گوگل و هاروارد در حال همکاری برای ایجاد کتابخانه ای متشکل از 1 میلیون کتاب برای آموزش هوش مصنوعی هستند. در این مجموعه از کتاب های نویسندگان مشهوری چون چارلز دیکنز و ویلیام شکسپیر نیز استفاده شده است که به دلیل تاریخ انتشار دیگر مشمول قانون کپی رایت نمی شوند و جزو آثار عمومی محسوب می شوند.
اطلاع رسانی کند کابل کشیاین پروژه با هدف ارائه مجموعه داده ای برای آموزش مدل های هوش مصنوعی به ویژه با تمرکز بر توسعه مدل های زبان طبیعی ایجاد می شود. هوش مصنوعی متمرکز است. این داده ها به محققان، استارت آپ ها و شرکت های هوش مصنوعی کمک می کند تا مدل های خود را بهبود بخشند و آموزش دهند.
مایکروسافت و OpenAI در پروژه داده کاوی گوگل-هاروارد برای آموزش هوش مصنوعی همکاری می کنند
این مجموعه داده که به عنوان سازمان داده‌های ابتکاری یا IDI شناخته می‌شود، از پروژه Google Books می‌آید. پروژه ای که سال هاست کتاب های مختلف را اسکن و دیجیتالی می کند. به گفته منابع، این مجموعه داده در حال حاضر آماده انتشار نیست و البته هنوز زمان دقیق انتشار آن مشخص نیست. با این حال گفته می شود که گوگلبه عنوان یکی از شرکای اصلی، در این پروژه شرکت می کند و داده های این پروژه بخشی از دستاوردهای Google Books خواهد بود.
علاوه بر گوگل و هاروارد، شرکت های بزرگ فناوری مانند مایکروسافت و هوش مصنوعی را باز کنید آنها نیز به عنوان سرمایه گذاران اصلی در این پروژه حضور دارند. گرگ لپرت، مدیر اجرایی پروژه IDI، هدف از این پروژه را هم سطح کردن رقابت در زمینه آموزش مدل های زبان طبیعی عنوان کرد. به گفته وی، این مجموعه داده که اطلاعات باکیفیت را در اختیار تمامی محققان و توسعه دهندگان به ویژه در زمینه مدل های زبان بزرگ (LLM) قرار می دهد، می تواند سطح شایستگی و همچنین وابستگی محدود به منابع تجاری را کاهش دهد .
از آنجایی که این داده ها از کتاب های قدیمی در دسترس عموم تشکیل شده است، می توان گفت که در آینده نزدیک این پروژه به عنوان یک مرجع معتبر برای استفاده در تحقیق، توسعه و آموزش هوش مصنوعی در نظر گرفته خواهد شد. این می تواند در افزایش ظرفیت و کارایی مدل های زبان طبیعی موجود کمک زیادی کند.
بیشتر بخوانید: