Project ProtoStar è una nuova iniziativa che riunisce università, organizzazioni di ricerca, industria e la comunità della scienza aperta per rendere la ricerca scientifica finanziata pubblicamente più facile da scoprire, riutilizzare e sviluppare. Il progetto si concentra specificamente sul rilascio di set di dati, modelli e codice in formati pronti per l'IA e azionabili dalle macchine per sbloccare il loro potenziale per la ricerca guidata dall'intelligenza artificiale. I partner fondatori includono la Carnegie Mellon University, la Purdue University, il Georgia Institute of Technology, l'Arizona State University e The George Washington University, che operano attraverso l'Open Forum for AI (OFAI). Altri partner chiave includono l'Astera Institute, Hugging Face come fornitore di infrastrutture e l'Open Research Community Accelerator (ORCA) tramite la sua rete Fostering Innovation.
L'iniziativa affronta un divario critico nelle attuali pratiche di condivisione scientifica. Sebbene il governo federale degli Stati Uniti investa circa 190 miliardi di dollari ogni anno in ricerca e sviluppo con aspettative crescenti per l'accesso pubblico, il semplice rendere i dati disponibili non garantisce l'utilizzabilità. Gli artefatti scientifici sono spesso dispersi tra sistemi incompatibili, archiviati in formati legacy o rilasciati senza la documentazione e i metadati necessari. Queste limitazioni ostacolano i ricercatori nel costruire sul lavoro esistente e impediscono ai sistemi di IA di scoprire e combinare efficacemente le risorse attraverso diverse discipline. Project ProtoStar mira a colmare questo divario incoraggiando una condivisione sistematica supportata da infrastrutture aperte e linee guida pratiche per la pubblicazione.
La domanda di risorse scientifiche riutilizzabili è già evidente su piattaforme come Hugging Face, che ospita oltre 17.000 set di dati pubblici in domini scientifici fondamentali come genomica, chimica e scienze del clima. Questo numero si avvicina a 29.000 includendo medicina e matematica. Il ritmo della condivisione sta accelerando, con i ricercatori che caricano più di tre volte il numero di nuovi set di dati scientifici nei primi nove mesi del 2026 rispetto allo stesso periodo del 2025. La documentazione svolge un ruolo cruciale in questo ecosistema, poiché il 90% dei download di set di dati su Hugging Face proviene da risorse completamente documentate. I repository esistenti di organizzazioni come il National Center for Biotechnology Information degli NIH e NASA IMPACT hanno già generato milioni di download.
Per dimostrare il valore di queste risorse pronte per l'IA, Project ProtoStar organizzerà una serie di sfide aperte ospitate dalle istituzioni partecipanti. La sfida inaugurale, intitolata "Climate Risk Intelligence", è ospitata dalla Carnegie Mellon University e si svolge dal 2 al 13 novembre 2026. I partecipanti sono invitati a verificare se l'IA può migliorare le previsioni delle condizioni climatiche urbane utilizzando dati meteorologici storici di 210 città statunitensi. Le squadre utilizzeranno i registri fino al 2018 per prevedere le condizioni reali dal 2019 al 2026, prevedendo indicatori come la temperatura media annuale, le precipitazioni totali, il giorno più caldo dell'anno e i giorni di raffreddamento.
Oltre alle previsioni tecniche, la sfida richiede ai partecipanti di proporre un'idea breve di politica di adattamento climatico informata dalla loro analisi dei dati. Questa componente incoraggia a collegare i risultati scientifici con benefici pubblici pratici, come preparare le città al calore estremo o gestire i modelli di precipitazione in cambiamento. Le squadre invieranno i loro output come set di dati Hugging Face, con le prestazioni valutate tramite una classifica pubblica che confronta gli errori di previsione rispetto alle basi statistiche. I risultati finali delle previsioni sono programmati per essere pubblicati all'inizio del 2027 una volta disponibili i registri meteorologici completi per il 2026.
Le organizzazioni partecipanti formalizzano la loro partecipazione attraverso un memorandum d'intesa per rilasciare artefatti scientifici idonei in formati pronti per l'IA su infrastrutture aperte. L'iniziativa cerca di generare prove pratiche sulle infrastrutture e le pratiche necessarie per supportare la scienza aperta su larga scala. Ricercatori, sviluppatori, studenti e aziende sono invitati a partecipare alle sfide, mentre università, agenzie federali e laboratori nazionali interessati ad unirsi a Project ProtoStar possono contattare gli organizzatori all'indirizzo protostar@orcaopen.org.
Fonti: Hugging Face Blog.