Wikipedia lanza un conjunto de datos para entrenar la inteligencia artificial
SOCIEDAD
Son gratuitos y abiertos, en inglés y francés, para evitar el tráfico no humano que suponía un mayor coste de uso y mantenimiento
18 abr 2025 . Actualizado a las 12:31 h.Wikimedia Foundation ha decidido crear un conjunto de datos estructurados que ha puesto a disposición de la comunidad dedicada al aprendizaje automático, para que puedan usarlos en el entrenamiento de sus modelos de IA.
La organización responsable de la popular enciclopedia digital, Wikipedia, alertó recientemente de un aumento del tráfico procedente de programas automatizados para descargar sus contenidos y usarlos en el entrenamiento de modelos de inteligencia artificial.
Esto estaba repercutiendo su capacidad de operar, ya que tenían que dedicar más tiempo y recursos a responder al tráfico no humano, lo que suponía un mayor coste de uso y mantenimiento de las infraestructuras.
Ahora, ha anunciado la creación de un conjunto de datos estructurados de Wikipedia que ha compartido en Kaggle de manera gratuita y abierta, para que pueda puedan usarse en «el entrenamiento de modelos, la construcción de características y para probar canales de procesamiento de lenguaje natural», como explica en un comunicado.
Los datos se han compartido en un formato que pueden leer los ordenadores, en inglés y francés, e incluyen «resúmenes, descripciones breves, datos clave-valor de estilo infobox, enlaces de imágenes y secciones de artículos claramente segmentadas».