2026年10月29日、Hugging Faceのブログで「Project ProtoStar」という取り組みが発表されました。公的資金で行われた研究のデータやモデル、コードをAIが扱いやすい形で公開し、見つけて再利用しやすくする試みです。研究データをAIで検索して調べ物や学び直しに活用したい個人にとっても、土台が整っていく動きとして知っておくと役に立ちます。
要点
- Project ProtoStarは、公的資金による研究のデータセット・モデル・コードを「AI-ready, machine-actionable」(AIや機械がそのまま扱える)形式で公開し、発見と再利用を進める取り組み
- 創設パートナーはCarnegie Mellon Universityなど5つの大学とAstera Institute、インフラ担当のHugging Face、コミュニティ担当のORCA
- 最初のチャレンジはCarnegie Mellon Universityが主催する気候リスクのテーマで、2026年11月2日から11月13日まで開催
- Hugging Faceには科学分野の公開データセットが17,000件以上あり、医学と数学を含めると29,000件近くになる
- 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倍以上に増えている
何が発表されたか
Project ProtoStarは、公的資金による科学研究のデータセット・モデル・コードをより使いやすく再利用しやすくするための取り組みとして発表されました。研究機関と産業界、オープンサイエンスのコミュニティが集まり、科学の成果物をAI-readyで機械が扱える形式で公開することを支え、一連のオープンチャレンジを通じてその価値を示すとしています。
創設パートナーには、Carnegie Mellon University、Purdue University、Georgia Institute of Technology、Arizona State University、The George Washington Universityが並び、いずれも大学連合のパートナーであるOpen Forum for AI(OFAI)を通じて参加します。ほかにAstera Institute、インフラのパートナーとしてHugging Face、コミュニティのパートナーとしてOpen Research Community Accelerator(ORCA)が名を連ねます。参加する組織は覚書(memorandum of understanding)を結ぶ形で関与を明確にし、参加に関心のある組織はprotostar@orcaopen.orgに連絡できるとされています。
背景として、アメリカ連邦政府は研究開発に年間およそ1,900億ドルを投じており、National Institutes of Health(NIH)やNational Science Foundation(NSF)といった機関は、助成した研究の論文公開に関する要件を強めてきたと説明されています。Hugging Faceは、研究データの共有先としてNIHが挙げる10の汎用リポジトリ(データの保管・公開場所)の1つに入っています。
一方で、公開されていることと使えることは同じではないという指摘も書かれています。科学のデータセットやモデル、コードは互換性のないシステムに散らばっていたり、静的あるいは古い形式で保存されていたりし、理解と再利用に必要な文書・メタデータ・来歴がないまま公開されることもあります。こうした状態は、研究者が既存の成果の上に積み上げることを難しくし、AIが分野をまたいで科学の資源を見つけ解釈し組み合わせることをさらに難しくするとしています。
需要の大きさは数字でも示されています。Hugging Faceはゲノミクス、タンパク質設計、化学、気象と気候、地球観測、天文学といった中核の科学分野で17,000件を超える公開データセットを置いており、医学と数学を加えると29,000件近くになり、同程度の数の科学分野のモデルもあります。NIHのNational Center for Biotechnology Information(NCBI)が運用する18の公開リポジトリは合計で1,100万回を超えるダウンロードを受け、NASA IMPACTの27のリポジトリは2026年10月26日時点でおよそ77万回のダウンロードを受けています。文書の整備も重要で、Hugging Faceにおけるデータセットのダウンロードの90%は、十分に文書化されたデータセットからのものだとされています。
