الروبوت الكلبي الذي كشف أزمة تعليم الذكاء الاصطناعي في الهند

عمّ الضحك على الإنترنت، لكن الضحك كان مصحوبًا بنبرة حادة.

في 17 فبراير 2026، في Bharat Mandapam، مكان المؤتمرات الرئيس في الهند، قالت أستاذة من Galgotias University لكاميرا DD News إن جامعتها بنت “Orion”، روبوتًا كلبيًا أنيقًا بأربع قواعد، كجزء من مركز تميّز في الذكاء الاصطناعي بتكلفة ₹350-crore.

لم يصمد هذا الادعاء حتى فترة ما بعد الظهر.

ادعت وسائل الإعلام والمراقبون التقنيون الصينيون بسرعة أن الآلة كانت Unitree’s Go2، وهو روبوت يباع عبر الإنترنت، وتحوّل العرض من دعاية إلى إحراج.

أُبلغ أن التيار الكهربائي عن الكشك قُطِع، وتم إخراج الجامعة من المكان، وتبع ذلك اعتذار، وأُعلن عن تحقيق.

بالنسبة لبلد احتل المرتبة الثالثة في أداة ستانفورد لحيوية الذكاء الاصطناعي العالمية 2025, لم يكن هذا العرض مجرد زلة علاقات عامة؛ بل كان اختبار ضغط.

عندما تلاشت الميمات، بقي سؤال واحد: أي نوع من منظومات الذكاء الاصطناعي يُنتج عرضًا تجريبيًا لا يقف أمام شريط البحث؟

بطاقة التقييم التي لم يرغب بها أحد

حكاية الهند حول الذكاء الاصطناعي اليوم مدعومة بأدلة جادة.

وضعت أداة ستانفورد لحيوية الذكاء الاصطناعي العالمية لعام 2025 الهند في المرتبة الثالثة، وهي قفزة فسّرها الإعلام الهندي كدليل على صعود البلاد عبر عدة مؤشرات للذكاء الاصطناعي.

تلك المرتبة مهمة لأنها تعكس الاتساع: نشاط المواهب، إشارات البحث، وحجم النظام البيئي، وليس مجرد إطلاق منتج لافت.​

لكن الذكاء الاصطناعي واحد من تلك الميادين حيث يمكن للحجم أن يخفي السطحية.

يمكن لبلدٍ أن يضم عددًا كبيرًا من مستخدمي الذكاء الاصطناعي القادرين على استخدام أدوات جاهزة، ومع ذلك يعجز عن إنتاج بناة الذكاء الاصطناعي: الباحثين والمهندسين الذين يبتكرون طرقًا جديدة، ينشرون نتائج دائمة، ويولّدون ملكية فكرية قابلة للدفاع.

هنا تتصادم قصة الهند مع التفاصيل الدقيقة.

أبرزت عدة تجميعات وملخصات موجهة لصناع السياسات مدى صغر حصة الهند من براءات اختراع الذكاء الاصطناعي العالمية مقارنة بأكبر قوتين في الذكاء الاصطناعي.

تقرير مؤشر الذكاء الاصطناعي لستانفورد 2025 يضع الهند بنحو 0.37% من براءات الذكاء الاصطناعي العالمية، مقابل حوالي 70% للصين ونحو 14% للولايات المتحدة.​

البراءات مقياس غير مثالي: كثير منها منخفض الجودة، وبعض الاختراقات لا تُسجَّل كبراءات، والمصادر المفتوحة موجودة بالفعل.

لكن كمقاييس لملكية التكنولوجيا الأساسية، فهي أفضل ما يتوفر، وحصة الهند ضئيلة جدًا.

إذا كانت حصة الهند من البراءات صغيرة إلى هذا الحد، فالمعنى ليس أن الهند تفتقر للمواهب، بل أن النظام البيئي كان أفضل في تدريب الناس على استخدام التكنولوجيا أكثر من قدرته على خلقها على نطاق واسع.​

لهذا السبب كان حادث الروبوت الكلبي مدوًٍا إلى هذا الحد. شراء روبوت وبناء روبوت مهمتان مختلفتان.

