Robodogul care a expus criza educației AI din India

Internetul era în hohote, dar râsul avea o tentă aspră.

La 17 februarie 2026, la Bharat Mandapam, sala de conferințe emblematică a Indiei, o profesoară de la Galgotias University a spus în fața unei camere DD News că universitatea sa construise „Orion”, un robodog elegant cu patru picioare, ca parte a unui ₹350-crore AI Centre of Excellence.

Declarația nu a rezistat după-amiezii.

Mass-media chineze și observatorii din domeniul tehnologic au susținut rapid că aparatul era Go2 de la Unitree, un robot vândut online, iar spectacolul s-a transformat din publicitate în jenă.

Alimentarea la stand a fost, se zvonește, întreruptă, universitatea a fost escortată afară, a urmat o scuză și a fost anunțată o anchetă.

Pentru o țară clasificată pe locul al treilea în Instrumentul Global de Vibranță AI 2025 al Stanford, spectacolul nu a fost doar un pas fals de PR; a fost un test de rezistență.

Când meme-urile s-au estompat, a rămas o întrebare: ce fel de ecosistem AI produce o demonstrație care nu rezistă la o căutare simplă?

Buletinul pe care nimeni nu-l dorea

Narațiunea Indiei privind AI este susținută astăzi de validări serioase.

Instrumentul Global de Vibranță AI al Stanford pentru 2025 a plasat India pe locul trei, o creștere pe care mass-media indiană a interpretat-o ca dovadă că țara avansează pe multiple indicatori AI.

Această poziție contează deoarece reflectă lățimea: activitate de talente, semnale de cercetare și dimensiunea ecosistemului, nu doar o lansare spectaculoasă de produs.

Dar AI este unul dintre acele domenii în care dimensiunea poate ascunde superficialitatea.

O țară poate avea mulți utilizatori de AI care pot folosi instrumente gata făcute și totuși se poate chinui să producă constructori de AI: cercetători și ingineri care creează metode noi, publică rezultate durabile și generează proprietate intelectuală apărată.

Aici povestea Indiei intră în litera mică.

Mai multe compilații și rezumate pentru politici au evidențiat cât de mică rămâne ponderea Indiei în brevetele AI la nivel global, comparativ cu cele două puteri AI cele mai mari.

Raportul AI Index 2025 al Stanford plasează India la aproximativ 0,37% din brevetele AI globale, față de China la aproximativ 70% și SUA la aproximativ 14%.

Brevetele sunt o măsură imperfectă: multe sunt de calitate scăzută, unele descoperiri nu sunt brevetate și open-source-ul contează.

Dar, ca proxy pentru cine deține tehnologia fundamentală, ele sunt cele mai bune disponibile, iar felia Indiei este infimă.

Dacă cota Indiei la brevete este atât de mică, implicația nu este că îi lipsește talentul. Implicația este că ecosistemul a fost mai bun la a forma oameni să folosească tehnologia decât la a o crea la scară.

Aceasta este și motivul pentru care episodul Robodog a lovit atât de tare. A cumpăra un robot și a construi un robot nu sunt aceeași sarcină.

Prima este achiziție. A doua este cercetare, fabricație, inginerie de sisteme, testare și iterație — muncă care necesită laboratoare, bugete și mentori cu experiență.

Când un sistem subinvestește constant în a doua categorie, începe să recompenseze aparența inovației în detrimentul practicii ei.

​

Baza de finanțare de sub „inovație”

Cheltuielile Indiei pentru cercetare și dezvoltare sunt de aproximativ 0,6% din PIB, conform reportajelor bazate pe Economic Survey 2025–26.

Aceeași acoperire legată de Economic Survey semnalează o a doua constrângere: sectorul privat din India contribuie doar cu aproximativ 41% din cheltuielile totale pentru R&D.

Acele cifre modelează totul în aval. Când capitalul privat nu finanțează semnificativ cercetarea universitară, sistemul se bazează puternic pe bugetele guvernamentale și pe veniturile din taxe școlare.

