開放可獲取、完整、細顆粒、及時、可機讀、結構化數(shù)據(jù)，對疫情防控尤為重要。

疫情防控，科技公司一直在行動。

在全球疫情蔓延的情況下，3月31日，谷歌啟動了一項名為“COVID－19 Public Datasets（新型冠狀病毒公共數(shù)據(jù)集）”的項目，托管一個與疫情相關的公共數(shù)據(jù)資料庫，并免費向外界開放，用戶可以自由訪問，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·霍普金斯大學系統(tǒng)科學與工程中心）數(shù)據(jù)集、世界銀行的全球健康數(shù)據(jù)和OpenStreetMap數(shù)據(jù)，它們都被存儲在了Google Cloud 上，并帶有“COVID－19 ”標簽，研究人員可以免費訪問和查詢，并通過BigQuery ML服務（一個完全托管的數(shù)據(jù)倉庫）直接在內(nèi)部使用這些數(shù)據(jù)訓練高級機器學習模型，直至2020年9月15日。

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

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

疫情之下，開放數(shù)據(jù)集意味著什么？

數(shù)據(jù)統(tǒng)計顯示，截至到昨日下午2點，全球COVID－19病毒確診感染人數(shù)已超72萬人，死亡人數(shù)達3．4萬人。

但與此同時，正因數(shù)據(jù)量龐大、分散，研究人員面臨著極高強度的數(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，也在一定程度上讓大眾對疫情了解不夠全面。也因此，開放可獲取、完整、細顆粒、及時、可機讀、結構化數(shù)據(jù)尤為重要。

此前，為加強全球疫情防控聯(lián)動，多個科技界、學術界機構便聯(lián)合推出了一個公開數(shù)據(jù)集“CORD－19”，其中涵蓋了截至3月13日之前的近3萬篇新型冠狀病毒相關論文，以及針對文本進行優(yōu)化的文本處理工具包SciSpacy、在科學文本上進行預訓練的BERT模型SciBERT、開放研究語料庫和API等。

而針對谷歌的“COVID－19 Public Datasets”數(shù)據(jù)集，Descartes Labs的工程主管Sam Skillman評論稱，“谷歌在BigQuery中開放并提供COVID－19數(shù)據(jù)將極大的推動研究人員進行數(shù)據(jù)分析，特別是免費查詢服務的推出，會吸引更多人參與到這一項目中來，這對全球數(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。”