الأولى هي الشراء. الثانية هي البحث، والتصنيع، وهندسة النظم، والاختبار، والتكرار — عمل يحتاج إلى مختبرات وميزانيات ومرشدين ذوي خبرة.

عندما يقلّ الاستثمار باستمرار في الجانب الثاني، يبدأ النظام بمكافأة مظاهر الابتكار بدل ممارسته الحقيقية.

​

قاعدة التمويل تحت «الابتكار»

خلف معظم قصص «الابتكار المزيف» تكمن قصة ندرة حقيقية.

تشير التقارير المستندة إلى المسح الاقتصادي 2025–26 إلى أن إنفاق الهند على البحث والتطوير يبلغ نحو 0.6% من الناتج المحلي الإجمالي.

تشير تغطية مرتبطة بنفس المسح الاقتصادي إلى قيد ثانٍ: يساهم القطاع التجاري في الهند بنحو 41% فقط من إجمالي الإنفاق على R&D.​

تشكّل هذه الأرقام كل ما يأتي لاحقًا. عندما لا يمول رأس المال الخاص البحث الجامعي بشكل جوهري، يعتمد النظام بشكل كبير على ميزانيات الحكومة وإيرادات الرسوم الدراسية.

يميل ذلك إلى إنتاج سلوك متوقع: إذ تفضّل الجامعات ما يسهل إظهاره واحتسابه ويكلف قليلًا: مراكز جديدة، مذكرات تفاهم (MoUs) جديدة، برامج درجات «الذكاء الاصطناعي» الجديدة، وأوراق مؤتمرات، بدلاً من ما يكلف كثيرًا إنشاؤه مثل الوصول إلى موارد الحوسبة، مجموعات بيانات عالية الجودة، مختبرات الأجهزة، والإشراف البحثي المستمر.

مقارنات مع الاقتصادات النظيرة تجعل موقف الهند يبدو أكثر حرجًا.

أظهرت التقارير المبنية على المسح الاقتصادي أن كثافة الإنفاق على البحث والتطوير في الهند بنسبة 0.6% مقابل مستويات أعلى بكثير في الولايات المتحدة والصين وكوريا الجنوبية.

يزداد التباين حدة عندما نمعن النظر في حصة قطاع الأعمال في الهند مقارنةً بمشاركة خاصة أعلى بكثير في تلك الاقتصادات.​

بمعنى آخر، تحاول الهند الفوز في سباق التكنولوجيا العميقة بقاعدة بحث وتطوير ضحلة، وبشركات لم تتحمل بعد الجزء الأكبر من مخاطر البحث.

هنا يتشوّه مفهوم المساءلة. عندما تكون الموارد شحيحة والمؤشرات مضطربة، تطارد المؤسسات الإشارات.

يعيدون تسمية الطائرات بدون طيار المستوردة كـ «منصات محلية». يعاملون شراكات البائعين كـ «إنجازات بحثية».

يسجلون براءات ذات جودة منخفضة لتضخيم لوحات مؤشرات الابتكار. يدفعون أعضاء الهيئة التدريسية نحو أهداف نشر على أساس الكم.

لا يمكن تبرير أي من هذه السلوكيات. لكنها مفهومة في نظام يكافئ المخرجات التي تبدو كالتقدم، حتى لو كانت القدرة الأساسية غائبة.

أين ينكسر المسار: الفصول، المرشدون، وموارد الحوسبة

إذا أردت أن تعرف لماذا كانت لحظة «Orion» ممكنة، عليك أن تبتعد عن قاعة المعرض وتسير إلى الفصل الهندسي العادي.

Invezz أجرت مقابلة مع الأستاذ Naveen Garg، رئيس قسم علوم وحngineering الحاسوب في IIT Delhi، الذي يصف الخلل بأنه مسألة أساسيات وإرشاد.

بحسب قوله، تحتاج الهند إلى «عدد أكبر من الخريجين ذوي الأساسيات القوية في الرياضيات وعلوم الحاسوب» و«مجموعة أكبر من الأشخاص الذين يمكنهم تقديم الإرشاد لأبحاث ذكاء اصطناعي ذات جودة».