Aceasta tinde să producă comportamente previzibile: universitățile optimizează pentru ceea ce este ieftin de arătat și ușor de numărat: noi centre, noi MoU-uri, noi programe de licență „AI” și lucrări de conferință, mai degrabă decât ceea ce este scump de construit, precum accesul la putere de calcul, seturi de date de calitate, laboratoare hardware și supervizare de cercetare susținută.

Comparațiile economice între egali fac poziția Indiei să pară și mai personală.

Reportajele bazate pe Economic Survey au contrastat intensitatea R&D de 0,6% din India cu niveluri mult mai ridicate în SUA, China și Coreea de Sud.

Contrastul devine și mai evident când privim mai atent ponderea sectorului privat din India, în timp ce în acele economii participarea privată este mult mai mare.

Cu alte cuvinte, India încearcă să câștige o cursă deep-tech cu un bazin superficial de R&D și cu companii care încă nu își asumă majoritatea riscului de cercetare.

Aici responsabilitatea este distorsionată. Când resursele sunt puține și metricile sunt zgomotoase, instituțiile urmăresc semnale.

Ele redenumesc drone importate drept „platforme indigene”. Tratează parteneriatele cu furnizori drept „realizări de cercetare”.

Depun brevete de calitate scăzută pentru a umfla tablourile de bord ale inovației. Împing cadrele didactice către ținte de publicare bazate pe cantitate.

Niciunul dintre aceste comportamente nu este justificabil. Dar sunt de înțeles într-un sistem care recompensează rezultate ce arată ca progres, chiar dacă capacitatea reală lipsește.

Unde se rupe conducta: sălile de clasă, mentorii și puterea de calcul

Dacă vrei să înțelegi de ce momentul „Orion” este plauzibil, trebuie să părăsești sala expozițională și să intri în sala de curs a unui student de inginerie obișnuită.

Invezz a vorbit cu prof. Naveen Garg, șeful Departamentului de Informatică și Inginerie la IIT Delhi, care încadrează problema ca fiind una de elemente fundamentale și mentorat.

India are, spune el, „un număr mai mare de absolvenți cu baze solide în matematică și informatică” și „un bazin mai mare de oameni care pot oferi mentorat pentru cercetare AI de calitate”.

El este la fel de direct în privința stimulentelor:

„Guvernul nu pare să ofere serios stimulentele necesare pentru a ne transforma într-o țară orientată spre cercetare în domeniul AI. Jucătorii mari precum China și SUA au investit de fapt o cantitate uriașă de resurse în crearea de cercetători de calitate. Asta nu s-a întâmplat încă în țară,” a spus el.

Problema acelui „bazin de mentori” nu este o chichiță academică. Ea decide dacă studenții învață rețete sau raționament.

Munca modernă în AI cere gândire statistică, optimizare și cunoștințe solide de sisteme.

De asemenea cere judecată: cum să evaluezi un model, cum să-l testezi în condiții reale, cum să detectezi erorile și cum să comunici incertitudinea responsabil.

Apoi este constrângerea infrastructurii, care modelează discret ce pot face studenții.

Hardeep, un inginer AI senior și absolvent al IIIT Prayagraj, își atribuie diploma pentru „bazele teoretice solide în Machine Learning (ML), Natural Language Processing (NLP) și algoritmi”.

Dar adaugă un detaliu crucial în discuția cu Invezz: „Transformers și LLM-urile moderne nu erau acoperite pe atunci, iar munca practică pe proiecte a fost limitată din cauza costurilor infrastructurii.”

Pentru cititorii non-specialiști: „Transformers” sunt o arhitectură de model care alimentează multe sisteme AI moderne, inclusiv modelele lingvistice mari (LLM) care generează text.

Antrenarea și testarea lor la scară semnificativă necesită adesea putere de calcul costisitoare (GPU-uri) și inginerie atentă, resurse pe care multe facultăți nu le au.

