AWS ha annunciato un nuovo strumento open source che consente agli assistenti basati su intelligenza artificiale di accedere in linguaggio naturale all’AWS Registry of Open Data (RODA), uno dei principali cataloghi mondiali di dati scientifici pubblici.
Presentato durante l’AI for Good Summit delle Nazioni Unite, svoltosi a Ginevra dal 7 al 10 luglio, il progetto si basa su un server MCP e riduce e drasticamente il tempo necessario per individuare i dataset da utilizzare nelle attività di ricerca, trasformando un processo spesso manuale in una conversazione con l’assistente AI.
Oltre 1.100 dataset disponibili
L’AWS Registry of Open Data raccoglie oggi oltre 1.100 dataset messi a disposizione da più di 400 organizzazioni, tra cui NASA, NOAA, National Institutes of Health (NIH) e Allen Institute. Complessivamente ospita centinaia di petabyte di dati utilizzati in settori quali climatologia, osservazione della Terra, genomica, geospaziale e scienze della vita.
Sebbene il catalogo sia pubblico e gratuito, individuare il dataset corretto richiede spesso un lavoro preliminare significativo. Un ricercatore deve consultare cataloghi tecnici, verificare le licenze, individuare il repository corretto, comprenderne la struttura e provare diversi dataset prima di stabilire quale sia realmente adatto al proprio studio.
Il server MCP permette di svolgere questo processo in linguaggio naturale. È possibile chiedere, ad esempio, quali dataset siano disponibili per il monitoraggio della deforestazione oppure quali dataset genomici siano distribuiti con licenza Creative Commons, ricevendo immediatamente i risultati più pertinenti corredati da descrizioni, informazioni sulle licenze e riferimenti ai dataset disponibili.
Ricerca, esplorazione e valutazione dei dataset
Il server sviluppato da AWS organizza le proprie funzionalità in tre aree: discovery, exploration ed evaluation.
La fase di discovery permette di individuare i dataset attraverso domande in linguaggio naturale. Con exploration l’assistente recupera metadati dettagliati e suggerisce dataset correlati che potrebbero essere utili alla ricerca. Infine, la fase di evaluation consente di esaminare il dataset prima ancora di utilizzarlo, mostrando la struttura del bucket Amazon S3 che lo ospita, l’organizzazione dei file e un campione del loro contenuto.
In questo modo il ricercatore può verificare rapidamente come sono organizzati i dati, quali formati vengono utilizzati e se il dataset sia realmente adatto al proprio lavoro prima di scaricare grandi quantità di informazioni o avviare elaborazioni più complesse.
Il server è compatibile con gli assistenti AI che supportano MCP, tra cui Kiro e Claude Code, ma può essere utilizzato con qualsiasi applicazione conforme allo standard.
Un progetto open source
Il RODA MCP Server viene distribuito come progetto open source con licenza Apache 2.0. AWS rende disponibili pubblicamente il codice sorgente, la documentazione e le istruzioni di installazione attraverso il repository GitHub.
Il server può essere integrato negli assistenti compatibili con MCP come qualsiasi altro server del protocollo. Una volta integrato, l’assistente è in grado di interrogare il catalogo RODA, recuperare informazioni sui dataset, ispezionarne l’organizzazione e campionare i file senza che il ricercatore debba consultare manualmente cataloghi o repository. Ulteriori dettagli tecnici sono disponibili nel blog del team Open Source di AWS.
L’iniziativa si inserisce nell’AWS Open Data Sponsorship Program, attraverso il quale AWS sostiene i costi di archiviazione dei dataset ospitati sulla propria infrastruttura, consentendone l’accesso gratuito alla comunità scientifica.
Dall’innalzamento dei mari alla genomica
I dataset presenti nel Registry of Open Data vengono utilizzati in numerosi progetti di ricerca, dalla modellazione dell’innalzamento del livello dei mari al monitoraggio delle epidemie, dagli studi sulla perdita di biodiversità fino alle ricerche sul genoma umano.
Per AWS, semplificare l’individuazione e la valutazione di questi dati significa consentire ai ricercatori di dedicare meno tempo alle attività preliminari e più tempo alle analisi scientifiche, indipendentemente dalle dimensioni dell’istituzione di appartenenza o dalle risorse tecniche disponibili.
Commenta Werner Vogels, Chief Technology Officer di Amazon: “Gli open data rappresentano il fondamento del progresso scientifico, ma trovare il dataset giusto non dovrebbe richiedere competenze tecniche specialistiche. Questo strumento mette l’intelligenza artificiale al servizio dei ricercatori di tutto il mondo, che si occupino di cambiamento climatico, di mappare la diffusione delle malattie o di sequenziare genomi, consentendo loro di dedicare meno tempo alla ricerca dei dati e più tempo a realizzare scoperte a beneficio di tutti”.
Tra i primi esempi di adozione figura Element 84, azienda statunitense specializzata nello sviluppo di piattaforme software per l’analisi di dati geospaziali e di osservazione della Terra. L’azienda ha integrato il RODA MCP Server nella piattaforma Queryable Earth, che utilizza l’AI per interrogare immagini satellitari e altri dataset geospaziali.
Dan Pilone, Chief Executive Officer di Element 84, spiega: “Siamo riusciti a integrarlo rapidamente nella piattaforma Queryable Earth e ora possiamo implementare agenti in grado di individuare, visualizzare in anteprima ed elaborare dati ospitati nei repository AWS Open Data”.
Se finora il principale ostacolo era individuare rapidamente il dataset corretto, AWS punta a spostare questa attività dall’esplorazione manuale dei cataloghi all’interazione con un assistente AI. È un’evoluzione che interessa non tanto i dati in sé, quanto il modo in cui vengono scoperti, valutati e portati all’interno dei flussi di ricerca.
