Robokoira, joka paljasti Intian tekoälykoulutuksen kriisin

Internet nauroi, mutta naurun sävy oli terävä.

17. helmikuuta 2026 Bharat Mandapamissa, Intian merkittävässä kongressikeskuksessa, Galgotias-yliopiston professori kertoi DD Newsin kameralle, että hänen yliopistonsa oli rakentanut ”Orionin”, tyylikkään nelijalkaisen robokoiran, osana ₹350-crore tekoälyn huippukeskusta.

Väite ei kestänyt iltapäivää.

Kiinalaiset mediat ja teknologiaseuraajat väittivät nopeasti, että kone oli Unitreen Go2, verkossa myytävä robotti, ja esittely muuttui julkisuudesta noloilmiöksi.

Raporttien mukaan kojun sähkö katkaistiin, yliopisto saatettiin ulos, pahoittelu seurasi ja tutkinta julkistettiin.

Kun maa sijoittuu kolmanneksi Stanfordin vuoden 2025 Global AI Vibrancy -työkalussa, näytös ei ollut pelkkä PR-maalivirhe; se oli kuormitustesti.

Kun meemit vaimenivat, yksi kysymys jäi: millainen tekoälyekosysteemi tuottaa demon, joka ei kestä hakukenttää?

Raportti, jota kukaan ei halunnut

Intian tekoälykertomusta tukevat nykyään merkittävät vahvistukset.

Stanfordin vuoden 2025 Global AI Vibrancy -työkalu sijoitti Intian kolmanneksi, mikä mediassa tulkittiin todisteeksi siitä, että maa nousee monilla tekoälyindikaattoreilla.

Tuo sijoitus on merkittävä, koska se heijastaa laajuutta: lahjakkuuden aktiivisuutta, tutkimussignaaleja ja ekosysteemin kokoa, ei vain yhtä näyttävää tuotelanseerausta.

Mutta tekoäly on myös sellainen ala, jossa mittakaava voi peittää pinnallisuuden.

Maa voi olla täynnä tekoälyn käyttäjiä — ihmisiä, jotka osaavat ottaa käyttöön valmiita työkaluja — ja silti kamppailla sen kanssa, että syntyy rakentajia: tutkijoita ja insinöörejä, jotka kehittävät uusia menetelmiä, julkaisevat kestäviä tuloksia ja luovat suojattavaa immateriaalioikeutta.

Tässä kohtaa Intian tarina törmää pienempään tekstiin.

Useat koosteet ja politiikkaan suunnatut yhteenvedot ovat korostaneet, kuinka pieni Intian osuus maailmanlaajuisista tekoälypatenteista edelleen on verrattuna kahteen suurimpaan tekoälymaahan.

Stanfordin AI Index Report 2025 sijoittaa Intian noin 0,37 %:iin maailman tekoälypatenteista, kun Kiinan osuus on noin 70 % ja Yhdysvaltojen noin 14 %.

Patentit eivät ole täydellinen mittari: moni patentti on heikkolaatuinen, jotkut läpimurrot jäävät patenteeraamatta ja avoin lähdekoodi on todellinen ilmiö.

Mutta kun etsitään indikaattoria siitä, kuka omistaa perustavanlaatuisen teknologian, patentit ovat käytettävissä olevista parhaat, ja Intian osuus on mitättömän pieni.

Jos Intian patenttiosuus on niin pieni, johtopäätös ei ole, että Intialla ei olisi lahjakkuutta. Kyse on siitä, että ekosysteemi on ollut parempi kouluttamaan ihmisiä käyttämään teknologiaa kuin luomaan sitä laajassa mittakaavassa.

Siksi robokoiraepisodi iski niin kovaa. Robotin ostaminen ja robotin rakentaminen ovat eri asioita.

Ensimmäinen on hankintaa. Toinen on tutkimusta, valmistusta, järjestelmäsuunnittelua, testausta ja iterointia — työtä, joka vaatii laboratorioita, budjetteja ja kokeneita mentoreita.

