解決公共科研資料難以被 AI 系統利用的問題
美國聯邦政府每年投入約 1,900 億美元於研發，且 NIH 與 NSF 等機構已強化公開存取要求。然而，僅將研究結果公開並不等同於使其具備可用性，許多科學數據集、模型和程式碼散佈在不相容系統中，或以靜態、過時格式儲存，缺乏必要的文件、元資料與來源資訊。
這些限制使得研究者難以基於現有工作進行開發，更讓 AI 系統難以跨學科發現、解讀和組合科學資源。Project ProtoStar 旨在透過鼓勵以 AI 就緒格式系統性地分享公共資助的科學產出，並提供開放基礎設施與實用發布指南來縮小這一差距。
該計畫建立在美國國家癌症研究所 AI 數據就緒挑戰等現有努力之上，目標是讓研究機構更容易滿足現有的公開存取期望，同時提升其發布工作的科學價值。
開放科學資源的使用量與下載趨勢
Hugging Face 目前託管超過 17,000 個涵蓋基因體學、蛋白質設計、化學、氣象氣候等核心科學領域的公開數據集；若包含醫學與數學，總數接近 29,000 個，另有數量相當的科學模型。
分享速度正在加速，研究者在 2026 年前九個月於 Hugging Face 上分享的新科學數據集數量是 2025 年同期的三倍以上，即使排除最大單一上傳者後，成長幅度依然顯著。
當組織以可重用格式分享研究時，科學社群能大規模基於其進行開發。截至 2026 年 10 月 26 日，NIH 國家生物技術資訊中心維護的 18 個公開儲存庫累計下載量超過 1,100 萬次，NASA IMPACT 的 27 個儲存庫則約有 77 萬次下載。
文件完整性對資源可用性至關重要，Hugging Face 上 90% 的數據集下載來自擁有完整文件的數據集。公開可用的基因體數據已證明對生物研究等領域具有重要貢獻，Hugging Face 的研究人員正基於包括 HuggingFaceBio 發布的 Carbon-A 和 Carbon-X 在內的開放科學資源進行開發。
透過公開挑戰賽驗證跨機構與跨學科的資料重用
Project ProtoStar 的核心問題是：以 AI 就緒格式發布的公共資助科學數據、模型和程式碼，是否能被輕鬆發現、重用、組合和擴展，以加速科學發現並造福公眾？為探索此問題，該計畫將舉辦一系列由參與機構主辦的公開挑戰賽。
這些挑戰賽有兩個互補目標：一是展示科學重用，產生研究者與開發者基於公共資助科學產出進行開發的具體案例，包括結合跨機構或跨學科資源的應用；二是學習重用的關鍵因素，識別技術障礙、文件缺口、互通性挑戰及成功實踐，為未來的研究基礎設施、資金決策和公共政策提供依據。
參與組織透過備忘錄正式化其參與，支持在開放基礎設施上以 AI 就緒格式發布合適的科學數據集、模型和程式碼。作為早期機構承諾的例子，卡內基美隆大學開源計畫辦公室鼓勵研究人員在 Hugging Face 上分享適合的數據集、AI 模型和其他研究輸出，同時承認特定領域儲存庫的重要性。
首場挑戰賽聚焦城市氣候風險預測與政策應用
由卡內基美隆大學主辦的首場挑戰賽將於 2026 年 11 月 2 日至 13 日舉行，邀請參賽者測試 AI 是否能利用美國 210 個城市的歷史氣象數據改善城市氣候條件預測。
基於卡內基美隆大學的研究，團隊將使用截至 2018 年的氣候記錄來預測 2019 年至 2026 年的實際狀況，使模型能針對觀測到的天氣而非假設性未來情境進行評估。參賽者需預測四個與城市規劃相關的指標：年平均氣溫、年總降水量、全年最熱的一天以及冷卻度日數（衡量空調需求的指標）。
預測結果將與簡單統計基準（包括歷史平均值和線性趨勢）進行比較，以評估 AI 方法是否在準確度上提供有意義的改進。除了預測之外，參賽者還需提出基於數據學習所得的簡短氣候適應政策構想，例如為城市應對極端高溫、提高能源效率或管理變化的降水模式做準備。
團隊將提交包含這些輸出的 Hugging Face 數據集。預測表現將透過公開排行榜評估，衡量相對於既定基準的預測誤差，而政策構想將獲得單獨考量。最終預測結果將在 2026 年完整天氣記錄可用後，於 2027 年初發布。
