Hugging Face 29. října 2026 oznámil Project ProtoStar, iniciativu, která má usnadnit nalezení a opětovné použití veřejně financovaných vědeckých dat, modelů a kódu. Instituce k tomu mají zveřejňovat výstupy v „AI-ready“ formátech čitelných pro stroje a hodnotu projektu chce ProtoStar ukázat sérií otevřených soutěží.

Kdo za projektem stojí

Zakládajícími univerzitami jsou Carnegie Mellon University, Purdue University, Georgia Institute of Technology, Arizona State University a The George Washington University. Fungují v rámci koalice Open Forum for AI (OFAI). Zakládajícím partnerem je Astera Institute, infrastrukturu poskytuje Hugging Face a komunitním partnerem je Open Research Community Accelerator (ORCA) prostřednictvím své sítě Fostering Innovation Network.

Organizace se zapojují memorandem o porozumění, které upravuje zveřejňování vhodných datasetů, modelů a kódu na otevřené infrastruktuře. Výši financování ani jeho zdroje blog neuvádí. Jako autoři jsou podepsáni členové týmu Hugging Face a spolupracovníci projektu, mimo jiné Avijit Ghosh, Sayeed Choudhury, Greg Tananbaum, Emma Scharfmann, Georgia Channing, Eunice Mercado-Lara a Irene Solaiman.

Čísla, na která se projekt odvolává

Blog připomíná, že americká federální vláda investuje do výzkumu a vývoje zhruba 190 miliard dolarů ročně, a cituje přitom data z congress.gov. Na Hugging Face je podle textu přes 17 000 veřejných datasetů z hlavních vědeckých oborů, včetně medicíny a matematiky téměř 29 000, a srovnatelný počet vědeckých modelů.

Zájem výzkumníků roste: v prvních devíti měsících roku 2026 sdíleli více než třikrát tolik nových vědeckých datasetů než ve stejném období roku 2025. NCBI při americkém Národním institutu zdraví (NIH) má na platformě 18 veřejných repozitářů s více než 11 miliony stažení. NASA IMPACT má 27 repozitářů a zhruba 770 000 stažení, údaj platí k 26. říjnu 2026. Dále blog uvádí, že 90 % stažení datasetů připadá na plně zdokumentované sady.

První soutěž: klimatická rizika

První výzvu s názvem Climate Risk Intelligence hostí Carnegie Mellon University a poběží od 2. do 13. listopadu 2026. Týmy dostanou klimatické záznamy do roku 2018 a mají předpovědět skutečné podmínky v letech 2019 až 2026. Hodnotí se čtyři ukazatele: průměrná roční teplota, roční úhrn srážek, nejteplejší den roku a počet chladicích stupňodnů. Úloha se týká 210 amerických měst.

Předpovědi porovná veřejný žebříček s jednoduchými základními řešeními, tedy s historickými průměry a lineárními trendy. Nápady na adaptaci na klima se posuzují zvlášť. Řešení se odevzdává jako dataset na Hugging Face a konečné výsledky přijdou na začátku roku 2027, až budou k dispozici úplné záznamy o počasí za rok 2026.

Cíle a jak se zapojit

Soutěže mají podle blogu ukázat, že lze vědecké zdroje znovu využít, včetně aplikací, které spojí data z různých institucí nebo oborů. Zároveň mají odhalit technické překážky, mezery v dokumentaci a postupy, které fungují. Další výzvy se budou oznamovat na stránce projektu huggingface.co/project-protostar.

Zájemci o účast mohou psát na adresu protostar@orcaopen.org. Iniciativa je zaměřená na americké instituce a finance, o přímé účasti českých pracovišť blog nic nezmiňuje. Otevřené datasety na Hugging Face jsou ale dostupné komukoli, takže české týmy mohou výstupy z projektu sledovat a využívat.

Hostitelem první soutěže je Open Source Programs Office na Carnegie Mellon University (CMU-OSPO), které zároveň vyzývá své výzkumníky, aby vhodné výstupy sdíleli právě na Hugging Face. Soutěžní prostor se jmenuje „Protostar Challenge: Climate Risk Intelligence“. Související prostory na platformě nesou názvy „Introducing Carbon-X“ a „Science on the Hub“.

Zajímavé je, že ProtoStar staví na tom, co už na platformě funguje. Přesto blog otevřeně říká, že cílem je i zjistit, kde se věda zadrhává: u chybějící dokumentace, nejasných formátů nebo technických překážek při opětovném použití dat.

Zdroje

• Announcing Project ProtoStar: Making Publicly Funded Science AI-Ready, 29. října 2026