Kun järjestelmä jatkuvasti alirahoittaa jälkimmäistä, se alkaa palkita innovaation näköisyyttä sen käytännön sijaan.

​

Rahoituspohja ”innovaation” alla

Useimpien ”feikki-innovaatio” -tarinoiden taustalla on todellinen pula.

Intian tutkimus- ja kehitysmeno on noin 0,6 % BKT:sta, kuten raportointi Economic Survey 2025–26:aan perustuen mainitsee.

Sama Economic Surveyiin liittyvä raportointi osoittaa toisen rajoitteen: Intian yrityssektori osallistuu vain noin 41 %:lla koko T&K-kulutuksesta.

Nuo luvut muovaavat kaikkea myöhemmässä ketjussa. Kun yksityinen pääoma ei merkittävästi rahoita yliopistotutkimusta, järjestelmä tukeutuu vahvasti julkisiin budjetteihin ja lukukausimaksuihin.

Se tuottaa ennustettavaa käyttäytymistä: yliopistot optimoivat sen suhteen, mikä on halpaa näyttää ja helppo laskea: uudet keskukset, uudet yhteistyösopimukset, uudet ”tekoäly”-koulutusohjelmat ja konferenssipaperit sen sijaan, että rakennettaisiin kalliita resursseja kuten laskentaresurssit, korkealaatuiset datakokonaisuudet, laitehallilaboratoriot ja pitkäjänteinen tutkimuksen ohjaus.

Vertailu vertaisten talouksiin tekee Intian asemasta vieläkin henkilökohtaisemman.

Economic Survey -perusteinen raportointi on verrannut Intian 0,6 %:n T&K-intensiteettiä paljon korkeampiin tasoihin Yhdysvalloissa, Kiinassa ja Etelä-Koreassa.

Erot korostuvat, kun katsomme Intian yrityssektorin osuutta: näissä talouksissa yksityinen osallistuminen on huomattavasti suurempaa.

Toisin sanoen Intia yrittää voittaa syvän teknologian kilpailun kapealla T&K-poolilla ja yrityksillä, jotka eivät vielä kanna suurinta osaa tutkimusriskistä.

Tässä vastuullisuus alkaa vääristyä. Kun resurssit ovat niukat ja mittarit meluisia, instituutiot tavoittelevat signaaleja.

Ne nimeävät tuodut droonit ”kotimaisiksi alustoiksi”. Ne käsittelevät toimittajayhteistyötä ”tutkimussaavutuksina”.

Ne hakevat heikkolaatuisia patentteja kasvattaakseen innovaatiomittareitaan. Ne ohjaavat tiedekuntaa määrällisiin julkaisutavoitteisiin.

Mikään näistä käytöksistä ei ole puolusteltavissa. Mutta ne ovat ymmärrettäviä järjestelmässä, joka palkitsee ulkoisia merkkejä edistyksestä, vaikka todellinen kyvykkyys puuttuisi.

Missä putki pettää: luokkahuoneet, mentorit ja laskenta

Jos haluat ymmärtää, miksi ”Orion”-hetki on mahdollinen, sinun täytyy astua näyttelyhallitilasta ja kävellä keskivertotekniikan luokkahuoneeseen.

Invezz puhutteli prof. Naveen Gargia, IIT Delhin tietotekniikan ja ohjelmistotekniikan osaston johtajaa, joka luonnehtii ongelmaa perustaitojen ja mentoroinnin puutteena.

Hänen mukaansa Intialla tarvitaan ”enemmän valmistuneita, joilla on vahvat matemaattiset ja tietojenkäsittelytieteen perustaidot” ja ”suurempi joukko ihmisiä, jotka voivat tarjota ohjausta laadukkaaseen tekoälytutkimukseen”.

