تحالف جامعي يطلق «بروتوستار»: بيانات الأبحاث العامة تتحول إلى أصول مهيأة لتدريب الذكاء الاصطناعي
إنفاق مليارات الدولارات سنوياً على الأبحاث العلمية الممولة من الخزائن العامة لا يعني بالضرورة أنها جاهزة للاستخدام في تدريب الخوارزميات، هذه الفجوة الهيكلية دفعت تحالفاً تقوده خمس جامعات أمريكية بالتعاون مع منصة «هاغينغ فيس» ومعهد «أستيرا» ومسرّع «أوركا» لإطلاق مبادرة «مشروع بروتوستار» (Project ProtoStar). تستهدف المبادرة وضع حد لعزلة مجموعات البيانات والشيفرات البرمجية، وتحويلها عبر مذكرة تفاهم مؤسسية إلى أصول رقمية مفتوحة ومهيأة للحوسبة والتدريب المباشر.
المفارقة تكمن في الحجم المالي للإنفاق الفيدرالي في الولايات المتحدة، والذي يقارب 190 مليار دولار سنوياً في البحث والتطوير، مع إلزام وكالات مانحة مثل معاهد الصحة الوطنية والمؤسسة الوطنية للعلوم بنشر مخرجات المشاريع الممولة وإتاحة بياناتها. غير أن إتاحة الأبحاث للجمهور لا تعني تلقائياً جعلها قابلة للاستخدام، فالأرقام العلمية تظل غالباً مبعثرة داخل أنظمة غير متوافقة، أو تُحفظ بصيغ قديمة تفتقر إلى التوثيق الدقيق والبيانات الوصفية وسجلات المصدرية اللازمة لتمكين أنظمة الذكاء الاصطناعي من قراءتها ودمجها عبر التخصصات المختلفة.
الطلب على هذه المصادر يظهر بوضوح في المؤشرات التشغيلية للمنصات المفتوحة، إذ تستضيف منصة «هاغينغ فيس» وحدها أكثر من 17 ألف مجموعة بيانات علمية عامة في مجالات الجينوم والبروتينات والكيمياء والمناخ ورصد الأرض والفلك، ويقترب الرقم من 29 ألفاً عند إدراج الطب والرياضيات، إلى جانب آلاف النماذج المتخصصة. كما تضاعف معدل نشر البيانات العلمية الجديدة على المنصة ثلاث مرات خلال الأشهر التسعة الأولى من عام 2026 مقارنة بالفترة نفسها من عام 2025، وسجلت مستودعات معاهد الصحة الوطنية أكثر من 11 مليون تنزيل، في حين حققت مستودعات وكالة ناسا نحو 770 ألف تنزيل.
لكن إتاحة البيانات وحدها لا تحسم كفاءة البناء؛ فالواقع الميداني يثبت أن تسعين بالمئة من عمليات تنزيل البيانات العلمية تتركز في المجموعات الموثقة بالكامل. ولاختبار قدرة الأصول الجاهزة على تسريع الاكتشاف، تبدأ المبادرة سلسلة تحديات بحثية، تفتتحها جامعة «كارنيغي ميلون» في الثاني من نوفمبر باختبار قدرة الخوارزميات على التنبؤ بمناخ 210 مدن، عبر توظيف سجلات الطقس التاريخية للتنبؤ بدرجات الحرارة الفعلية وذروة القيظ ومؤشرات استهلاك التبريد حتى نهاية 2026 ومقارنتها بالنماذج الإحصائية التقليدية.
هذا التحول التقني يحمل أثراً مباشراً على فرق العمل والمختبرات في الخليج ومصر والمنطقة العربية. فالأزمة الحقيقية التي تواجه الباحثين المحليين عند تدريب نماذج متخصصة في الجينوم السكاني أو المحاكاة المناخية لا ترتبط بندرة النماذج، بل بكلفة تنظيف واستخراج البيانات من مستودعات أكاديمية عتيقة لا تقرؤها البرمجيات بسلاسة. تحويل المستودعات الدولية إلى بنية قياسية جاهزة يمنحك كمهندس أو باحث القدرة على اختصار مئات الساعات التشغيلية وتوجيه الميزانيات نحو تخصيص الأوزان بدلاً من هدرها في تنقية ملفات مبعثرة.
وعلى صعيد التخطيط الحضري وإدارة المرافق، يتقاطع اختبار التنبؤ بطلب التبريد والحرارة القصوى مباشرة مع واقع المدن الخليجية التي تواجه أحمالاً كهربائية استثنائية خلال فترات الصيف؛ فاستلهام هذه الأطر المفتوحة واستخدام مجموعات بيانات موحدة يتيح للمطورين بناء أدوات استشرافية محلية تقلص استهلاك شبكات الطاقة دون الحاجة إلى دفع تكاليف رخص برمجية احتكارية مغلقة.