Concluzia lui Hardeep este fraza care ar trebui să îngrijoreze cel mai mult factorii de decizie:

„Astăzi, construirea de produse AI reale este mult mai accesibilă; succesul depinde în mare parte de curiozitatea individuală și autodidactism, mai degrabă decât doar de pregătirea universitară.”

Autodidactismul nu este un defect; este o virtute în tehnologie.

Problema apare când autodidactismul devine un substitut pentru capacitatea instituțională.

Când universitățile externalizează constant cele mai dificile părți ale instruirii către YouTube, cursuri deschise și laptopuri personale, ele tot obțin beneficiile de reputație, dar studenții plătesc prețul real în timp, incertitudine și rezultate inegale.

De aceea accesul la putere de calcul a devenit noua linie de demarcație. Inițiativa politică a Indiei a început să recunoască această constrângere.

Rapoarte legate de Misiunea IndiaAI au indicat o implementare la scară largă a GPU-urilor, aproximativ 18.000 de GPU deja distribuite în cadrul misiunii.

Asta contează deoarece puterea de calcul partajată poate reduce barierele pentru cercetători și startupuri care altfel nu pot rula experimente serioase.

Dar achiziția de GPU-uri nu este același lucru cu capacitatea de cercetare.

Puterea de calcul fără mentori produce fluctuații: oameni care rulează experimente fără ghidaj solid în evaluare, etică și reproductibilitate.

Mentori fără putere de calcul produc frustrare: studenți care înțeleg teoria, dar nu pot face muncă practică semnificativă.

O strategie credibilă de educație AI are nevoie de ambele, și nu doar într-un strat subțire de campusuri elite.

Problema credibilității: O cultură a cercetării pe care nu o poți deconecta

Un robodog poate fi deconectat. O criză de credibilitate nu poate.

Ecosistemul de publicare din India a fost supus unui control tot mai mare pentru integritatea cercetării, inclusiv rolul „fabricilor de articole” și revizuirea parțial manipulată în unele cazuri.

Un studiu peer-reviewed din septembrie 2025, publicat în Journal of Data Science, Computing and Information Sciences, a folosit datele Retraction Watch și a examinat 2.853 de lucrări retrase ale cercetătorilor indieni din 2010 până în 2024.

Studiul a constatat că retragerile au crescut după 2021, 57,55% având loc între 2021 și 2024.

Aceeași analiză listează principalele motive citate, care includ revizuirea falsă (1.007 lucrări), plagiatul (880) și manipularea/falsificarea datelor (746).

Pentru cititorii nefamiliarizați cu „revizuirea falsă”: peer review-ul ar trebui să fie o verificare independentă de experți înainte de publicare.

Când este falsificat sau compromis, lucrări nesigure pot intra în registrul științific.

Retragerile sunt frâna de urgență a sistemului, dar ele dezvăluie și costul stimulentelor slabe și al aplicării deficitare.

De ce contează asta pentru AI? Pentru că progresul în AI depinde de cercetare de încredere.

Dacă conducta de cercetare este zgomotoasă, lucrări care nu pot fi reproduce, rezultate exagerate, seturi de date îndoielnice — adoptarea în industrie încetinește și credibilitatea globală are de suferit.

Țara ajunge să-și petreacă mai mult timp urmărind metrici decât construind capacitate durabilă.

În acest sens, episodul robodog este veriga vizuală a unui tipar mai profund: performanța înaintea probei.

Când instituțiile sunt recompensate pentru a fi percepute la frontieră, mai degrabă decât pentru a face munca de frontieră, ele vor investi previzibil în optic.

De aceea răspunsul politic nu se poate opri la pedeapsă. Trebuie să schimbe stimulentele: ce valorizează clasamentele, ce examinează auditurile de acreditare și la ce este legată finanțarea.

Dacă sistemul continuă să plătească pentru volum, va continua să primească volum, uneori onest, alteori nu.