Hän on yhtä suorasukainen kannustimista:

”Hallitus ei näytä tarjoavan vakavasti tarvittavia kannustimia, jotta meistä tulisi huippuluokan tutkimusvetoinen maa tekoälyn alalla. Suuret toimijat kuten Kiina ja Yhdysvallat ovat sijoittaneet valtavasti resursseja laadukkaiden tutkijoiden luomiseen. Sitä ei ole vielä tapahtunut maassa,” hän sanoi.

Tuo ”mentoripooli”-ongelma ei ole akateemista kiistelyä. Se ratkaisee, oppivatko opiskelijat reseptejä vai päättelyä.

Moderni tekoälytyö vaatii tilastollista ajattelua, optimointia ja vankkaa järjestelmätuntemusta.

Se vaatii myös arviointikykyä: kuinka arvioida mallia, kuinka testata sitä todellisissa olosuhteissa, kuinka havaita virheitä ja miten viestiä epävarmuudesta vastuullisesti.

Sitten on infrastruktuurirajoite, joka hiljaisesti muovaa sitä, mitä opiskelijat voivat tehdä.

Hardeep, tekoälyn vanhempi insinööri ja IIIT Prayagrajin alumnus, kiittelee tutkintoaan siitä, että se antoi hänelle ”vahvat teoreettiset perusteet koneoppimisessa (ML), luonnollisen kielen käsittelyssä (NLP) ja algoritmeissa”.

Mutta hän lisää tärkeän yksityiskohdan Invezzille puhuessaan: ”Transformereita ja moderneja suuria kielimalleja ei käsitelty silloin, ja käytännön projektityö oli rajoitettua infrastruktuurikustannusten vuoksi.”

Ei-erikoistuneille lukijoille: ”Transformerit” ovat mallirakenne, joka voimanlähteenä monille moderneille tekoälyjärjestelmille, mukaan lukien tekstin tuottavat suuret kielimallit (LLM).

Näiden opettaminen ja testaaminen merkittävässä mittakaavassa vaatii usein kalliita laskentaresursseja (GPU:t) ja huolellista insinöörityötä — resursseja, joita monilla korkeakouluilla ei ole.

Hardeepin johtopäätös on se lause, jonka pitäisi huolestuttaa päättäjiä eniten:

”Nykyään todellisten tekoälytuotteiden rakentaminen on paljon saavutettavampaa; menestys riippuu suurelta osin yksilön uteliaisuudesta ja itseopiskelusta ennemmin kuin pelkästä yliopistokoulutuksesta.”

Itseopiskelu ei ole heikkous; se on hyve teknologiassa.

Ongelma syntyy, kun itseopiskelu korvaa institutionaalisen kyvykkyyden.

Kun yliopistot jatkuvasti ulkoistavat koulutuksen vaikeimmat osat YouTubelle, avoimille kursseille ja henkilökohtaisille kannettaville, ne silti keräävät mainehyödyt, mutta opiskelijat maksavat todellisen hinnan ajassa, epävarmuudessa ja epätasa-arvoisissa tuloksissa.

Siksi laskentayhteyden saatavuudesta on tullut uusi jakolinja. Intian politiikkapyrkimykset ovat alkaneet tunnistaa tämän rajoitteen.

Raportit IndiaAI-missioon liittyen ovat viitanneet laajamittaiseen GPU-jakeluun, noin 18 000 GPU:ta on jo otettu käyttöön hankkeen puitteissa.

Se on tärkeää, koska jaettu laskenta voi laskea kynnystä tutkijoille ja startup-yrityksille, jotka muuten eivät pystyisi suorittamaan vakavia kokeita.

Mutta GPU-hankinta ei ole sama kuin tutkimuskapasiteetti.

Laskenta ilman mentoreita tuottaa vilkastumista: ihmisiä, jotka kokeilevat ilman vahvaa ohjausta arvioinnissa, etiikassa ja toistettavuudessa.

Mentorit ilman laskentaa tuottavat turhautumista: opiskelijat ymmärtävät teorian mutta eivät voi tehdä merkityksellistä käytännön työtä.

