ウィキペディアは最近、Google傘下のデータサイエンスコミュニティプラットフォームKaggleとの連携により、人工知能モデルのトレーニング用に最適化されたデータセットを公開すると発表しました。この取り組みは、AI開発者がウェブクローラーを使用してウィキペディアのデータを収集する行為を減らし、プラットフォームの帯域幅とサーバーリソースを保護することを目的としています。

ウィキペディア

このデータセットの内容には、英語とフランス語の構造化されたウィキペディア情報が含まれており、機械による読み取りに優れており、AI開発者がモデリング、微調整、データ分析を容易に行うことができます。ウィキメディア財団は、このデータセットをオープンライセンスで公開しており、研究概要、簡単な説明、画像リンク、インフォメーションボックスデータ、記事の各セクションが含まれていますが、参考文献や音声ファイルなどの非テキスト要素は含まれていません。

ウィキメディアは、Kaggleユーザーが、このデータセットを通じて、より便利に情報を入手する方法を得て、元の文章テキストを直接取得することによる技術的な課題を回避することを期待しています。ますます多くの自動化されたAIプログラムがウィキペディアにアクセスするようになっているため、ウェブクローラーによるデータ収集行為は、ウィキペディアのサーバーに大きな負担をかけています。

Kaggleのパートナーシップ責任者であるBrenda Flynn氏は、Kaggleがウィキメディア財団のデータのホスティングプラットフォームとなることを非常に嬉しく思っていると述べています。彼女は、Kaggleはデータのアクセシビリティ、可用性、実用性を維持し、より広範な機械学習コミュニティに貢献することに尽力していると指摘しました。

今回の連携により、ウィキペディアは自身の資源を保護するだけでなく、中小企業や独立系データサイエンティストにもより便利なアクセス方法を提供し、人工知能の発展と応用を促進しています。

要点：

🌐 ウィキペディアとKaggleが連携し、英語とフランス語の構造化データセットを公開。AIによるウェブクローラーによるデータ収集行為の削減を目指しています。  

🗂️ データセットには、研究概要、簡単な説明、画像リンクなどが含まれ、オープンライセンスで提供。AI開発者が容易に使用できます。  

🔧 Kaggleはデータのアクセシビリティを維持し、中小企業や独立系データサイエンティストの研究を支援することを約束しています。