وهو صريح بنفس القدر بشأن الحوافز:

«لا يبدو أن الحكومة تقدم بجدية الحوافز اللازمة لجعلنا دولة رائدة في البحث في مجال الذكاء الاصطناعي. اللاعبون الكبار مثل الصين والولايات المتحدة استثمروا فعلاً موارد هائلة في خلق باحثين ذوي جودة. هذا لم يحدث بعد في البلاد»، قال.

مشكلة «مجموعة المرشدين» ليست مجرّد انتقادات أكاديمية. إنها تقرر ما إذا كان الطلاب يتعلمون وصفات جاهزة أم التفكير العقلاني.

يتطلب عمل الذكاء الاصطناعي الحديث تفكيرًا إحصائيًا، والتحسين، ومعرفة متينة بالنظم.

كما يتطلب حكمًا: كيفية تقييم نموذج، وكيفية اختباره في ظروف العالم الواقعي، وكيفية اكتشاف الأخطاء، وكيفية التواصل بشأن عدم اليقين بمسؤولية.

ثم هناك قيد البنية التحتية، الذي يشكّل بهدوء ما يمكن للطلاب القيام به.

Hardeep، مهندس ذكاء اصطناعي أول وخريج IIIT Prayagraj، يعزو درجةه العلمية إلى إعطائه «أساسات نظرية قوية في Machine Learning (ML)، ومعالجة اللغة الطبيعية (NLP) والخوارزميات.»

لكنه يضيف تفصيلًا حاسمًا أثناء حديثه مع Invezz: «لم تُغطَّ تقنية Transformers والنماذج اللغوية الكبيرة الحديثة آنذاك، وكان العمل العملي في المشاريع محدودًا بسبب تكاليف البنية التحتية.»

لقرّاء غير المتخصصين: تُعد «Transformers» بنية نموذجية تشغّل العديد من أنظمة الذكاء الاصطناعي الحديثة، بما في ذلك النماذج اللغوية الكبيرة (LLMs) التي تولّد النص.

تتطلب عملية تدريبها واختبارها على نطاق ذي معنى في كثير من الأحيان حوسبة مكلفة (GPUs) وهندسة حذرة، وهي موارد تفتقر إليها العديد من الكليات.

خلاصة Hardeep هي الجملة التي يجب أن تقلق صانعي السياسات أكثر من غيرها:

«اليوم، أصبح بناء منتجات ذكاء اصطناعي حقيقية أكثر سهولة؛ النجاح يعتمد إلى حد كبير على الفضول الفردي والتعلم الذاتي بدلاً من الاعتماد فقط على التدريب الجامعي.»

التعلم الذاتي ليس عيبًا؛ بل فضيلة في مجال التكنولوجيا.

المشكلة عندما يتحول التعلم الذاتي إلى بديل عن القدرة المؤسسية.

عندما تقوم الجامعات بشكل مستمر بتفويض أصعب أجزاء التدريب إلى YouTube والدورات المفتوحة وأجهزة الكمبيوتر المحمول الشخصية، فإنها لا تزال تجني فوائد السمعة، لكن الطلاب يدفعون الثمن الحقيقي بالوقت وعدم اليقين والنتائج غير المتكافئة.

لهذا السبب أصبح الوصول إلى الحوسبة هو الخط الفاصل الجديد. وقد بدأت سياسة الهند تعترف بهذا القيد.

أشارت تقارير حول مبادرة IndiaAI إلى نشر واسع النطاق لوحدات GPU، نحو 18,000 GPUs تم نشرها بالفعل بموجب المبادرة.

وهذا مهم لأن الحوسبة المشتركة يمكن أن تخفّض الحاجز أمام الباحثين والشركات الناشئة الذين لا يستطيعون إجراء تجارب جادة بخلاف ذلك.​

لكن شراء GPUs ليس هو نفسه قدرة البحث.

الحوسبة بدون مرشدين تولّد تقلبًا، حيث يقوم أشخاص بتشغيل تجارب دون توجيه قوي حول التقييم والأخلاقيات وقابلية التكرار.

