Project ProtoStar 推動開放科學：公開研究還缺什麼，AI 才能真的重用？
Project ProtoStar把公費科研資料、模型與程式接向可重用的開放科學。解析210座美國城市氣候挑戰、四項預測指標、統計基準與2027年初結果時程，分清公開數量、下載與實際研究成果。
一份研究報告放上網，不代表另一個研究者或 AI 就能把資料接著用。Project ProtoStar 想處理的，正是表格鎖在PDF、欄位缺少說明，或找不到資料由來時，公開資源仍難以重用的落差。
Hugging Face 與多所大學、開放科學組織在2026年10月29日宣布這項倡議，想把公費研究的資料集、模型和程式整理成機器可讀、可追溯和可重用的形式。
這不是再推出一個更大的AI模型，而是處理模型與研究者拿到資料之前的基礎條件。資源能被找到、看懂和組合，才有機會支持下一項實驗或應用。
計畫同時安排公開挑戰，避免只停在多上傳幾個檔案。第一場由卡內基美隆大學主持，規畫從11月2日至13日，以210座美國城市的氣候資料檢查AI預測是否真的更有用。
挑戰會用截至2018年的資料，預測2019至2026年的實際條件，並和簡單統計方法比較。完整2026記錄尚待就緒，最終結果要等2027年初，現在不能宣布AI已經勝出。
理解ProtoStar，重點是看公開到重用之間補上哪些工作，以及挑戰如何把希望轉成可比較的證據。從這裡出發，資料數量和分享熱度才不會被誤當成科學進展。
Project ProtoStar 要補上公開研究的哪一道缺口？
把論文或檔案公開只是取得入口，重用還需要知道欄位、來源和操作條件。研究者能讀到結果，和另一個團隊能把資料接進自己的分析，往往中間還隔著大量整理工作。
Hugging Face 在公告中指出，科學資料可能散在不相容系統、保存在靜態或老舊格式，也可能沒有足夠文件與來源紀錄。這些問題讓人難以理解資料，更讓AI系統不容易自動發現、組合與使用。
其中，metadata可以理解為描述資料的資訊，例如欄位意義、建立時間和適用範圍。provenance則關心資料從哪裡來、經過哪些處理。有檔案卻沒有這些脈絡，就容易把不能直接相比的內容放在一起。
可供機器讀取，不只是把PDF換個副檔名
以一份假設的溫度表為例，若數值欄只有「平均」，卻沒有單位、城市對應或統計期間，程式即使成功讀出每個數字，也未必知道這些數字能回答什麼。這是本文的說明例子，不是已發現的特定計畫資料錯誤。
把表格整理成可處理的資料列，還要一起留下欄位定義與來源，後續工作才知道是否該換算、能否合併，以及哪個版本適合比較。單純把PDF內容複製到另一個檔案，未必完成這些事情。
因此，AI-ready應理解為讓資源更適合被發現、理解與使用的方向，而非替所有資料貼上某個名稱後，就保證模型不會誤讀。公開格式、文件與來源需要一起工作。
ProtoStar 的目標是讓資源能被接著研究，而不是只讓連結能打開。這也解釋為什麼倡議不只談模型，還把資料集與程式放在同一個範圍。
Announcing Project Protostar, the next initiative from the our open science efforts at @huggingface.https://t.co/18URPBX7hk pic.twitter.com/hT9rnID1l4
— Avijit Ghosh (@evijit) October 29, 2026
大學、Hugging Face與開放組織如何分工？
研究產物來自機構，平台提供發布與發現的基礎設施，社群則協助資源走向重用。這些角色各自處理不同問題，不能只靠一位研究者把檔案上傳，就假設整個開放流程已完成。
