大学や研究組織とデータ・モデル・コードを使いやすい形式で公開します。最初の気候予測チャレンジは11月2日開始で、210都市の過去データを使います。 公開されていることと、再現可能な形で再利用できることは異なります。出典、形式、説明の不足を実際の課題で検証する取り組みです。 研究成果の公開から再利用のしやすさへ Hugging Faceなどは10月29日、Project ProtoStarを発表しました。公的資金による研究のデータ、モデル、コードをAIが扱いやすい形式で公開し、再利用を進める取り組みです。大学連合のOpen Forum for AI、Astera Institute、基盤を担うHugging Face、コミュニティを担うOpen Research Community Acceleratorなどが参加します。公開済みでも、古い形式や説明不足、異なる仕組みへの分散によって利用しにくい研究資源があることを課題に挙げています。単に成果物を置く場所を増やすだけでなく、実際の利用を通じて必要な条件を学ぶ構想です。参加組織は覚書により、適切な科学資源を公開する方針を確認するとしています。 最初の課題は210都市の気候を予測する 最初の公開チャレンジはCarnegie Mellon Universityが主催し、11月2〜13日に行います。米国210都市の過去の気象記録を使い、2018年までのデータから2019〜2026年の実際の気象を予測します。年間平均気温、年間降水量、年間の最高気温の日、冷房需要に関わる指標を対象にしています。将来の仮想シナリオではなく、観測結果と照合できる設計です。過去平均や線形の傾向など、単純な統計手法とも比べます。参加者は予測と、分析を踏まえた短い適応策の案をデータセットとして提出します。予測性能と政策案は別に評価し、完全な2026年の記録が揃う2027年初めに最終結果を公開する予定です。研究者、学生、開発者、公開データを整備する機関には、資料の準備から評価までを試す機会になります。 使い手のつまずきを公開基盤へ戻す 実務上は、データの取得に成功した後、出典や測定条件を理解して組み合わせられるかが論点になります。説明、メタデータ、由来が不足していれば、AIが処理できる形式に変えても誤った結論につながる可能性があります。ProtoStarは公開課題を通じて、技術上の障壁や相互運用の問題を見つける方針です。参加側では、複雑なモデルを用いる前に単純な比較手法を再現し、どこで差が生じたか確かめる方法が考えられます。予測に良い結果が出たとしても、特定の適応策が有効だと自動的に証明されるわけではありません。データの再利用を支える側には、版を管理し、処理手順を共有する負担も生じます。課題への参加結果だけでなく、他者が同じ資源を使える説明が残ったかを見ることが重要になると見られます。次の課題は取り組みのページで順次案内するとしています。