المرشدون دون موارد حوسبة يولّدون إحباطًا: طلاب يفهمون النظرية لكن لا يستطيعون القيام بأعمال عملية ذات معنى.

تحتاج استراتيجية تعليم ذكاء اصطناعي ذات مصداقية إلى كلا العنصرين، ولا ينبغي أن تقتصر على عدد ضئيل من الحرم الجامعية النخبوية.

مشكلة المصداقية: ثقافة بحثية لا يمكن فصلها

يمكن فصل الروبوت الكلبي عن التشغيل. أزمة المصداقية لا يمكن فصلها.

واجه نظام النشر في الهند تدقيقًا متزايدًا بشأن نزاهة البحث، بما في ذلك دور «مصانع الأوراق البحثية» وممارسة مراجعة الأقران المزيفة في بعض الحالات.

استخدمت دراسة محكمة نُشرت في سبتمبر 2025 في Journal of Data Science, Computing and Information Sciences بيانات Retraction Watch وفحصت 2,853 ورقة سُحِبَت من قبل علماء هنود من 2010 إلى 2024.

وجدت الدراسة أن عمليات السحب ارتفعت بعد 2021، حيث حدثت 57.55% منها بين 2021 و2024.

تدرج نفس التحليلات الأسباب المذكورة الرائدة والتي شملت مراجعة الأقران المزيفة (1,007 أوراق)، والانتحال (880)، والتلاعب/تزوير البيانات (746).​

لقرّاء غير المألوفين بمصطلح «مراجعة الأقران المزيفة»: يفترض أن تكون مراجعة الأقران فحصًا مستقلاً من خبراء قبل النشر.

عندما تُزوَّر أو تتعرض للتلاعب، يمكن لأعمال غير موثوقة دخول السجل العلمي.

السحوبات هي فرملة الطوارئ للنظام، لكنها تكشف أيضًا تكلفة ضعف الحوافز وضعف التنفيذ.​

لماذا يهم هذا بالنسبة للذكاء الاصطناعي؟ لأن تقدم الذكاء الاصطناعي يعتمد على أبحاث موثوقة.

إذا كان خط البحث ضوضائيًا، وأوراق لا يمكن تكرارها، ونتائج مبالغ فيها، ومجموعات بيانات مشكوك فيها، فتتباطأ تبنِّي الصناعة ويتأثر مصداقية البلاد عالميًا.

ينتهي الأمر بالبلاد إلى قضاء وقت أطول في مطاردة المقاييس بدلاً من بناء قدرة دائمة.

في هذا المعنى، حلقة الروبوت الكلبي هي القريب البصري لنمط أعمق: الأداء على حساب الإثبات.

عندما تُكافأ المؤسسات على كونها مرئية على الخط الأمامي بدلًا من القيام بعمل رائد حقًا، فسوف تستثمر متوقعًا في المظاهر.

لهذا السبب لا يمكن أن يتوقف الرد السياسي عند العقاب. يجب أن يغير الحوافز: ما الذي تقدّره التصنيفات، وما الذي تفحصه عمليات تدقيق الاعتماد، وما ترتبط به التمويلات.

إذا استمر النظام في الدفع مقابل الكمّ، فسيحصل على الكمّ باستمرار، أحيانًا بصدق وأحيانًا لا.

​

البنّاؤون مقابل المستخدمون: تسرب المواهب

ينقسم الجدل في الهند حول الذكاء الاصطناعي إلى معسكرين: المتفائلون الذين يرون أن الهند تتحول إلى منتج (بناة)، والمشككون الذين يقولون إن الهند لا تزال في المقام الأول مستخدمًا على نطاق واسع.

الأستاذ M Jagadesh Kumar، الرئيس السابق للـ UGC ورئيس لجنة مراجعة NEP 2020، يقدّم الحجة التفاؤلية بقناعة:

"اليوم، مؤسسات الهند ليست مجرد مستخدمي للذكاء الاصطناعي. إنها تتحول بسرعة إلى بناة للذكاء الاصطناعي. تتعاون المؤسسات الهندية بشكل متزايد مع الصناعة لتطوير حلول ذكاء اصطناعي في التعليم، الصحة، الحوكمة، الزراعة، والمدن الذكية. أستطيع أن أذكر لكم بعض الأمثلة," قال البروفيسور Kumar لـ Invezz.

