Project ProtoStar busca acercar la investigación científica a la IA
Hugging Face ha anunciado Project ProtoStar, una iniciativa destinada a facilitar el acceso y la reutilización de investigaciones científicas financiadas con fondos públicos. El proyecto pretende que los conjuntos de datos, modelos y códigos de investigación estén disponibles en formatos preparados para trabajar con inteligencia artificial, y demostrar su utilidad mediante retos abiertos.
La iniciativa parte de una realidad: el gobierno federal de Estados Unidos invierte aproximadamente 190.000 millones de dólares al año en investigación y desarrollo. Además, organismos como los National Institutes of Health (NIH) y la National Science Foundation (NSF) han reforzado sus requisitos de acceso público a los resultados de la investigación.
Project ProtoStar busca aprovechar ese contexto para facilitar que los recursos científicos puedan localizarse, compartirse y utilizarse en nuevos proyectos relacionados con la IA.
Universidades e instituciones participan como socios fundadores
Project ProtoStar cuenta con varias organizaciones fundadoras que aportan representación universitaria, infraestructura y participación comunitaria.
Entre los socios universitarios se encuentran Carnegie Mellon University, Purdue University, Georgia Institute of Technology, Arizona State University y The George Washington University. Estas instituciones participan a través del Open Forum for AI (OFAI), que actúa como socio de la coalición universitaria.
También forman parte de la iniciativa Astera Institute, Hugging Face, como socio de infraestructura, y Open Research Community Accelerator (ORCA), que participa mediante su Fostering Innovation Network como socio comunitario.
Las organizaciones que quieran participar formalizan su incorporación mediante un memorando de entendimiento. El compromiso consiste en publicar los conjuntos de datos, modelos y códigos adecuados en formatos preparados para la IA y alojarlos en infraestructura abierta.
Las organizaciones interesadas en unirse pueden contactar con el proyecto a través de protostar@orcaopen.org.
Hugging Face ya reúne miles de conjuntos de datos científicos
La iniciativa se apoya en una cantidad considerable de recursos científicos que ya están disponibles en Hugging Face.
La plataforma alberga más de 17.000 conjuntos de datos públicos relacionados con disciplinas científicas básicas, entre ellas genómica, diseño de proteínas, química, clima, observación de la Tierra y astronomía. Si también se incluyen los ámbitos de la medicina y las matemáticas, la cifra se acerca a los 29.000 conjuntos de datos.
El crecimiento también se refleja en las nuevas publicaciones. Durante los primeros nueve meses de 2026, los investigadores compartieron en Hugging Face más de tres veces más conjuntos de datos científicos nuevos que durante el mismo periodo de 2025.
Los repositorios de otras instituciones también registran actividad. Los 18 repositorios públicos de NCBI, perteneciente a los NIH, alojados en Hugging Face acumularon más de 11 millones de descargas. Por su parte, los 27 repositorios de NASA IMPACT alcanzaron aproximadamente 770.000 descargas hasta el 26 de octubre de 2026.
Otro dato relevante es que el 90 % de las descargas de conjuntos de datos en Hugging Face corresponde a recursos que cuentan con documentación completa.
El primer reto estará dedicado a la predicción del clima urbano
La primera competición de Project ProtoStar será Climate Risk Intelligence, organizada por Carnegie Mellon University entre el 2 y el 13 de noviembre de 2026.
El reto plantea comprobar si los sistemas de inteligencia artificial pueden mejorar las predicciones de las condiciones climáticas en ciudades. Para ello, los equipos participantes trabajarán con registros meteorológicos históricos de 210 ciudades de Estados Unidos.
La tarea consistirá en utilizar los datos disponibles hasta 2018 para predecir las condiciones reales registradas entre 2019 y 2026.
Los participantes tendrán que realizar predicciones sobre cuatro indicadores:
- Temperatura media anual: el promedio de temperatura registrado durante cada año.
- Precipitación total anual: la cantidad acumulada de precipitaciones durante el año.
- Día más caluroso del año: la fecha en la que se registra la temperatura máxima anual.
- Grados-día de refrigeración: un indicador relacionado con la demanda de aire acondicionado.
Las predicciones se compararán con referencias estadísticas sencillas, basadas en medias históricas y tendencias lineales. De esta manera, el reto permitirá evaluar los resultados de los modelos de IA frente a métodos estadísticos más simples.
Además de las predicciones, cada equipo deberá presentar una propuesta breve de política de adaptación climática.
Los equipos enviarán un conjunto de datos a Hugging Face y sus resultados aparecerán en una clasificación pública. Los resultados finales se publicarán a principios de 2027, cuando estén disponibles los registros completos correspondientes a 2026.
Hugging Face en contexto
Hugging Face es uno de los diez repositorios generalistas incluidos por los NIH en su listado de plataformas para compartir datos de investigación. Su participación en Project ProtoStar como socio de infraestructura se apoya en los miles de conjuntos de datos científicos que ya alberga y en la actividad de descarga registrada en repositorios de instituciones como NCBI y NASA IMPACT.