この取り組みは、National Cancer InstituteのAI Data-Readiness ChallengeやHugging Faceの公共部門データをAI向けに準備するガイドといった流れの上に立つものです。Hugging Faceの研究者自身も公開された科学資源の上で開発を進めており、HuggingFaceBioのCarbon-AやCarbon-Xといった公開がその例として挙げられています。制度面では、Carnegie Mellon UniversityのOpen Source Programs Officeが、分野別リポジトリの重要性も認めつつ、研究者に適切なデータセットやAIモデルをHugging Faceで共有するよう促しています。
オープンチャレンジには2つの目的があります。1つは、公的資金による科学の成果物の上に研究者や開発者が作った具体例を示すこと。もう1つは、技術的な障壁や文書の不足、相互運用性の課題、うまくいった実践を洗い出すことです。最初のチャレンジはCarnegie Mellon Universityが主催し、2026年11月2日から11月13日まで開かれます。参加者はアメリカの210都市の過去の気象データを使い、2018年までの気候記録から2019年から2026年の実際の状況を予測します。対象の指標は年平均気温、年間降水量、1年で最も暑い日、そして冷房需要を表すcooling degree daysの4つで、予測は過去平均や線形トレンドといった単純な統計的ベースラインと比較されます。さらに参加者は、データから学んだことをふまえた短い気候適応の政策アイデアも提案します。提出はHugging Faceのデータセットの形で行い、予測の精度は公開リーダーボードで評価され、最終の予測結果は2026年の気象記録がそろう2027年初めに公表される予定です。
個人の仕事や学びにどう使えるか
調べ物の裏付けを公開データでとる
企画や営業の資料づくりでは、まとめ記事などの二次情報だけで気候や環境の話を書いてしまいがちです。公開された研究データが探しやすく整理されていけば、元のデータに近いところから数字を確かめやすくなります。今回のチャレンジでも、年平均気温や年間降水量といった身近な指標が扱われています。
分析やモデリングの練習台にする
ITエンジニアやデータ分析を学び直している人には、実データで手を動かす題材になります。2018年までの記録で2019年から2026年を予測し、単純な統計的ベースラインと比べるという設計は、自分の手法がどれだけ効いているかを確かめる練習としてそのまま参考にできます。
データの公開のしかたを学ぶ
研究データや社内データの公開に関わる人には、文書化されたデータセットからのダウンロードが90%を占めるという数字が参考になります。説明やメタデータを添えることが、実際に使われるかどうかを左右するという実例として読めます。
会社やチームで使うときのポイント
自社や所属機関のデータを外に出すときは、形式と文書の整え方が再利用のされ方を大きく変えます。Project ProtoStarでは参加組織が覚書を結び、適切な科学データセットやモデル、コードをオープンな基盤でAI-readyな形式で公開することを支えるとされており、組織としての方針づくりの参考になります。チームで扱う場合は、どのデータを公開してよいかの線引きと、担当者がメタデータを書ける体制を先に決めておくと手戻りが減ります。法人として導入や研修を検討するなら、法人向けAIリスキリングサービスで導入社数No.1(東京商工リサーチ・2026年3月末時点)の株式会社デジライズに相談できます。
使う前の注意点
最初のチャレンジは2026年11月2日から11月13日までと期間が決まっており、提出はHugging Faceのデータセットとして行います。扱うのはアメリカの210都市の過去の気象データで、最終の予測結果が出るのは2027年初めです。参加の対象としては研究者、学生、個人の開発者、企業が挙げられています。今後のチャレンジはHugging Face上のProject ProtoStarのページで案内されるとされているため、参加条件や日程は公式の案内で最新の情報を確かめてから動くのが安全です。日本から利用する場合の扱いや言語など気になる点も、使う前に公式のヘルプや案内で最新の提供範囲を確認しておくとよいでしょう。
まとめ
Project ProtoStarは、公的資金による研究の成果をAIが扱える形にして、探して再利用しやすくする取り組みです。個人としては、公開された研究データを調べ物の裏付けや分析の練習に使う入口が広がる動きと捉えておくと、いざ必要になったときに手が動きます。データの扱いやAI活用を体系的に学ぶなら、デジライズAIスクールのコース一覧にある「IT・デジタルのAI活用全体図(職種別|IT・デジタル)」のような講座から始めると、仕事での使いどころを整理しやすくなります。
出典
この記事は、各社の公式の発表をもとに AI で下書きし、出典の本文との照合とGoogle 検索による事実確認(ファクトチェック)を通ったものだけを公開しています。