"دعم Ministry of Education مراكز التميّز في الذكاء الاصطناعي، مثل TANUH في IISc. يعمل هذا المركز على حلول ذكاء اصطناعي قابلة للتوسع للرعاية الصحية (لا سيما الأمراض غير السارية). أعلنت IIT Madras Global Research Foundation عن مركز ابتكار للذكاء الاصطناعي التطبيقي لتسريع الذكاء الاصطناعي التطبيقي. يربط المركز البحث بالاستخدام المسؤول في العالم الحقيقي," أضاف.

أكّد أيضًا على مبادرة IndiaAI، التي تروّج للابتكار في الذكاء الاصطناعي والوصول إليه والحلول المتمحورة حول الهند بالتعاون مع المؤسسات التعليمية الهندية.

"تُظهر هذه الأمثلة أن العديد من الجامعات الهندية تعمل على ذكاء اصطناعي شامل وقابل للنشر."

بالإشارة إلى حادثة Galgotias، كان البروفيسور Kumar متأنٍ في كلامه دون تسمية أي مؤسسة:

"إذا تجاوز أي معهد ادعاءاته، فيجب أن تكون التدابير المخففة متناسبة وتعليمية وتصحيحية. كما ينبغي على المؤسسات تدريب فرقها على الأخلاقيات ونزاهة البحث والاتصال المسؤول. هذا النهج هو الأضمن لحماية سمعة المبتكرين الحقيقيين في الهند," قال.

"كما يمنع أي ادعاءات مبالغ فيها من خلق سرد زائف. لكن لا شك في ذهني أن مؤسسات التعليم العالي في الهند تبني بسرعة قدرات في الذكاء الاصطناعي وتخلق حلولًا شاملة," أضاف.

ومع ذلك، من الصعب تجاهل نقطة المشكك: الاستثناءات النخبوية لا تمثل المتوسط. عدد قليل من المعاهد الكبرى يمكن أن يبني وينشر حقًا.

لكن نظام التعليم العالي في الهند واسع وغير متكافئ. إذا لم تستطع غالبية الحرم الجامعية توفير وصول حقيقي للحوسبة، وإرشاد موثوق، وثقافة بحث تضع النزاهة في المقام الأول، فستبقى صفة 'الباني' محصورة بالنخبة.

الفصول بدل الاحتفالات

وحتى عندما تنتج الهند مواهب قوية في الذكاء الاصطناعي، تكافح البلاد للاحتفاظ بها.

أبرزت تغطية تلخّص مقاييس المواهب المرتبطة بمؤشر ستانفورد للذكاء الاصطناعي أن صافي هجرة مواهب الذكاء الاصطناعي في الهند هو -1.55، مما يشير إلى صافي تدفق نحو الخارج وفق ذلك المقياس.

هذا مهم لأن تسرب الأدمغة ليس مجرد عنوان صحفي.

إنه خسارة متراكمة للمرشدين والمؤسسين وقادة الأبحاث، وهم بالضبط الأشخاص اللازمون لتعزيز خط الإمداد المحلي.​

من الناحية المالية، تستثمر الهند في تكوين المواهب لكنها لا تلتقط ما يكفي من العوائد على المدى الطويل.

وعندما تتسرب العوائد، تشعر المؤسسات بمزيد من الضغط للأداء من أجل التصنيفات والعلاقات العامة، لأن النتيجة الأعمق — نظام بحث مستقر — تظل صعبة الإظهار سريعًا.

إن Unitree Go2 (سواء كان ذلك هو الطراز أم لا) كان في النهاية دعامة في قصة أكبر.

الهند ليست ناقصة في الطموح. وليست ناقصة في الطلاب الأذكياء. هي ناقصة في نوع البنية التعليمية والبحثية التي تحول الطموح إلى تكنولوجيا مملوكة.

الروبوت الكلبي لم يكن الفضيحة. بل كان النظام الذي جعل حدوثه ممكنًا هو الفضيحة.