​

Constructori vs utilizatori: pierderea de talente

Dezbaterea despre AI din India se împarte tot mai mult în două tabere: optimiștii care susțin că India devine un constructor și scepticii care spun că India rămâne în mare parte un utilizator la scară.

Prof. M Jagadesh Kumar, fost președinte al UGC și președinte al Comitetului de Revizuire NEP 2020, susține cu convingere cazul optimist:

„Astăzi, instituțiile indiene nu sunt doar utilizatoare de AI. Ele devin rapid constructori de AI. Instituțiile indiene colaborează din ce în ce mai mult cu industria pentru a dezvolta soluții AI în educație, sănătate, guvernanță, agricultură și orașe inteligente. Vă pot da câteva exemple,” i-a spus prof. Kumar Invezz.

„Ministerul Educației a susținut Centre de Excelență în AI, precum TANUH la IISc. Acest centru lucrează la soluții AI scalabile pentru sănătate (în special boli netransmisibile). IIT Madras Global Research Foundation a anunțat un Centru de Inovare AI Aplicată pentru a accelera AI aplicată. Centrul leagă cercetarea de utilizarea responsabilă în lumea reală,” a adăugat el.

El a subliniat, de asemenea, Misiunea IndiaAI, care promovează inovația în AI, accesul și soluții centrate pe India în colaborare cu instituțiile educaționale indiene.

„Aceste exemple arată că multe universități indiene lucrează la AI incluzivă și deplin implementabilă.”

Referitor la incidentul Galgotias, prof. Kumar este temperat fără a numi vreo instituție:

„Dacă vreo instituție și-a depășit afirmațiile, măsurile de atenuare ar trebui să fie proporționate, educative și corective. Instituțiile ar trebui, de asemenea, să-și instruiască echipele în etică, integritate în cercetare și comunicare responsabilă. Această abordare este cea mai sigură cale de a proteja reputația adevăraților inovatori din India,” a spus el.

„De asemenea, previne orice afirmații exagerate să creeze o narațiune falsă. Dar nu am nicio îndoială că institutele de învățământ superior din India construiesc rapid capacitate AI și creează soluții incluzive,” a adăugat el.

Totuși, punctul sceptic este greu de ignorat: excepțiile de elită nu definesc medianul. Câteva institute de top pot construi și publica cu adevărat.

Dar sistemul de învățământ superior din India este vast și inegal. Dacă majoritatea campusurilor nu pot oferi acces real la putere de calcul, mentorat credibil și o cultură a cercetării bazată pe integritate, statutul de „constructor” rămâne concentrat în vârf.

Sălile de clasă în locul ceremoniilor

Și chiar și atunci când India produce talente AI puternice, țara se luptă să le păstreze.

Acoperirea care rezumă metricile de talente legate de Raportul AI Index 2025 al Stanford a evidențiat scorul net de migrație a talentelor AI al Indiei la -1,55, semnalând un flux net de plecare pe acel indicator.

Aceasta contează pentru că scurgerea de creiere nu este doar un titlu.

Este o pierdere cumulativă de mentori, fondatori și lideri de cercetare, tocmai persoanele necesare pentru a consolida conducta internă.

Din punct de vedere financiar, India investește în formarea talentelor, dar nu capturează suficiente din randamentele pe termen lung.

Și când randamentele se pierd, instituțiile simt și mai multă presiune să performeze pentru clasamente și PR, pentru că rezultatul profund, un ecosistem de cercetare stabil, rămâne greu de arătat rapid.

Unitree Go2 (fie că era sau nu acel model) este, în cele din urmă, un accesoriu într-o poveste mai mare.

India nu duce lipsă de ambiție. Nu duce lipsă de studenți inteligenți. Duce lipsă de un fel de arhitectură educațională și de cercetare care transformă ambiția în tehnologie deținută.

Robodogul nu a fost scandalul. Sistemul care l-a făcut plauzibil a fost.