O Project ProtoStar é uma nova iniciativa que reúne universidades, organizações de pesquisa, a indústria e a comunidade de ciência aberta para tornar a pesquisa científica financiada publicamente mais fácil de descobrir, reutilizar e construir. O projeto visa especificamente a liberação de conjuntos de dados, modelos e códigos em formatos prontos para IA e acionáveis por máquinas para desbloquear seu potencial para pesquisas impulsionadas por inteligência artificial. Os parceiros fundadores incluem a Universidade Carnegie Mellon, a Universidade Purdue, o Instituto de Tecnologia da Geórgia, a Universidade Estadual do Arizona e a Universidade George Washington, operando através do Open Forum for AI (OFAI). Outros parceiros-chave incluem o Instituto Astera, a Hugging Face como provedora de infraestrutura e o Open Research Community Accelerator (ORCA) por meio de sua Rede de Fomento à Inovação.
A iniciativa aborda uma lacuna crítica nas práticas atuais de compartilhamento científico. Embora o governo federal dos EUA invista aproximadamente 190 bilhões de dólares anualmente em pesquisa e desenvolvimento, com expectativas crescentes de acesso público, simplesmente tornar os dados disponíveis não garante a usabilidade. Os artefatos científicos são frequentemente dispersos por sistemas incompatíveis, armazenados em formatos legados ou liberados sem a documentação e metadados necessários. Essas limitações dificultam que os pesquisadores construam sobre trabalhos existentes e impedem que os sistemas de IA descubram e combinem recursos eficazmente entre disciplinas. O Project ProtoStar visa fechar essa lacuna incentivando o compartilhamento sistemático apoiado por infraestrutura aberta e orientações práticas de publicação.
A demanda por recursos científicos reutilizáveis já é evidente em plataformas como a Hugging Face, que hospeda mais de 17.000 conjuntos de dados públicos em domínios científicos principais, como genômica, química e ciência do clima. Esse número se aproxima de 29.000 ao incluir medicina e matemática. O ritmo de compartilhamento está acelerando, com pesquisadores carregando mais de três vezes o número de novos conjuntos de dados científicos nos primeiros nove meses de 2026 em comparação com o mesmo período de 2025. A documentação desempenha um papel crucial neste ecossistema, pois 90% dos downloads de conjuntos de dados na Hugging Face vêm de recursos totalmente documentados. Repositórios existentes de organizações como o Centro Nacional de Informação Biotecnológica do NIH e o NASA IMPACT já geraram milhões de downloads.
Para demonstrar o valor desses recursos prontos para IA, o Project ProtoStar organizará uma série de desafios abertos sediados por instituições participantes. O desafio inaugural, intitulado "Inteligência de Risco Climático", é sediado pela Universidade Carnegie Mellon e ocorre de 2 a 13 de novembro de 2026. Os participantes são convidados a testar se a IA pode melhorar as previsões das condições climáticas urbanas usando dados meteorológicos históricos de 210 cidades dos EUA. As equipes usarão registros até 2018 para prever as condições reais de 2019 a 2026, prevendo indicadores como temperatura média anual, precipitação total, o dia mais quente do ano e dias de graus de resfriamento.
Além da previsão técnica, o desafio exige que os participantes proponham uma breve ideia de política de adaptação climática informada por sua análise de dados. Este componente incentiva a conexão de descobertas científicas com benefícios públicos práticos, como preparar cidades para calor extremo ou gerenciar padrões de precipitação em mudança. As equipes enviarão seus resultados como conjuntos de dados da Hugging Face, com o desempenho avaliado por meio de um quadro de liderança público que compara erros de previsão contra linhas de base estatísticas. Os resultados finais de previsão estão agendados para publicação no início de 2027, uma vez que os registros meteorológicos completos de 2026 estiverem disponíveis.
As organizações participantes formalizam seu envolvimento por meio de um memorando de entendimento para liberar artefatos científicos adequados em formatos prontos para IA em infraestrutura aberta. A iniciativa busca gerar evidências práticas sobre a infraestrutura e as práticas necessárias para apoiar a ciência aberta em escala. Pesquisadores, desenvolvedores, estudantes e empresas são convidados a participar dos desafios, enquanto universidades, agências federais e laboratórios nacionais interessados em se juntar ao Project ProtoStar podem entrar em contato com os organizadores no endereço protostar@orcaopen.org.
Fontes: Hugging Face Blog.