Проект ProtoStar: новый шаг к доступности научных данных для исследований в области ИИ

Проект ProtoStar — это инициатива, объединяющая университеты, исследовательские организации, промышленность и сообщество открытой науки с целью упростить доступ к научным данным, моделям и коду, финансируемым из государственного бюджета. Основная цель проекта заключается в том, чтобы сделать эти ресурсы более доступными и пригодными для повторного использования, особенно в контексте исследований, связанных с искусственным интеллектом.

Цели и задачи ProtoStar

ProtoStar стремится разблокировать потенциал научных данных, финансируемых государством, обеспечивая их доступность в форматах, готовых для использования в ИИ. Инициатива включает в себя сотрудничество с такими учреждениями, как Университет Карнеги-Меллона, Университет Пердью, Технологический институт Джорджии, Университет штата Аризона и Университет Джорджа Вашингтона. Эти организации работают через Open Forum for AI (OFAI) как университетский партнер, а также с Astera Institute и Hugging Face в качестве инфраструктурного партнера.

Поддержка открытых данных

Участники проекта формализуют свое участие через меморандум о взаимопонимании, который поддерживает публикацию научных данных, моделей и кода в форматах, пригодных для ИИ, на открытой инфраструктуре. Организации, заинтересованные в присоединении к ProtoStar, могут обратиться по адресу protostar@orcaopen.org.

Обеспечение доступности научных данных

Каждый год федеральное правительство США инвестирует около 190 миллиардов долларов в исследования и разработки, и политика все чаще требует, чтобы результаты были доступны для общественности. Такие агентства, как Национальные институты здравоохранения (NIH) и Национальный научный фонд (NSF), усиливают требования к открытости публикаций и требуют от исследователей планировать публикацию исходных данных. Однако простое размещение исследований в открытом доступе не делает их автоматически удобными для использования. Научные данные, модели и код часто разбросаны по несовместимым системам, хранятся в устаревших форматах или публикуются без необходимой документации и метаданных. Эти ограничения затрудняют возможность для исследователей строить на основе существующих работ и для ИИ-систем находить, интерпретировать и комбинировать научные ресурсы из разных дисциплин.

Упрощение повторного использования данных

ProtoStar нацелен на устранение этого разрыва, поощряя систематическое размещение научных артефактов в форматах, готовых для ИИ, поддерживаемых открытой инфраструктурой и практическими рекомендациями по публикации. Инициатива строится на таких усилиях, как AI Data-Readiness Challenge от Национального института рака и руководство Hugging Face по подготовке данных государственного сектора для ИИ.

Растущий интерес к повторному использованию

Спрос на повторно используемые научные ресурсы уже очевиден. Hugging Face размещает более 17,000 общедоступных наборов данных в основных научных областях, включая геномику, проектирование белков, химию и астрономию. Это число приближается к 29,000, если включить медицину и математику, а также сопоставимое количество научных моделей. Темпы обмена данными также ускоряются: в первые девять месяцев 2026 года исследователи поделились более чем в три раза большим количеством новых научных наборов данных на Hugging Face по сравнению с тем же периодом 2025 года.

Открытые научные вызовы

Создание научных артефактов, готовых для ИИ, — это важный первый шаг. ProtoStar также стремится продемонстрировать, что могут достичь исследователи и разработчики, когда эти ресурсы становятся доступными для повторного использования. Вопрос, который стоит перед ProtoStar: могут ли научные наборы данных, модели и код, финансируемые государством и выпущенные в форматах, готовых для ИИ, быть легко обнаружены, использованы, объединены и расширены для ускорения научных открытий и общественной пользы?

Первый вызов: Интеллект в области климатических рисков

Первый вызов ProtoStar, который пройдет с 2 по 13 ноября 2026 года, будет организован Университетом Карнеги-Меллона. Участники будут тестировать, может ли ИИ улучшить прогнозы климатических условий в городах, используя исторические данные о погоде из 210 городов США. Команды будут использовать климатические записи до 2018 года для прогнозирования фактических условий с 2019 по 2026 год, что позволит оценить их модели на основе наблюдаемых данных. Участники будут прогнозировать четыре показателя, важных для городского планирования: средняя годовая температура, общее количество осадков за год, самый жаркий день года и степень охлаждения, которая отражает спрос на кондиционирование воздуха. Прогнозы будут сравниваться с простыми статистическими базами, включая исторические средние значения и линейные тренды, чтобы оценить, предлагают ли подходы на основе ИИ значительные улучшения в точности.

Как присоединиться к ProtoStar

ProtoStar предлагает возможности для академических исследователей, студентов, независимых разработчиков и компаний, работающих с открыственной научной инфраструктурой, чтобы использовать научные исследования, финансируемые государством, и помочь в изучении того, что необходимо для более широкого использования открытой науки, готовой для ИИ. Мы также приветствуем университеты, федеральные исследовательские агентства, национальные лаборатории и другие исследовательские организации, заинтересованные в повышении доступности и повторного использования своих научных ресурсов.