Uskottava tekoälykoulutuksen strategia tarvitsee molempia, jaettuna laajemmalle kuin kapea kerros eliittikampuksia.

Uskottavuusongelma: tutkimuskulttuuri, jonka et voi irrottaa

Robokoiran voi irrottaa pistokkeesta. Uskottavuuskriisiä ei voi.

Intian julkaisujärjestelmää on tarkasteltu yhä kriittisemmin tutkimusintegriteetin näkökulmasta, mukaan lukien ”paper millien” rooli ja manipuloinnin kohteena ollut vertaisarviointi joissain tapauksissa.

Syyskuussa 2025 julkaistu vertaisarvioitu tutkimus Journal of Data Science, Computing and Information Sciences käytti Retraction Watchin aineistoa ja tutki 2 853 intialaistutkijoiden vetämää artikkelia vuosilta 2010–2024.

Tutkimus totesi, että vetämiset kasvoivat vuoden 2021 jälkeen, ja 57,55 % tapahtui vuosina 2021–2024.

Sama analyysi listaa yleisimmät vedon syyt, joihin kuuluivat väärennetty vertaisarviointi (1 007 artikkelia), plagiointi (880) ja datamanipulaatio/tiedon väärentäminen (746).

Niille, jotka eivät tunne termiä ”väärennetty vertaisarviointi”: vertaisarviointi tarkoittaa riippumatonta asiantuntijatarkistusta ennen julkaisua.

Kun se on väärennetty tai kompromettoitu, epäluotettava työ voi päästä tieteelliseen kaanoniin.

Vedot ovat järjestelmän hätäjarru, mutta ne paljastavat myös heikkojen kannustimien ja heikon toimeenpanon kustannukset.

Miksi tämä sitten merkitsee tekoälylle? Siksi, että tekoälyn eteneminen riippuu luotettavasta tutkimuksesta.

Jos tutkimusputki on meluisa, julkaisut, joita ei voi toistaa, liioitellut tulokset ja kyseenalaiset datakokonaisuudet hidastavat alan omaksumista ja heikentävät kansainvälistä uskottavuutta.

Maa käyttää enemmän aikaa mittareiden takaa-ajamiseen kuin kestävän kyvykkyyden rakentamiseen.

Robokoiraepisodi on siinä mielessä visuaalinen serkku syvemmälle kaavalle: esiintyminen todistamisen sijaan.

Kun instituutiot palkitaan etulinjalla olemisen näköisyydestä sen sijaan, että ne tekisivät eturivin työtä, ne sijoittavat ennakoitavissa olevasti imagoon.

Siksi politiikkavaste ei voi rajoittua rangaistuksiin. Sen on muutettava kannustimia: mitä sijoitukset arvostavat, mitä akkreditointitarkastukset tutkivat ja mihin rahoitus sidotaan.

Jos järjestelmä jatkaa määrällisyyden palkitsemista, se myös tuottaa määrällisyyttä — joskus rehellistä, joskus ei.

​

Rakentajat vs. käyttäjät: lahjakkuusvuoto

Intian tekoälykeskustelu jakautuu yhä kahteen leiriin: optimisteihin, jotka väittävät Intian olevan rakentaja, ja skeptikoihin, jotka sanovat, että Intia on edelleen enimmäkseen käyttäjä suuressa mittakaavassa.

Prof. M Jagadesh Kumar, entinen UGC:n puheenjohtaja ja NEP 2020 -arviointikomitean puheenjohtaja, esittää optimistisen näkemyksen vakuuttavasti:

”Nykyään intialaiset instituutiot eivät ole vain tekoälyn käyttäjiä. Ne tulevat nopeasti myös tekoälyn rakentajiksi. Intialaiset instituutiot tekevät yhä enemmän yhteistyötä teollisuuden kanssa kehittääkseen tekoälyratkaisuja koulutukseen, terveyteen, hallintoon, maatalouteen ja älykaupunkeihin. Voin antaa joitakin esimerkkejä,” prof. Kumar kertoi Invezzille.

