáveis e tomar salvaguardas para garantir que esses dados não revelem informações sobre indivíduos ou coloquem quaisquer grupos em risco em dano adicional.Mas eu acredito, capacitar as pessoas com dados confiáveis e transparentes deve ser um princípio fundamental. Saiba mais sobre Prêmio Ramaswami A cabeça do Data Commons no Google . o Prêmio Ramaswami Data Commons no 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

Este áudio é produzido no idioma original da história!

"Estamos muito cedo em nosso trabalho com LLMs", - Prem Ramaswami, chefe da Data Commons no Google

About Author

COMENTARIOS

Rótulos

ESTE ARTIGO FOI APRESENTADO EM

Related Stories

Modelo Bitcoin UTXO, alimentando um ecossistema único

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

Guia do arquiteto para construir arquitetura de referência para um Datalake de IA/ML

Modelo Bitcoin UTXO, alimentando um ecossistema único

Vazamento do prompt do sistema Claude Sonnet 3.5: uma análise forense

Crescimento de Criptomoedas: Criando Personas de Usuários Eficazes

Guia do arquiteto para construir arquitetura de referência para um Datalake de IA/ML

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps