Инициатива, объединяющая университеты, исследовательские организации, индустрию и сообщество открытой науки, чтобы сделать финансируемые государством исследования более доступными для поиска, повторного использования и дальнейшего развития.
Сегодня мы анонсируем Project ProtoStar — инициативу, направленную на раскрытие потенциала финансируемых государством научных исследований за счет повышения доступности и пригодности для повторного использования наборов данных, моделей и кода, особенно для исследований на базе ИИ. ProtoStar объединяет исследовательские институты, индустрию и сообщество открытой науки для поддержки публикации научных материалов в форматах, готовых к ИИ и пригодных для машинной обработки, а также для демонстрации их ценности с помощью серии открытых соревнований. Первое соревнование, проводимое при поддержке Carnegie Mellon University, открывается 2 ноября. См. раздел «Как принять участие» ниже.
Среди основателей инициативы: Carnegie Mellon University, Purdue University, Georgia Institute of Technology, Arizona State University и The George Washington University, которые работают через коалицию университетов Open Forum for AI (OFAI); Astera Institute; Hugging Face в качестве партнера по инфраструктуре; и Open Research Community Accelerator (ORCA) через свою Fostering Innovation Network в качестве партнерского сообщества.
Участвующие организации оформляют свое участие с помощью меморандума о взаимопонимании, поддерживающего публикацию подходящих научных наборов данных, моделей и кода в готовых к ИИ форматах на открытой инфраструктуре. Организации, желающие присоединиться к Project ProtoStar, могут обратиться по адресу protostar@orcaopen.org.
Повышение практической ценности финансируемой государством науки
Федеральное правительство США инвестирует примерно $190 billion annually in research and development, и федеральная политика все больше ожидает открытого обнародования результатов. Такие агентства, как National Institutes of Health (NIH) и National Science Foundation (NSF), ужесточили требования к общественному доступу к финансируемым исследовательским публикациям и требуют от исследователей планировать обмен исходными данными. Hugging Face входит в число десяти универсальных репозиториев, указанных NIH для обмена исследовательскими данными.
Но сделать исследования общедоступными еще не значит сделать их пригодными к использованию. Научные наборы данных, модели и код часто разбросаны по несовместимым системам, хранятся в статических или устаревших форматах либо публикуются без документации, метаданных и информации о происхождении, необходимых для их понимания и повторного использования. Эти ограничения затрудняют для исследователей развитие существующих наработок, а для систем ИИ — обнаружение, интерпретацию и объединение научных ресурсов из разных дисциплин.
Project ProtoStar призван помочь преодолеть этот разрыв, поощряя систематический обмен финансируемыми государством научными материалами в форматах, готовых к ИИ, при поддержке открытой инфраструктуры и практических рекомендаций по публикации. Проект опирается на такие инициативы, как AI Data-Readiness Challenge Национального института рака и руководство Hugging Face по подготовке данных государственного сектора для ИИ. Цель состоит в том, чтобы исследовательским организациям было проще соответствовать существующим ожиданиям общественного доступа, одновременно повышая научную ценность публикуемых ими работ.
Спрос на повторно используемые научные ресурсы уже очевиден. Hugging Face размещает более 17 000 общедоступных наборов данных в ключевых научных областях, включая геномику, дизайн белков, химию, погоду и климат, наблюдения Земли и астрономию. Эта цифра приближается к 29 000, если включить медицину и математику, наряду с сопоставимым числом научных моделей.
Темпы обмена данными также ускоряются. За первые девять месяцев 2026 года исследователи поделились на Hugging Face более чем в три раза большим количеством новых научных наборов данных, чем за тот же период 2025 года, причем рост остается значительным даже после исключения крупнейшего индивидуального загрузчика.
Рисунок 1. Новые общедоступные научные наборы данных на Hugging Face по кварталам, в разрезе областей (I квартал 2023 г. — III квартал 2026 г.). Учитываются наборы данных, остающиеся общедоступными, по дате создания. Источник: данные Hugging Face Hub, октябрь 2026 г. Изучить данные.
Когда организации делятся исследованиями в форматах, пригодных для повторного использования, научное сообщество может развивать их в больших масштабах. По состоянию на 26 октября 2026 года 18 публичных репозиториев, поддерживаемых Национальным центром биотехнологической информации (NCBI) NIH на Hugging Face, в совокупности получили более 11 миллионов загрузок, в то время как 27 репозиториев NASA IMPACT получили около 770 000 загрузок. Документация также является важной частью обеспечения полезности этих ресурсов: 90% of dataset downloads on Hugging Face are from fully documented datasets.
Общедоступные геномные данные доказали свою значимость для исследований, способствующих дальнейшему продвижению таких областей, как биологические исследования; исследователи Hugging Face опирались на открытые научные ресурсы, включая недавние релизы от HuggingFaceBio, такие как Carbon-A и Carbon-X. Публикуя полученные модели, наборы данных и инструменты в открытом доступе, эти инициативы демонстрируют, как существующие научные ресурсы могут поддерживать новые исследования, на которых другие могут строить свои работы.
Именно такую деятельность мы дополнительно стимулируем с помощью Project ProtoStar через институциональные политики, принимаемые участвующими организациями. В качестве раннего примера институциональной приверженности Офис открытого исходного кода CMU поощряет своих исследователей делиться подходящими наборами данных, моделями ИИ и другими результатами исследований на Hugging Face, признавая при этом сохраняющуюся важность предметно-ориентированных репозиториев.
Соревнования по открытой науке
Сделать научные материалы готовыми к ИИ — важный первый шаг. Мы также хотим продемонстрировать, чего исследователи, разработчики и более широкое научное сообщество могут добиться, когда эти ресурсы становятся доступными для повторного использования.
Центральный вопрос для ProtoStar: можно ли легко обнаружить, повторно использовать, объединить и расширить финансируемые государством научные наборы данных, модели и код, выпущенные в готовых к ИИ форматах, чтобы ускорить научные открытия и принести пользу обществу?
Чтобы изучить это, ProtoStar организует серию открытых соревнований, каждое из которых проводится при участии научно-исследовательского института и строится вокруг научных ресурсов, которые это учреждение опубликовало в открытом доступе. Соревнования преследуют две взаимодополняющие цели:
- Продемонстрировать научное повторное использование. Получить конкретные примеры того, как исследователи и разработчики используют финансируемые государством научные материалы, включая приложения, объединяющие ресурсы разных институтов или дисциплин.
- Узнать, что делает повторное использование возможным. Выявить технические барьеры, пробелы в документации, проблемы совместимости и успешные практики, которые могут лечь в основу будущей исследовательской инфраструктуры, решений о финансировании и государственной политики.
Полученные проекты и извлеченные уроки помогут создать практическую доказательную базу для того, чтобы сделать финансируемую государством науку более доступной и полезной.
Первое соревнование: Climate Risk Intelligence
Проводится при поддержке Carnegie Mellon University | 2–13 ноября 2026 г.
Первый конкурс ProtoStar предлагает участникам проверить, может ли искусственный интеллект улучшить прогнозирование климатических условий в городах с использованием исторических данных о погоде из 210 городов США. Опираясь на исследование Университета Карнеги — Меллона, команды будут использовать климатические записи по 2018 год для прогнозирования фактических условий с 2019 по 2026 год, что позволит оценить их модели на основе реальных погодных условий, а не гипотетических будущих сценариев.
Участники спрогнозируют четыре показателя, важных для городского планирования: среднюю годовую температуру, общее годовое количество осадков, самый жаркий день года и градусо-дни охлаждения (мера спроса на кондиционирование воздуха). Их прогнозы будут сопоставлены с простыми статистическими базовыми показателями, включая исторические средние значения и линейные тренды, чтобы оценить, обеспечивают ли подходы на основе ИИ значительное повышение точности.
Помимо прогнозирования, участники также предложат краткую идею политики адаптации к изменению климата, основанную на выводах, полученных из данных. Этот компонент побуждает команды связывать научный анализ с практической пользой для общества, например с подготовкой городов к экстремальной жаре, повышением энергоэффективности или управлением изменяющимися режимами выпадения осадков.
Команды отправят набор данных на платформе Hugging Face с этими результатами. Эффективность прогнозирования будет оцениваться по публичной таблице лидеров, измеряющей ошибки прогнозирования по сравнению с установленными базовыми показателями, в то время как идеи политики будут рассматриваться отдельно. Окончательные результаты прогнозирования будут опубликованы в начале 2027 года, когда будут доступны полные данные о погоде за 2026 год.
Исследуйте конкурс CMU Climate Risk Intelligence Challenge
Конкурс CMU является первым в этой серии. Другие участвующие учреждения проведут свои собственные конкурсы последовательно, причем каждый из них подчеркивает различные общедоступные научные ресурсы и возможности их повторного использования. О будущих конкурсах будет объявлено на странице проекта ProtoStar в Hugging Face.
Как присоединиться к проекту ProtoStar
Независимо от того, являетесь ли вы академическим исследователем, студентом, независимым разработчиком или компанией, создающей продукты на базе открытой научной инфраструктуры, ProtoStar предоставляет возможности заставить финансируемые государством исследования работать и помочь нам понять, что необходимо для того, чтобы сделать открытую науку, готовую к внедрению ИИ, более полезной.
Мы также приветствуем университеты, федеральные исследовательские агентства, национальные лаборатории, некоммерческие и другие исследовательские организации, заинтересованные в том, чтобы сделать свои научные ресурсы более доступными и пригодными для повторного использования. Чтобы обсудить участие или сотрудничество, обращайтесь по адресу protostar@orcaopen.org.
Мы надеемся, что ProtoStar облегчит доступ финансируемых государством научных разработок к людям и инструментам, которые могут их использовать, одновременно получая практические свидетельства об инфраструктуре и практиках, необходимых для поддержки открытой науки в больших масштабах.