公告列出的創始大學包括卡內基美隆、普渡、喬治亞理工、亞利桑那州立與喬治華盛頓大學，由 Open Forum for AI、簡稱OFAI，作為大學聯盟夥伴。
Astera Institute、Hugging Face，以及 Open Research Community Accelerator、簡稱ORCA，也參與其中。Hugging Face 負責基礎設施角色，ORCA透過其社群網絡參與，將研究機構和更廣泛的重用者接起來。
這份名單說明的是合作結構，沒有因此證明每個機構的全部資料都已完成整理。參與組織透過合作備忘錄，支持適合公開的資料、模型與程式以AI可用格式釋出，仍須看具體產物。
平台與領域資料庫可以互補
公告也保留領域專門資料庫的重要性。把資源放到開放基礎設施，並不是要求所有研究都離開原有的專業保存場所，而是增加發現和接續使用的可能。
卡內基美隆大學的開源計畫辦公室鼓勵研究者分享適合的資料集、AI模型與研究輸出，是公告提出的早期機構承諾。鼓勵分享和確認每一份資源的品質，仍是兩段需要各自完成的工作。
對一個想參與的研究組織而言，制度支持有助讓文件、版本與維護不只依賴個別人的額外時間。這是合作架構的實務意義，不能進一步推成公告已替所有參與者提供固定資金或維護人力。
制度承諾和基礎設施要一起成立，才不會把資料整理全丟給單一上傳者。接著，平台統計可以顯示分享趨勢，但仍需要分清數量和真正的重用成果。
一萬七千個資料集與下載量，應該怎麼讀？
平台統計顯示科學資源分享正在增加，卻沒有直接證明每次分享都帶來新發現。Hugging Face 自述，在核心科學領域已有超過一萬七千個公開資料集，包含基因、蛋白質、化學、氣候、地球觀測與天文等方向。
若再把醫學與數學納入，數量接近兩萬九千。兩個數字的差別來自統計範圍，不能把它們寫成同一批資源在短時間內突然增加，也不能當作彼此獨立的研究樣本數。
公告還說，2026年前九個月新分享的科學資料集，超過2025年同期的三倍。圖表依建立日期統計仍保持公開的資料集，所以這描述的是平台分享行為，沒有直接量出整個科學界的研究產能。
下載說明有人取得資源，沒有直接證明怎麼使用
截至十月二十六日，NIH旗下NCBI在平台維護的十八個公開儲存庫，合計下載超過一千一百萬次；NASA IMPACT的二十七個儲存庫則約七十七萬次。這些是公告提供的使用訊號，不是唯一使用者人數。
同一份資源可能被同一個人多次取得，也可能由自動流程讀取。沒有更細的分析，不能把每一次下載都換成一個完成的研究專案，更不能因此推估帶來多少新發現。
公告也指出，平台九成資料集下載來自文件完整的資料集。這支持文件值得重視，卻不能單靠這個相關現象，就證明補上文件一定會讓每個資料集的下載量增加多少。
文件完整和下載量一起觀察很有用，因果與實際研究收益仍要另外驗證。這也是ProtoStar要安排挑戰的理由：不只展示資源變多，而要看接著用它，能產生什麼可檢查的結果。
210座城市的氣候挑戰，怎麼把重用變成可測結果？
首場挑戰用已發生年份的天氣當對照，讓參賽方法可以和真實記錄及簡單基準比較。卡內基美隆大學安排的 Climate Risk Intelligence，不是先畫一張很遠未來的情境圖就宣告成功。
參與者使用截至2018年的歷史記錄，預測2019至2026年的條件。這讓問題具有可回頭檢查的答案，並把比較焦點放在實際觀察，而非只討論難以驗證的假想未來。
四個指標對應不同城市需求
官方列出年平均溫度、全年總降水、一年最熱的一天，以及冷房度日。冷房度日是用來描述冷房需求的氣候指標，不能直接當成某座城市的實際用電量或電費。
