Wikidatasta vauhtia GEO- eli tekoälyoptimointiin?

Viime syksynä osallistuin viiden tunnin Wikidata-koulutukseen, jonka Wikimedia UK tarjosi kouluttajilleen. Kiitos siitä! ❤️ Koulutuksen jälkeen olin aivan liekeissä: tätä tietoa haluan välittää Suomessa. Koulutuksen näkökulma oli muistiorganisaatiot, GLAM-organisaatiot, ja siksi lähdin itsekin tarjoamaan Wikidata-osaamistani siihen suuntaan. 

Wikidata ei ole suunnattu tavallisille ihmisille, mutta Wikidatasta saa hakukyselyillä valtavan määrän tietoa, jota ei löydy mistään muualta. Se sopisi siis esimerkiksi tutkijoiden työkaluksi. Ymmärrettävistä syistä (lue: pienet resurssit) yhteydenottoni eivät johtaneet mihinkään. Harmi.

Viime aikoina olen kuitenkin löytänyt enemmän vastakaikua Wikidatalle, kun olen kertonut asiasta muutamille asiakkailleni yrityksissä ja julkisissa organisaatioissa. Wikidatan kautta tieto päätyy tekoälyn jauhettavaksi, eikä se välitä alustan teknisyydestä, päinvastoin. 😁 

Luulen, ettei missään vielä kouluteta yrityksille sitä, miten ne voisivat tehdä tekoälyoptimointia Wikidatan avulla. Valmista koulutuspakettia minullakaan ei ole, mutta sen sijaan on intoa opetella asiaa yhä useamman tahon kanssa. Näin nimittäin viime viikolla yhden silmiä avaavan esimerkin: Wikidataa osataan jo hyödyntää, kun tarve on suuri.

Wikidatassa ei ole niin suuri merkittävyyskynnys kuin Wikipediassa. Esimerkiksi minulla on siellä oma item:

Johanna Janhonen kuuluu ihmisten (Q5) porukkaan.

Lisäsin itseni Wikidataan alunperin päästäkseni vierailevien wikipedistien listalle.

Miettiessäni sitä, millaista koulutusta Wikidatan ja tekoälyn yhteiselosta on tarjolla, törmäsin tuoreeseen uutiseen. Tämän kuun alussa Wikimedia Deutschland, Wikidatan luoja ja yksi Wikimedia-liikkeen suurimmista toimijoista Wikimedia-liikkeessä, teki uuden avauksen. Wikidata Embedding Project käyttää vektoripohjaista semanttista hakua, joka auttaa tietokoneita ymmärtämään sanojen välisiä suhteita. Uuden MCP-protokollan avulla LLM-palveluiden on entistä helpompi hyödyntää Wikidataa. Protokolla on kehitetty yhteistyössä neuraalihakuihin keskittyneen Jina.AI:n ja IBM:n omistaman DataStax-yhtiön kanssa.

Wikidatassa on yli 136 miljoonaa entryä. Uusin niistä oli 

35th Street Pedestrian Bridge (Q136522782) . 

Wikidata-kehittäjien huumorintajusta kertoo, että Q1 on universumi, Q2 maa, Q3 elämä, Q4 kuolema, Q5 ihminen, Q6, Q7, Q9 ja Q10 ovat tyhjiä, mutta Q8 merkitsee onnellisuutta. Arvaatko, mitä Q42 tarkoittaa tai mikä on Suomen numero?

Otapa siis yhteyttä, jos haluat miettiä kanssani sitä, miten voisimme kehittää teidän näkyvyyttänne Wikidatassa.