Onderzoek dat met belastinggeld is betaald, is vaak wel openbaar, maar in de praktijk lastig te hergebruiken. Data staan verspreid over systemen, in verouderde formaten en zonder goede uitleg. Met Project ProtoStar willen Hugging Face, vijf Amerikaanse universiteiten en een paar non-profitorganisaties daar iets aan doen.

Deelnemers ondertekenen een intentieverklaring waarin ze toezeggen geschikte datasets, modellen en code vrij te geven in een vorm die mensen én AI-systemen direct kunnen gebruiken: goed gedocumenteerd, met herkomstgegevens en op open infrastructuur. De eerste partners zijn Carnegie Mellon, Purdue, Georgia Tech, Arizona State en George Washington University, samen met het Astera Institute en de Open Research Community Accelerator. Hugging Face levert de infrastructuur.

Waarom nu

De Amerikaanse overheid steekt volgens Hugging Face jaarlijks zo'n 190 miljard dollar in onderzoek en eist steeds vaker dat resultaten en onderliggende data openbaar worden. Tegelijk groeit het aanbod: in de eerste negen maanden van 2026 kwamen er ruim drie keer zoveel nieuwe wetenschappelijke datasets op het platform als een jaar eerder. Documentatie blijkt daarbij cruciaal: 90 procent van de downloads gaat naar volledig beschreven datasets.

Eerste challenge: klimaatrisico's in steden

Om te laten zien wat hergebruik oplevert, organiseert ProtoStar een reeks open wedstrijden. De eerste loopt van 2 tot en met 13 november en komt van Carnegie Mellon. Teams krijgen weergegevens van 210 Amerikaanse steden tot en met 2018 en moeten de jaren 2019 tot 2026 voorspellen, zodat hun modellen tegen echte metingen worden afgerekend. Ze voorspellen onder meer de gemiddelde temperatuur, neerslag, de heetste dag van het jaar en de vraag naar airconditioning, en stellen daarnaast een kort beleidsidee voor klimaatadaptatie op. De uitkomsten vergelijkt een openbaar scorebord met simpele statistische methoden, om te zien of AI echt beter voorspelt. De einduitslag volgt begin 2027.

De wedstrijd staat volgens de organisatie open voor onderzoekers, studenten, ontwikkelaars en bedrijven. Voor Europa is het initiatief interessant als vergelijkingsmateriaal: ook hier moet publiek gefinancierd onderzoek steeds vaker open en herbruikbaar zijn, maar hoe je dat in de praktijk geschikt maakt voor AI, is nog grotendeels onontgonnen terrein. Nederlandse instellingen zitten (nog) niet bij de partners.