這些指標和城市規畫的關係不同：高溫、降雨與冷房需求各有可討論的調適問題。模型即使在某一項表現較好，也不代表所有相關政策就應採用同一個答案。
挑戰會把預測和歷史平均、線性趨勢等簡單統計方法比較。歷史平均提供過去常態，線性趨勢則延伸既有變化方向；讓AI和它們一起受評，才能知道更複雜的方法是否帶來額外價值。
這個基準很重要。只展示AI預測出一條看似合理的曲線，還不能說它超過更簡單的方法。若成本和複雜度增加，結果卻沒有更接近觀測，就需要重新判斷那段額外工作是否值得。
預測誤差與政策點子分開考量
除了預測，團隊還要提出一個簡短氣候調適政策構想，把資料分析接到公共用途。官方說明，預測表現以公開榜單比較誤差，政策點子則另作考量，兩者不是同一項模型分數。
最終預測結果要等完整2026年記錄就緒，預計在2027年初發布。現在能確認的是挑戰設計與時間安排，沒有足夠證據宣告AI已經贏過歷史平均或線性趨勢。
把預測誤差和政策點子分開考量，才能知道模型改善的是哪一種成果。這也讓公開挑戰比單次示範更容易被後續參與者理解和比較。
參與者要交付的是可接續的研究資源
比起只秀一張漂亮結果圖，包含輸出和說明的資料集，更能讓別人接著檢查與比較。公告說團隊將以 Hugging Face 資料集提交輸出，讓資源重用的過程也留下可取得的結果。
以一份假設的城市預測輸出為例，若每列能對到城市、年份、指標與單位，後續比較就比較容易知道模型究竟預測了什麼。這是說明可重用資料的例子，不是替官方新增一套未公告的欄位規定。
若還能清楚分出訓練時可使用的年份與要預測的年份，讀者也更容易看出是否把答案混回輸入。這種時間邊界，對用已發生資料評估方法尤其重要，不能只用結果圖外觀判斷研究是否成立。
公開也要保留權利與來源條件
讓檔案能下載，並不會自動改變資料、程式與模型原有的權利。參與者仍需要看每份資源的來源與條款，不能把「公開科學」當成所有內容都可任意商用或再訓練的許可。
同樣地，這項倡議並沒有要求把不適合公開的研究資料全部上網。公告談的是分享適合的科學產物，因此討論應保留資料選擇與治理，而非把多公開一切當成唯一成果。
ProtoStar邀請學術研究者、學生、獨立開發者與公司參與探索，也歡迎更多研究機構加入。這個開放方向沒有連帶承諾統一獎金、免費顯卡或所有人的算力額度，實際參加條件仍需回到對應挑戰。
第一場之後，計畫由其他參與機構依序主持新挑戰，使用各自公開的科學資源。後續值得追蹤的，是哪些文件缺口與互通問題被具體解決，以及別人能否在原成果上繼續工作。
讓下一個人能理解並重做，才是公開資源能否產生額外價值的實際考驗。這比只累積發布數量，更接近計畫希望建立的開放科學證據。
Project ProtoStar 常見問題
它是一個新的AI模型嗎？
不是。這是促進公費科研資料集、模型和程式以可重用方式公開的倡議，並透過挑戰觀察這些資源能做什麼。不能把它描述成另一個可直接聊天的基礎模型。
首場挑戰涵蓋台灣城市嗎？
官方列出的首場範圍是210座美國城市。它可以提供研究設計的參考，但沒有因此驗證台灣城市的資料、預測品質或政策適用性。
公開資源就可以全部免費商用嗎？
公開取得與授權範圍是不同問題。應依每份資料、模型與程式的條款判斷，不能只靠倡議名稱推定所有內容適用相同商業用途。
現在能知道哪個方法贏了嗎？
目前能確認的是十一月二日至十三日的挑戰安排。最終預測結果預計在2027年初、完整2026年氣候記錄可用後發布，現在不應搶先宣告AI或任何參賽方法勝出。
延伸閱讀
原始資料來源
想持續看懂開放科學、研究資料與AI評測的新進展，歡迎免費訂閱 AI 郵報。
