Hugging Face объявила Project ProtoStar: открытые научные данные для ИИ

Hugging Face объявила о запуске Project ProtoStar. Это инициатива, которая объединяет университеты, исследовательские организации, индустрию и сообщество открытой науки. Её цель: сделать наборы данных, модели и код публично финансируемых исследований доступнее и пригоднее для повторного использования, прежде всего в исследованиях на основе ИИ. Для этого их предлагают выпускать в «готовых для ИИ» машиночитаемых форматах и показывать пользу таких материалов в серии открытых соревнований.

Среди партнёров-основателей: Carnegie Mellon University, Purdue University, Georgia Institute of Technology, Arizona State University и The George Washington University, которые работают через Open Forum for AI (OFAI) как университетскую коалицию; Astera Institute; Hugging Face в роли инфраструктурного партнёра; Open Research Community Accelerator (ORCA) через сеть Fostering Innovation Network как партнёр от сообщества. Организации оформляют участие меморандумом о взаимопонимании, который поддерживает выпуск подходящих научных данных, моделей и кода в таких форматах на открытой инфраструктуре. Желающие присоединиться могут написать на protostar@orcaopen.org.

Проблему авторы описывают так. Правительство США вкладывает в исследования и разработки около $190 млрд в год, а федеральная политика всё чаще ожидает публичного доступа к результатам. NIH и NSF усилили требования к открытому доступу к публикациям и требуют планировать публикацию исходных данных. Hugging Face входит в десять универсальных репозиториев из списка NIH для размещения исследовательских данных. Но публичная доступность не означает пригодности: данные, модели и код разбросаны по несовместимым системам, хранятся в статичных или устаревших форматах, выходят без документации, метаданных и сведений о происхождении. Исследователям труднее опираться на чужую работу, а ИИ-системам труднее находить, интерпретировать и сочетать научные ресурсы из разных дисциплин. ProtoStar опирается на опыт National Cancer Institute (AI Data-Readiness Challenge) и руководство Hugging Face по подготовке данных госсектора для ИИ.

Спрос, по данным Hugging Face, уже есть. На платформе размещено более 17 000 публичных наборов данных в ключевых научных областях (геномика, дизайн белков, химия, погода и климат, наблюдение Земли, астрономия); с медициной и математикой цифра приближается к 29 000, плюс сопоставимое число научных моделей. За первые девять месяцев 2026 года исследователи выложили более чем в три раза больше новых научных наборов данных, чем за тот же период 2025 года, причём рост остаётся существенным и без учёта крупнейшего отдельного загрузчика. 18 публичных репозиториев NCBI (подразделение NIH) на Hugging Face набрали более 11 млн скачиваний, 27 репозиториев NASA IMPACT, около 770 000 (на 26 октября 2026 года). По утверждению авторов, 90% скачиваний наборов данных приходится на полностью задокументированные наборы. В качестве примера повторного использования названы релизы HuggingFaceBio Carbon-A и Carbon-X, созданные на открытых геномных данных. Как ранний пример институциональной приверженности приведено Open Source Programs Office Carnegie Mellon: оно призывает сотрудников делиться подходящими данными, моделями и результатами на Hugging Face, не отрицая важности профильных репозиториев.

Первое соревнование, Climate Risk Intelligence, проводит Carnegie Mellon с 2 по 13 ноября 2026 года. Участники проверяют, способен ли ИИ улучшить прогноз городского климата по историческим данным о погоде в 210 городах США. Команды используют климатические записи до 2018 года, чтобы предсказать фактические условия 2019-2026 годов, то есть оценка идёт по реальной погоде, а не по гипотетическим сценариям. Прогнозировать нужно четыре показателя: среднегодовую температуру, годовую сумму осадков, самый жаркий день года и градусо-дни охлаждения (показатель потребности в кондиционировании). Результаты сравнивают с простыми статистическими базовыми методами: историческими средними и линейными трендами. Кроме прогноза участники предлагают короткую идею политики адаптации к климату, например подготовку городов к экстремальной жаре, повышение энергоэффективности или управление изменением осадков. Итог сдаётся как набор данных на Hugging Face; качество прогнозов оценивается по публичной таблице лидеров с ошибками относительно базовых методов, идеи политики рассматриваются отдельно. Финальные результаты прогнозов опубликуют в начале 2027 года, когда станут доступны полные данные о погоде за 2026 год.

