Project ProtoStar es una nueva iniciativa que reúne a universidades, organizaciones de investigación, la industria y la comunidad de ciencia abierta para hacer que la investigación científica financiada públicamente sea más fácil de descubrir, reutilizar y desarrollar. El proyecto se centra específicamente en la liberación de conjuntos de datos, modelos y código en formatos listos para la IA y accionables por máquinas para desbloquear su potencial para la investigación impulsada por inteligencia artificial. Los socios fundadores incluyen a la Universidad Carnegie Mellon, la Universidad Purdue, el Instituto Tecnológico de Georgia, la Universidad Estatal de Arizona y la Universidad George Washington, operando a través del Foro Abierto para la IA (OFAI). Otros socios clave incluyen al Instituto Astera, Hugging Face como proveedor de infraestructura y el Acelerador de la Comunidad de Investigación Abierta (ORCA) a través de su Red de Fomento de la Innovación.
La iniciativa aborda una brecha crítica en las prácticas actuales de intercambio científico. Si bien el gobierno federal de EE. UU. invierte aproximadamente 190 mil millones de dólares anualmente en investigación y desarrollo con expectativas crecientes de acceso público, simplemente hacer que los datos estén disponibles no garantiza su usabilidad. Los artefactos científicos a menudo están dispersos en sistemas incompatibles, almacenados en formatos heredados o liberados sin la documentación y metadatos necesarios. Estas limitaciones obstaculizan que los investigadores construyan sobre el trabajo existente e impiden que los sistemas de IA descubran y combinen recursos de manera efectiva entre disciplinas. Project ProtoStar busca cerrar esta brecha fomentando un intercambio sistemático respaldado por infraestructura abierta y orientación práctica para la publicación.
La demanda de recursos científicos reutilizables ya es evidente en plataformas como Hugging Face, que alberga más de 17.000 conjuntos de datos públicos en dominios científicos fundamentales como genómica, química y ciencias del clima. Este número se acerca a los 29.000 al incluir medicina y matemáticas. El ritmo del intercambio se está acelerando, con investigadores que suben más del triple de nuevos conjuntos de datos científicos en los primeros nueve meses de 2026 en comparación con el mismo período de 2025. La documentación juega un papel crucial en este ecosistema, ya que el 90% de las descargas de conjuntos de datos en Hugging Face provienen de recursos completamente documentados. Los repositorios existentes de organizaciones como el Centro Nacional de Información Biotecnológica de los NIH y NASA IMPACT ya han generado millones de descargas.
Para demostrar el valor de estos recursos listos para la IA, Project ProtoStar organizará una serie de desafíos abiertos organizados por las instituciones participantes. El desafío inaugural, titulado "Inteligencia sobre Riesgos Climáticos", es organizado por la Universidad Carnegie Mellon y se llevará a cabo del 2 al 13 de noviembre de 2026. Se invita a los participantes a probar si la IA puede mejorar las predicciones de las condiciones climáticas urbanas utilizando datos meteorológicos históricos de 210 ciudades de EE. UU. Los equipos utilizarán registros hasta 2018 para predecir las condiciones reales de 2019 a 2026, pronosticando indicadores como la temperatura media anual, la precipitación total, el día más caluroso del año y los grados-día de enfriamiento.
Más allá de la predicción técnica, el desafío requiere que los participantes propongan una breve idea de política de adaptación climática informada por su análisis de datos. Este componente fomenta conectar los hallazgos científicos con beneficios públicos prácticos, como preparar a las ciudades para el calor extremo o gestionar los patrones cambiantes de precipitación. Los equipos presentarán sus resultados como conjuntos de datos de Hugging Face, con el rendimiento evaluado mediante un tablero de clasificación público que compara los errores de predicción contra líneas base estadísticas. Los resultados finales de las previsiones están programados para su publicación a principios de 2027 una vez que estén disponibles los registros meteorológicos completos de 2026.
Las organizaciones participantes formalizan su participación mediante un memorando de entendimiento para liberar artefactos científicos adecuados en formatos listos para la IA en infraestructura abierta. La iniciativa busca generar evidencia práctica sobre la infraestructura y las prácticas necesarias para apoyar la ciencia abierta a gran escala. Se invita a investigadores, desarrolladores, estudiantes y empresas a participar en los desafíos, mientras que las universidades, agencias federales y laboratorios nacionales interesados en unirse a Project ProtoStar pueden contactar a los organizadores en protostar@orcaopen.org.
Fuentes: Hugging Face Blog.