Нандан Нилекани: «В гонке ИИ победит тот, кто обеспечит диффузию, а не построит самую большую модель»

Observer Research Foundation 175 тыс. 25 мин 4 мин 16.03.2026
Главное

В рамках международного форума Raisina Dialogue 2026 сооснователь Infosys и архитектор индийской цифровой инфраструктуры Нандан Нилекани представил видение будущего искусственного интеллекта. В беседе с вице-президентом Observer Research Foundation Рудрой Чаудхури он объяснил, почему Индия не стремится копировать путь Кремниевой долины и в чем заключается истинная победа в технологической гонке.

🏁 Две гонки ИИ: «Вниз» и «Вверх» 0:00

Нандан Нилекани утверждает, что современный мир ИИ разделен на два противоположных вектора развития .

«Гонка вниз» (Race to the Bottom): По мнению спикера, это путь, по которому сегодня идут крупнейшие корпорации, вкладывая сотни миллиардов долларов в создание всё более массивных и дорогих моделей . Последствиями этой гонки Нилекани считает:

«Гонка вверх» (Race to the Top): Это использование ИИ для решения фундаментальных проблем человечества: борьбы с изменением климата, преодоления голода и открытия новых лекарств . Нилекани подчеркивает, что на текущий момент «гонка вниз» движется быстрее, и задача ответственных технологических лидеров — переломить этот тренд .

🐄 Проект Saralaben: ИИ на службе молочных фермеров 2:09

Одним из самых ярких примеров «гонки вверх» стал опыт сотрудничества с крупнейшим молочным кооперативом Amul . Нилекани рассказал о создании ассистента Saralaben, разработанного в кратчайшие сроки после встречи с премьер-министром Индии.

Ситуация в цифрах:

Бот Saralaben на языке гуджарати позволяет фермерам получать мгновенные консультации по здоровью животных . Нилекани отмечает, что технология здесь составляет лишь 30% успеха, а остальные 70% — это доверие, организация данных и координация стейкхолдеров . Скорость разработки подобных решений в Индии поражает: первый сельскохозяйственный бот Maha Vistar для штата Махараштра создавался 9 месяцев , аналогичный проект для Эфиопии занял 3 месяца, а решение для Amul было внедрено всего за 3 недели .

📦 Модели как товар: Почему размер не имеет значения 5:03

Нилекани выступает с провокационным тезисом: большие языковые модели (LLM) — это просто товар (commodity) . Сегодня 5 американских и 5 китайских корпораций ведут ожесточенную борьбу, постоянно опережая друг друга .

Аргументы Нилекани:

  1. Избыточность мощностей: Мощность современных моделей уже значительно превышает те задачи, которые нужно решать в реальном мире. По мнению гостя, даже если сегодня перестать тратить деньги на улучшение моделей, текущих технологий хватит на 10 лет эффективного решения социальных задач .
  2. Легкость замены: В индийской архитектуре модель можно заменить за один день . Важна не сама «нейронка», а инфраструктура доставки пользы до конкретного пользователя.
  3. Индийский путь: Индийская компания Sarvam AI создала модель на 10 миллиардов параметров, используя очень скромный бюджет, что доказывает — для внедрения не нужны триллионы .

🗺️ Диффузия вместо суверенитета: 100 путей к 2030 году 11:51

Ключевым термином дискуссии стала «диффузия» — процесс проникновения технологий в глубинные слои общества. Нилекани уверен, что Индии нужно фокусироваться не на владении самой крутой моделью, а на построении цепочек внедрения .

Спикер объявил о цели: к 2030 году создать 100 путей (pathways) диффузии ИИ в различных секторах: здравоохранении, образовании и сельском хозяйстве . Каждый такой «путь» — это готовый плейбук, включающий государственную политику, правила защиты данных и методы интеграции .

💼 ИИ и рынок труда: Инициатива Blue Dot 8:46

В ответ на опасения о безработице Нилекани предложил концепцию ИИ как инструмента поиска работы, а не её уничтожения . Он привел в пример инициативу Blue Dot (по аналогии с синей точкой на картах такси-агрегаторов) .

В округе Газиабад уже реализован проект, где ИИ помогает соискателю и работодателю найти друг друга в реальном времени. Благодаря этому подходу работу получили уже 7000 человек . По словам Нилекани, технология не является неизбежным злом; общество само должно направлять её на благо .

❓ Вопросы из зала: От квантов до киберпреступности 15:47

В ходе сессии вопросов и ответов были затронуты острые темы:

Завершая выступление, Нандан Нилекани на вопрос о своем следующем «разблокировании» ответил лаконично: «С ИИ я закончил» (после этого проекта дальнейших глобальных планов нет), вызвав смех в зале .

💬 Цитаты

«Технология — это только 30% проблемы. 70% — это организации, построение доверия и координация между участниками.»

Нандан Нилекани 02:39

«Если не будет потрачено ни одного доллара на улучшение этих моделей, мы сможем использовать текущие еще 10 лет для создания ценности для общества.»

Нандан Нилекани 06:37
👥 Спикеры
🔗 Упомянутые сайты и проекты
📖 Термины
Диффузия ИИ
Процесс широкого распространения и практического внедрения технологий искусственного интеллекта в повседневную жизнь и экономику.
LLM (Large Language Model)
Большая языковая модель, тип нейросети, обученной на огромных массивах текста.
DPI (Digital Public Infrastructure)
Цифровая общественная инфраструктура, такая как системы идентификации или платежные платформы (напр. Aadhaar и UPI в Индии).
📊 Цифры
🗓 Хронология
  1. 9 месяцев Срок разработки первого сельскохозяйственного ИИ-бота Maha Vistar в Махараштре.
  2. 3 месяца Срок адаптации ИИ-решения для сельского хозяйства Эфиопии.
  3. 3 недели Рекордный срок внедрения ИИ-ассистента для фермеров Amul после запроса премьер-министра.
  4. 2030 Плановый срок достижения цели в 100 глобальных путей диффузии ИИ.
⚖️ Другая сторона
Искусственный интеллект Nandan Nilekani Aadhaar Sarvam AI Amul Digital Public Infrastructure