정책2026-11-01

공공 과학 데이터의 AI 표준화, 허깅페이스 '프로토스타' 출범

한국 독자에게 왜 중요할까?
공공 연구 데이터의 AI 활용 표준화 프로젝트는 향후 글로벌 과학 기술 연구와 AI 생태계의 패러다임 변화를 이끌 핵심 정책적 움직임이기 때문이다.

인공지능(AI) 오픈소스 플랫폼 허깅페이스와 카네기멜론대, 퍼듀대 등 미국 주요 연구 기관들이 공공 예산으로 진행된 과학 연구 성과를 AI가 바로 활용할 수 있는 형태로 개방하는 '프로젝트 프로토스타(Project ProtoStar)'를 발표했습니다. 이번 프로젝트는 정부 예산이 투입된 연구 데이터와 AI 모델, 소스 코드를 기계가 즉시 읽고 분석할 수 있는 'AI 레디(AI-ready)' 규격으로 정비하여 연구 생태계 전반의 재사용성을 높이기 위한 다자간 협력 이니셔티브입니다.

미국 연방 정부는 매년 연구개발(R&D)에 약 1,900억 달러를 투자하고 있으며, 국립보건원(NIH)과 국립과학재단(NSF) 등 주요 기관들은 연구 성과와 기초 데이터의 공개 의무를 꾸준히 강화하고 있습니다. 하지만 연구 결과가 단순히 외부에 공개된다고 해서 곧바로 AI 연구에 쓰일 수 있는 것은 아닙니다. 기존 공공 연구 데이터는 호환되지 않는 시스템에 흩어져 있거나 구형 포맷으로 보관된 경우가 많고, 데이터의 속성과 출처를 설명하는 메타데이터(metadata)가 누락되어 AI 시스템이 학문 간 경계를 넘어 데이터를 해석하고 융합하는 데 한계가 있었습니다.

프로젝트 프로토스타는 바로 이 공백을 메우기 위한 중대한 정책적·기술적 시도입니다. 참여 대학과 기관들은 업무협약(MOU)을 맺고 공공 연구 결과물을 개방형 인프라에 맞춰 체계적으로 공유하기로 합의했습니다. 공공 연구 데이터를 AI 친화적인 표준 형식으로 전환하는 작업은 향후 글로벌 과학 기술 연구와 AI 생태계의 패러다임 변화를 이끌 핵심적인 움직임으로 평가받습니다.

실제로 고품질 과학 데이터에 대한 수요는 이미 폭발적인 증가세를 증명하고 있습니다. 허깅페이스에는 유전체학, 기후, 천문학 등 핵심 과학 분야의 공개 데이터셋만 1만 7,000건 이상 호스팅되고 있으며, 의학과 수학을 포함하면 그 수가 약 2만 9,000건에 달합니다. 2026년 1월부터 9월까지 공유된 신규 과학 데이터셋 수는 전년 동기 대비 3배 이상 급증했습니다. 특히 허깅페이스 내 전체 데이터셋 다운로드의 90%가 설명 문서가 완벽히 갖춰진 데이터셋에서 발생했다는 점은 규격화와 문서화가 데이터 활용의 성패를 가른다는 사실을 잘 보여줍니다.

프로토스타는 이러한 데이터 표준화가 실제로 어떤 가치를 내는지 입증하기 위해 공개 챌린지도 순차적으로 개최합니다. 첫 번째 시도로 11월 2일부터 카네기멜론대학교가 주최하는 기후 위험 인텔리전스 챌린지가 열립니다. 참여 연구자들은 규격화되어 공개된 데이터를 기반으로 AI를 활용한 도시 예측 모델 개선 등에 도전하게 됩니다. 카네기멜론대 오픈소스프로그램오피스(OSPO)는 연구원들이 적합한 데이터셋과 AI 모델을 허깅페이스 등에 적극 공유하도록 권장하며 제도적 지원에 나섰습니다.

이번 프로젝트 프로토스타의 출범은 국가 연구개발 성과물이 폐쇄적인 연구실을 벗어나 실질적인 AI 혁신 자산으로 거듭나는 전환점을 의미합니다. 공공 연구 데이터를 기계가 즉각 처리할 수 있는 표준으로 통일해 나가는 정책적 흐름은 전 세계 과학 연구의 생산성을 높이고 개방형 AI 생태계를 더욱 견고하게 확장하는 기폭제가 될 것입니다.

원문: Hugging Face — Announcing Project ProtoStar: Making Publicly Funded Science AI-Ready

← 오늘의 뉴스로

유튜브 채널

AI 한입구독하기

오늘의 AI 뉴스를 쇼츠로 짧게 정리합니다.

숫자쇼크구독하기

숫자로 놀라는 30초 쇼츠, 자매 채널입니다.