”Opetusministeriö on tukenut tekoälyn huippukeskuksia, kuten TANUH IISc:ssä. Tämä keskus työskentelee skaalautuvien tekoälyratkaisujen parissa terveydenhuollossa (erityisesti ei-tarttuvat sairaudet). IIT Madrasin Global Research Foundation ilmoitti sovelletun tekoälyn innovaatiokeskuksesta vauhdittamaan sovellettua tekoälyä. Keskus yhdistää tutkimuksen vastuulliseen todelliseen käyttöön,” hän lisäsi.

Hän korosti myös IndiaAI-missiota, joka edistää tekoälyinnovaatioita, saatavuutta ja Intian keskisiä ratkaisuja yhteistyössä intialaisten oppilaitosten kanssa.

”Nämä esimerkit osoittavat, että monet intialaiset yliopistot työskentelevät inklusiivisen ja käyttökelpoisen tekoälyn parissa.”

Galgotias-tapaukseen viitaten prof. Kumar pysyttelee varovaisena eikä nimeä instituutiota:

”Jos jokin instituutti liioittelee väitteitään, lieventävät toimet tulisi olla suhteellisia, opettavia ja korjaavia. Instituutioiden tulisi myös kouluttaa tiimejään etiikassa, tutkimusintegraatiossa ja vastuullisessa viestinnässä. Tämä lähestymistapa on varmin tapa suojella Intian aitojen innovoijien mainetta,” hän sanoi.

”Se myös estää mahdollisia paisutettuja väitteitä luomasta väärää narratiivia. Mutta mielestäni ei ole epäilystäkään siitä, että Intian korkeakoulut rakentavat nopeasti tekoälykyvykkyyttä ja luovat inklusiivisia ratkaisuja,” hän lisäsi.

Silti skeptikon pointtia on vaikea sivuuttaa: eliitin poikkeamat eivät määritä mediaania. Kourallinen huippuinstituutteja voi aidosti rakentaa ja julkaista.

Mutta Intian korkeakoulutusjärjestelmä on laaja ja epätasainen. Jos useimmat kampukset eivät voi tarjota todellista laskentayhteyttä, uskottavaa mentorointia ja integriteetin etusijalla olevaa tutkimuskulttuuria, ”rakentajan” asema jää keskittyneeksi huipulle.

Luokkahuoneet seremonioiden sijaan

Ja vaikka Intia tuottaisi vahvaa tekoälyosaamista, maa kamppailee sen pitämisessä.

Raportointi, joka kokoaa Stanfordin AI Indexiin liittyviä lahjakkuusmittareita, on korostanut Intian nettomigraatiopistemäärää tekoälyosaajille −1,55, mikä viittaa nettomääräiseen poistumaan tällä mittarilla.

Se merkitsee jotain, koska aivovuoto ei ole vain otsikkoasia.

Se on kumuloituva menetys mentoreista, perustajista ja tutkimusjohtajista — juuri niistä ihmisistä, joita tarvitaan vahvistamaan kotimaista putkea.

Talouskielellä ilmaistuna Intia sijoittaa lahjakkuuden muodostamiseen, mutta ei saa riittävästi pitkäaikaisia tuottoja talteen.

Ja kun tuotot vuotavat ulos, instituutiot kokevat entistä enemmän painetta menestyä rankingeissa ja PR:ssa, koska syvempi tulos — vakaa tutkimusekosysteemi — on vaikea näyttää nopeasti.

Unitreen Go2 (olipa kyseessä juuri se malli tai ei) on lopulta rekvisiitta isommassa tarinassa.

Intialta ei puutu kunnianhimoa. Siellä on runsain mitoin fiksuja opiskelijoita. Puuttuu sellainen koulutus- ja tutkimusarkkitehtuuri, joka muuttaa kunnianhimon omistetuksi teknologiaksi.

Robokoira ei ollut skandaali. Järjestelmä, joka teki sen mahdolliseksi, oli.