Это лишь первое соревнование серии: другие участвующие учреждения будут проводить свои последовательно, на основе других открытых научных ресурсов. О новых соревнованиях объявят на странице Project ProtoStar на Hugging Face. К участию приглашают исследователей, студентов, независимых разработчиков и компании; университеты, федеральные научные агентства, национальные лаборатории и некоммерческие организации могут предложить сотрудничество по тому же адресу.

Ключевые факты

Hugging Face объявила Project ProtoStar: инициативу по выпуску данных, моделей и кода госфинансируемых исследований в машиночитаемых форматах, готовых для ИИ.
Партнёры-основатели: Carnegie Mellon, Purdue, Georgia Tech, Arizona State и George Washington (через коалицию OFAI), Astera Institute, Hugging Face как инфраструктурный партнёр и ORCA как партнёр от сообщества; участие оформляется меморандумом.
По данным Hugging Face, на платформе более 17 000 публичных научных наборов данных (около 29 000 с медициной и математикой); за первые девять месяцев 2026 года новых научных наборов выложено более чем в три раза больше, чем годом ранее.
Первое соревнование от Carnegie Mellon идёт 2-13 ноября 2026 года: прогноз четырёх климатических показателей по 210 городам США на 2019-2026 годы с обучением на данных до 2018 года и сравнением с историческими средними и линейными трендами.
Итоги прогнозов будут опубликованы в начале 2027 года; другие учреждения проведут свои соревнования позже, даты не названы.

Почему это важно

Открытый доступ к результатам исследований, который требуют NIH и NSF, сам по себе не делает их пригодными для работы: данные разбросаны по системам, лежат в устаревших форматах и выходят без метаданных и сведений о происхождении. ProtoStar пытается закрыть этот разрыв единым подходом к публикации и демонстрацией пользы на практике. По данным Hugging Face, интерес растёт: число новых научных наборов данных на платформе за девять месяцев 2026 года выросло более чем втрое по сравнению с тем же периодом 2025 года.

Кому это важно

Исследователям и университетам, которым нужно выполнять требования публичного доступа к данным и при этом повышать ценность выпускаемых материалов. Разработчикам и компаниям, которые строят продукты на открытых научных ресурсах. Студентам и независимым участникам, которые могут принять участие в соревнованиях. Научным агентствам и лабораториям, которых авторы прямо приглашают присоединиться.

Как это применить

Принять участие в первом соревновании можно со 2 по 13 ноября 2026 года: нужно спрогнозировать четыре показателя (среднегодовую температуру, годовую сумму осадков, самый жаркий день года, градусо-дни охлаждения), добавить короткую идею политики адаптации к климату и сдать результат как набор данных на Hugging Face. Организациям, желающим присоединиться к инициативе или выпускать свои материалы в готовом для ИИ виде, предлагается написать на protostar@orcaopen.org. О следующих соревнованиях будут сообщать на странице Project ProtoStar на Hugging Face.

Можно ли доверять

Материал, официальный анонс на блоге Hugging Face, то есть заявления самой организации-участника инициативы, без индивидуальных авторов и прямых цитат. Статистика по наборам данных и скачиваниям опирается на данные Hugging Face Hub (по подписи к рисунку, октябрь 2026), независимой проверки в тексте нет. Цифры по загрузкам NASA IMPACT приведены на 26 октября 2026 года.

Риски и подводные камни

Это пока заявка на инициативу, а не результат: эффект от неё не измерен. Размер финансирования и призы не названы, не названы и сроки других соревнований, и принимающие их учреждения. Количество организаций, подписавших меморандум, помимо партнёров-основателей, не указано. Инфраструктурным партнёром выступает сама Hugging Face, и инициатива продвигает её платформу. Сами авторы отмечают, что профильные репозитории остаются важными. Итоги первого соревнования появятся только в начале 2027 года, и пока неизвестно, дадут ли ИИ-методы заметный выигрыш по сравнению с простыми базовыми методами.