Проект ProtoStar: как сделать государственные научные данные пригодными для ИИ
official-feed:Hugging Face Blog · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Hugging Face и ведущие университеты США запустили инициативу ProtoStar, направленную на стандартизацию формата научных данных для их эффективного использования в системах искусственного интеллекта. Первый открытый конкурс, организованный Карнеги-Меллонским университетом, стартует 2 ноября 2026 года.
Инициатива решает проблему несовместимости форматов государственных научных данных, что критически важно для ускорения исследований с помощью ИИ и выполнения требований по открытому доступу к результатам федеральных грантов.
Hugging Face совместно с рядом ведущих американских университетов объявила о запуске Project ProtoStar. Цель этой инициативы — сделать результаты научных исследований, финансируемых из государственных средств, более доступными и пригодными для повторного использования, особенно в контексте задач искусственного интеллекта. Проект объединяет академические учреждения, промышленность и сообщество открытой науки для продвижения публикации научных артефактов — наборов данных, моделей и кода — в машиночитаемых форматах. Ключевыми партнерами выступают Карнеги-Меллонский университет, Университет Пердью, Технологический институт Джорджии, Университет штата Аризона и Университет Джорджа Вашингтона. Инфраструктурную поддержку оказывает Hugging Face, а роль сообщества обеспечивает Open Research Community Accelerator (ORCA).
В США федеральное правительство ежегодно инвестирует около 190 миллиардов долларов в исследования и разработки. Такие агентства, как Национальные институты здоровья (NIH) и Национальный научный фонд (NSF), ужесточают требования к публичному доступу результатов этих работ. Однако, как отмечают организаторы, простое размещение данных не гарантирует их полезности. Научные ресурсы часто разбросаны по несовместимым системам, хранятся в устаревших форматах или публикуются без необходимой документации и метаданных. Это создает барьеры для исследователей и затрудняет работу ИИ-систем, которым требуется структурированный доступ к информации для ее анализа и комбинирования.
Спрос на такие ресурсы уже демонстрирует устойчивый рост. На платформе Hugging Face размещено более 17 000 публичных научных наборов данных в таких областях, как геномика, химия и климатология. Если включить медицину и математику, этот показатель приближается к 29 000. Темпы обмена данными ускоряются: за первые девять месяцев 2026 года количество новых научных датасетов выросло более чем в три раза по сравнению с аналогичным периодом 2025 года. Практическая ценность открытых данных подтверждается статистикой загрузок: 18 репозиториев Национального центра биотехнологической информации (NCBI) получили более 11 миллионов загрузок, а 27 репозиториев NASA IMPACT — около 770 000. При этом 90% загрузок приходится на полностью документированные наборы данных, что подчеркивает важность качественной описательной информации.
Для демонстрации возможностей такого подхода ProtoStar организует серию открытых конкурсов. Первый из них, который пройдет с 2 по 13 ноября 2026 года под эгидой Карнеги-Меллонского университета, посвящен прогнозированию климатических рисков. Участники должны будут использовать исторические метеоданные за период до 2018 года для предсказания реальных погодных условий в 210 городах США за период с 2019 по 2026 год. Задача включает прогнозирование четырех ключевых показателей: средней годовой температуры, общего количества осадков, самого жаркого дня и «градусо-дней охлаждения», отражающих потребность в кондиционировании воздуха.
Оценка работ будет проводиться на основе публичного лидерборда, где точность предсказаний сравнивается с простыми статистическими базовыми моделями, такими как исторические средние значения и линейные тренды. Помимо технического задания, участники должны предложить краткую идею политики адаптации к изменению климата, основанную на полученных данных. Это призвано связать научный анализ с практической пользой для городского планирования, например, в вопросах подготовки к экстремальной жаре или управления энергопотреблением. Итоговые результаты прогнозов будут опубликованы в начале 2027 года, когда станут доступны полные данные за 2026 год.
Инициатива ProtoStar также полагается на институциональные обязательства. Например, офис открытых программ Карнеги-Меллонского университета поощряет своих исследователей публиковать подходящие датасеты и модели на Hugging Face, сохраняя при этом важность специализированных репозиториев. Организаторы подчеркивают, что цель проекта — не только облегчить выполнение требований к открытому доступу, но и создать доказательную базу о том, какие инфраструктурные практики необходимы для масштабирования открытой науки. Проект рассчитан на участие академиков, студентов, независимых разработчиков и компаний, а также приглашает федеральные агентства и национальные лаборатории присоединиться к процессу.