開(kāi)放可獲取、完整、細(xì)顆粒、及時(shí)、可機(jī)讀、結(jié)構(gòu)化數(shù)據(jù)，對(duì)疫情防控尤為重要。

疫情防控，科技公司一直在行動(dòng)。

在全球疫情蔓延的情況下，3月31日，谷歌啟動(dòng)了一項(xiàng)名為“COVID－19 Public Datasets（新型冠狀病毒公共數(shù)據(jù)集）”的項(xiàng)目，托管一個(gè)與疫情相關(guān)的公共數(shù)據(jù)資料庫(kù)，并免費(fèi)向外界開(kāi)放，用戶可以自由訪問(wèn)，以及自由分析其中的數(shù)據(jù)信息。

“COVID－19 Public Datasets”是什么？

據(jù)項(xiàng)目官方解釋，“COVID－19 Public Datasets”中的數(shù)據(jù)，囊括了JHU CSSE（約翰·霍普金斯大學(xué)系統(tǒng)科學(xué)與工程中心）數(shù)據(jù)集、世界銀行的全球健康數(shù)據(jù)和OpenStreetMap數(shù)據(jù)，它們都被存儲(chǔ)在了Google Cloud 上，并帶有“COVID－19 ”標(biāo)簽，研究人員可以免費(fèi)訪問(wèn)和查詢，并通過(guò)BigQuery ML服務(wù)（一個(gè)完全托管的數(shù)據(jù)倉(cāng)庫(kù)）直接在內(nèi)部使用這些數(shù)據(jù)訓(xùn)練高級(jí)機(jī)器學(xué)習(xí)模型，直至2020年9月15日。

谷歌方面表示，“COVID－19 Public Datasets”的啟動(dòng)是為了更好的為‘以教育和研究為目的’的工作者提供賦能服務(wù)，我們不會(huì)加入或管理PHI（一個(gè)致病菌的數(shù)據(jù)庫(kù)）或PII（個(gè)人驗(yàn)證信息）數(shù)據(jù)，希望盡最大努力阻止疫情蔓延。

不過(guò)需要注意的是，如果用戶要將“COVID－19 Public Datasets”和其它非新冠病毒數(shù)據(jù)集結(jié)合使用，那么BigQuery Sandbox將以字節(jié)為計(jì)，在每月的免費(fèi)額僅有10GB存儲(chǔ)空間和1TB查詢空間之外，超出部分則按量收費(fèi)。

疫情之下，開(kāi)放數(shù)據(jù)集意味著什么？

數(shù)據(jù)統(tǒng)計(jì)顯示，截至到昨日下午2點(diǎn)，全球COVID－19病毒確診感染人數(shù)已超72萬(wàn)人，死亡人數(shù)達(dá)3．4萬(wàn)人。

但與此同時(shí)，正因數(shù)據(jù)量龐大、分散，研究人員面臨著極高強(qiáng)度的數(shù)據(jù)分析工作。除此之外，數(shù)據(jù)信息的不完整和部分不公開(kāi)，也在一定程度上讓大眾對(duì)疫情了解不夠全面。也因此，開(kāi)放可獲取、完整、細(xì)顆粒、及時(shí)、可機(jī)讀、結(jié)構(gòu)化數(shù)據(jù)尤為重要。

此前，為加強(qiáng)全球疫情防控聯(lián)動(dòng)，多個(gè)科技界、學(xué)術(shù)界機(jī)構(gòu)便聯(lián)合推出了一個(gè)公開(kāi)數(shù)據(jù)集“CORD－19”，其中涵蓋了截至3月13日之前的近3萬(wàn)篇新型冠狀病毒相關(guān)論文，以及針對(duì)文本進(jìn)行優(yōu)化的文本處理工具包SciSpacy、在科學(xué)文本上進(jìn)行預(yù)訓(xùn)練的BERT模型SciBERT、開(kāi)放研究語(yǔ)料庫(kù)和API等。

而針對(duì)谷歌的“COVID－19 Public Datasets”數(shù)據(jù)集，Descartes Labs的工程主管Sam Skillman評(píng)論稱，“谷歌在BigQuery中開(kāi)放并提供COVID－19數(shù)據(jù)將極大的推動(dòng)研究人員進(jìn)行數(shù)據(jù)分析，特別是免費(fèi)查詢服務(wù)的推出，會(huì)吸引更多人參與到這一項(xiàng)目中來(lái)，這對(duì)全球數(shù)據(jù)共享、提升數(shù)據(jù)分析能力、普及病毒信息非常有幫助。”