2018年12月18日Google 被迫關閉了 Dragonfly 使用的一個數據分析系統，該數據分析系統關聯 Google 旗下的 265.com 導航網站，Google 通過中國用戶在 265.com 上的搜索查詢來構建 Dragonfly 原型。原項目員工也被分配至其他地區(qū)的搜索項目組。在內部爆發(fā)沖突之后，Google 秘密的中國搜索項目事實上終止了。GoogleCEO桑達爾·皮查伊也在近日舉辦的國會聽證中明確表示：“目前沒有在中國推出搜索引擎的計劃。”
然而2018年9月6日繼 Google Scholar（Google 學術搜索）之后，Google 為科研工作者推出了一款重磅產品—— Google Dataset Search（Google 數據集搜索）。
網址：https://toolbox.google.com/datasetsearch
為什么說這款產品如此重要？因為數據從未如此重要。由于深度學習的興起，AI 研究員需要大量的數據來訓練他們的模型，吳恩達就曾表示，深度學習像火箭，計算是引擎，數據是燃料。有時候，數據可能比算法更重要。
然而，數據集和相關數據往往分布在網上的多個數據存儲區(qū)中。在大多數情況下，搜索引擎既無法提供這些數據庫相關信息的鏈接，也不會將這些信息編入索引，這會導致數據尋找變得無比繁瑣，或者在某些情況下無法實現。
一些掌握了大量數據的互聯網公司也因此擁有很大的優(yōu)勢，而高校的學者除了一些公開的知名數據集，想要擁有大量的數據則非常困難，因此 Google 的這款產品可謂是及時雨。當然，其他需要各種數據的工作者也能從中受益。
Google Dataset Search 為用戶提供了能夠同時搜索多個存儲區(qū)的單個界面，希望借此改變用戶發(fā)布和運用數據的方式。
現在，就讓我們來一起看下這款搜索工具。
與 Google Scholar 類似，Google Dataset Search 可方便用戶查找托管在任何位置的數據集，無論是出版網站、數字圖書館還是作者的個人網頁。
為了創(chuàng)建 Dataset Search，Google 還為數據集提供方制定了一套數據指南（https://developers.google.com/search/docs/data-types/dataset）。這些指南包括有關數據集的重要信息：數據集的作者，發(fā)布時間，數據收集方式，使用數據的條款等等。然后，Google 收集并鏈接這些信息，分析同一數據集的不同版本可能在哪里，并找到可能描述或討論這一數據集的出版物。
Google 的指南是基于一個數據集的開放標準（schema.org），任何發(fā)布數據的人都可以通過這種方式描述他們的數據集。
在這個新版本中，用戶可以找到很多環(huán)境和社會科學相關的數據集，以及其他學科的數據，包括政府數據和新聞機構提供的數據，如 ProPublica。隨著越來越多的數據倉庫使用 schema.org 標準來描述他們的數據集，Google Dataset Search 能夠搜索到的數據集的種類和覆蓋面將持續(xù)增長。
目前 Google Dataset Search 已經支持多種語言，筆者嘗試了下，除了英文，還支持中文。
（以上文章被中國計算網收錄于2018年12月19日，轉自AI科技大本營，歡迎CAE與計算機行業(yè)人士投稿于中國計算網）
搜索微信公眾號： cncompute_Mall 直接關注，更多驚艷的資訊等你來關注~您也可以來投稿~
搜索微信公眾號： cncompute_Mall 直接關注，更多驚艷的資訊等你來關注~您也可以來投稿~