Hugging Faceが公的資金の研究をAIで再利用しやすくするProject ProtoStarを開始、最初の気候チャレンジは11月2日

Hugging Faceは2026年10月29日、公的資金による研究のデータセット、モデル、コードを見つけやすく再利用しやすくする取り組み「Project ProtoStar」を発表した。特にAI駆動の研究を念頭に置いている。参加者は、公開に適した科学成果を、AIに対応し機械で扱える形式で公開し、一連の公開チャレンジで再利用の価値を示すことを約束する。最初のチャレンジはカーネギーメロン大学が主催し、11月2日に始まる。

創設パートナーは、カーネギーメロン大学、パデュー大学、ジョージア工科大学、アリゾナ州立大学、ジョージ・ワシントン大学で、大学連合のパートナーとしてOpen Forum for AI（OFAI）を通じて関わり、Astera Instituteも参加する。Hugging Faceがインフラのパートナー、Open Research Community Accelerator（ORCA）がFostering Innovation Networkを通じてコミュニティのパートナーを務める。参加組織は、適切な科学データセット、モデル、コードをAI対応の形式で開かれたインフラ上に公開することを支える覚書で関与を正式化する。参加を希望する組織は[email protected]に連絡できる。

記事の出発点は、研究を公開しても使えるとは限らないという認識だ。米国連邦政府は研究開発に年間約1,900億ドルを投じ、国立衛生研究所（NIH）や国立科学財団（NSF）などは論文の公開とデータ共有計画の要件を強めており、Hugging FaceもNIHが挙げる10の汎用リポジトリの一つである。それでも科学データセット、モデル、コードは、互換性のないシステムに散らばり、静的または古い形式で保管され、再利用に必要な文書、メタデータ、来歴なしで公開されがちだ。ProtoStarは、AI対応形式での体系的な共有を促し、開かれたインフラと実用的な公開ガイドで支えることで、この溝を埋めることを目指す。

記事は需要の根拠としてHugging Face自身の統計を挙げる。Hugging Faceは、ゲノミクス、タンパク質設計、化学、天気と気候、地球観測、天文学といった中核的な科学分野で1万7,000件超の公開データセットを持ち、医学と数学を含めると約2万9,000件、同程度の数の科学モデルもある。2026年の最初の9か月に共有された新しい科学データセットは、2025年の同じ期間の3倍超で、最大の単独アップロード者を除いても増加は大きい。NIHの国立生物工学情報センター（NCBI）がプラットフォーム上で運営する18の公開リポジトリは累計1,100万回超ダウンロードされ、NASA IMPACTの27リポジトリは2026年10月26日時点で約77万回、Hugging Face上のデータセットのダウンロードの90%は文書が完全に揃ったものだという。これらはプラットフォーム自身の数字で、独立した評価ではない。

最初のチャレンジ「Climate Risk Intelligence」は、カーネギーメロン大学が2026年11月2日から13日まで主催する。参加者は米国210都市の2018年までの気候記録を使って2019年から2026年の実際の状況を予測するので、モデルは仮想のシナリオではなく観測された天気で評価される。予測する指標は、年平均気温、年間総降水量、年間で最も暑い日、冷房度日（冷房需要の指標）の4つだ。予測は過去の平均や線形トレンドといった単純な統計の基準と比べられ、AIの手法が意味のある精度向上をもたらすかを見る。参加者は短い気候適応の政策案も出し、これは別に審査される。チームはHugging Faceのデータセットを提出し、予測は基準との誤差を測る公開リーダーボードで評価され、最終結果は2026年の天気記録が揃う2027年初めに発表される。食い違いが一つある。発表記事は予測期間を2019年から2026年とするが、チャレンジのページ自体は2019年から2025年と書いている。本稿はどちらかを選ばない。

これは発表されたばかりの取り組みであり、成果が出た研究ではない。記事は「AI対応」の数値基準を示さず、実際にどれだけの機関がデータを公開するかも述べていない。検証は、チャレンジが具体的な再利用の例を生み、文書化や相互運用性の障害を明らかにできるかにかかる。研究機関が今できることは、主催者に連絡するか、公開予定のデータに十分な文書とメタデータがあるかを確かめることだ。