2018年12月18日Google 被迫关闭了 Dragonfly 使用的一个数据分析系统，该数据分析系统关联 Google 旗下的 265.com 导航网站，Google 通过中国用户在 265.com 上的搜索查询来构建 Dragonfly 原型。原项目员工也被分配至其他地区的搜索项目组。在内部爆发冲突之后，Google 秘密的中国搜索项目事实上终止了。GoogleCEO桑达尔·皮查伊也在近日举办的国会听证中明确表示：“目前没有在中国推出搜索引擎的计划。”
然而2018年9月6日继 Google Scholar（Google 学术搜索）之后，Google 为科研工作者推出了一款重磅产品—— Google Dataset Search（Google 数据集搜索）。
网址：https://toolbox.google.com/datasetsearch
为什么说这款产品如此重要？因为数据从未如此重要。由于深度学习的兴起，AI 研究员需要大量的数据来训练他们的模型，吴恩达就曾表示，深度学习像火箭，计算是引擎，数据是燃料。有时候，数据可能比算法更重要。
然而，数据集和相关数据往往分布在网上的多个数据存储区中。在大多数情况下，搜索引擎既无法提供这些数据库相关信息的链接，也不会将这些信息编入索引，这会导致数据寻找变得无比繁琐，或者在某些情况下无法实现。
一些掌握了大量数据的互联网公司也因此拥有很大的优势，而高校的学者除了一些公开的知名数据集，想要拥有大量的数据则非常困难，因此 Google 的这款产品可谓是及时雨。当然，其他需要各种数据的工作者也能从中受益。
Google Dataset Search 为用户提供了能够同时搜索多个存储区的单个界面，希望借此改变用户发布和运用数据的方式。
现在，就让我们来一起看下这款搜索工具。
与 Google Scholar 类似，Google Dataset Search 可方便用户查找托管在任何位置的数据集，无论是出版网站、数字图书馆还是作者的个人网页。
为了创建 Dataset Search，Google 还为数据集提供方制定了一套数据指南（https://developers.google.com/search/docs/data-types/dataset）。这些指南包括有关数据集的重要信息：数据集的作者，发布时间，数据收集方式，使用数据的条款等等。然后，Google 收集并链接这些信息，分析同一数据集的不同版本可能在哪里，并找到可能描述或讨论这一数据集的出版物。
Google 的指南是基于一个数据集的开放标准（schema.org），任何发布数据的人都可以通过这种方式描述他们的数据集。
在这个新版本中，用户可以找到很多环境和社会科学相关的数据集，以及其他学科的数据，包括政府数据和新闻机构提供的数据，如 ProPublica。随着越来越多的数据仓库使用 schema.org 标准来描述他们的数据集，Google Dataset Search 能够搜索到的数据集的种类和覆盖面将持续增长。
目前 Google Dataset Search 已经支持多种语言，笔者尝试了下，除了英文，还支持中文。
（以上文章被中国计算网收录于2018年12月19日，转自AI科技大本营，欢迎CAE与计算机行业人士投稿于中国计算网）
搜索微信公众号： cncompute_Mall 直接关注，更多惊艳的资讯等你来关注~您也可以来投稿~
搜索微信公众号： cncompute_Mall 直接关注，更多惊艳的资讯等你来关注~您也可以来投稿~