Сушант Сачдева, исследователь OpenAI и преподаватель Университета Торонто, заявил, что Индии стоит сосредоточиться на создании моделей искусственного интеллекта для индийских языков, а не напрямую соревноваться с США и Китаем в разработке крупных базовых ИИ-систем.
Выступая на церемонии вручения премии Infosys Prize 2025, где он получил награду в области инженерии и компьютерных наук, Сачдева отметил необходимость стратегического выбора в отношении того, какую часть цепочки разработки ИИ финансировать.
По его словам, создание базовых моделей требует больших капиталовложений и ставит Индию в прямую конкуренцию с компаниями, разрабатывающими самые продвинутые мировые ИИ-системы.
Он подчеркнул, что главное конкурентное преимущество Индии — языковое разнообразие и масштаб населения: носителей хинди и других индийских языков существенно больше, чем многих зарубежных языков, и при этом они остаются недостаточно обеспечены существующими ИИ-системами.
Сачдева отметил, что в стране есть необходимый кадровый потенциал и технические возможности для создания качественных моделей для местных языков без разработки крупных базовых моделей с нуля.
По его мнению, индийские разработчики могут использовать общедоступные модели и наборы данных, чтобы приносить практическую пользу, не пытаясь напрямую соперничать с такими компаниями, как OpenAI или Alibaba.
Эти замечания прозвучали на фоне наращивания Индией усилий по укреплению позиций в глобальной экосистеме ИИ; в преддверии саммита AI Impact 2026 премьер-министр Нарендра Моди подчеркнул важность разработки отечественных моделей, ориентированных на местный контент и региональные языки.
Несколько индийских стартапов, в том числе Sarvam AI, Krutrim, Gnani.ai и Fractal Analytics, работают над базовыми моделями и получают поддержку в рамках правительственной инициативы IndiaAI Mission.
Сачдева был отмечен Infosys Science Foundation за вклад в алгоритмы и теоретическую информатику. Его исследования посвящены оптимизации транспортных сетей с использованием географических данных и повышению эффективности передачи данных между локациями.
Комментариев