Опубликовано мар 2026
Поделиться
Со времен семинара в Дартмуте в 1956 году университеты играли центральную роль в формировании искусственного интеллекта (ИИ). Они заложили большую часть теоретической основы и подготовили исследователей и инженеров, которые сейчас лидируют в этой области. Но баланс изменился. Сегодня большинство прорывов в области генеративного ИИ происходит в промышленных лабораториях, имеющих доступ к огромным массивам данных, крупномасштабным вычислительным ресурсам и прямым каналам внедрения. От трансформеров, впервые представленных Google Research, до крупных языковых моделей, масштабированных OpenAI, и более поздних архитектур «смеси экспертов», используемых DeepSeek, передовые разработки в основном относятся к промышленной сфере, что отражено в отчете Stanford University «2025 AI Index».
Этот сдвиг заставляет университеты переосмыслить свою роль. Ключевым вопросом больше не является то, могут ли университеты создавать самые большие или самые мощные модели. Вместо этого, вопрос заключается в том, могут ли они влиять на то, как будет использоваться ИИ, когда он станет частью повседневной жизни. Поскольку генеративный ИИ все больше влияет на язык, образование и государственные услуги, университеты могут оказывать наибольшее влияние не за счет масштабов, а за счет управления, адаптации к местным условиям и ориентации на общественную пользу, особенно в тех областях, где коммерческие платформы не справляются со своими задачами.
Наш опыт в Институте интеллектуальных систем и искусственного интеллекта (ISSAI) Назарбаев Университета в Казахстане показывает, как это может работать на практике. Университеты могут выйти за рамки статей и прототипов и создавать системы ИИ, которые напрямую служат обществу. Это особенно важно в контекстах, где глобальные платформы с трудом поддерживают местные языки, отражают культурные нюансы или согласуются с национальными приоритетами.
Почему искусственный интеллект, оказывающий влияние на общество, является ответственностью университетов
Генеративный искусственный интеллект быстро меняет то, как люди общаются, получают доступ к информации и взаимодействуют с государственными учреждениями. Однако большинство ведущих моделей разрабатываются частными компаниями и обучаются в основном на небольшом наборе языков с большим количеством ресурсов. Для обществ с недостаточно представленными языками это создает растущий разрыв между тем, что предлагает технология, и тем, что имеет культурное значение или социальную полезность.
Университеты занимают уникальное положение, позволяющее им устранить этот разрыв. Они сочетают в себе независимость исследований, доверие общественности и глубокую экспертизу в области технологий, лингвистики и социальных наук. Их долгосрочная перспектива позволяет им ставить во главу угла инклюзивность, прозрачность и национальную значимость, а не краткосрочную коммерческую выгоду.
Цифровой суверенитет также имеет значение. Когда системы ИИ полностью внешне, общества имеют мало представления о том, как они обучаются, обновляются или управляются. Это особенно проблематично для образования, языковой политики и государственного управления. Университеты могут помочь, создавая и управляя системами ИИ, которые основаны на местных реалиях, открыто проверяются и согласованы с национальными приоритетами, при этом оставаясь связанными с глобальными исследовательскими сообществами.
Чтобы добиться реального эффекта, генеративный ИИ для общественного блага не может оставаться набором краткосрочных проектов или демонстраций. Его необходимо рассматривать как общую цифровую инфраструктуру, предназначенную для работы со школами, государственными учреждениями и обычными пользователями и способную развиваться по мере изменения социальных потребностей.
От пробела к экосистеме
Наша работа не начиналась с амбициозной цели построить национальную языковую модель. Она началась с практической проблемы. Глобальные модели плохо работали с казахским языком, испытывали трудности с его сложной морфологией и часто давали результаты, несоответствующие культурным особенностям. Эти недостатки влияли на доступ к информации и ограничивали полезность ИИ в образовании, СМИ и государственном управлении.
Полная зависимость от внешних систем ИИ также вызывала опасения по поводу прозрачности, устойчивости и долгосрочного контроля. В таких чувствительных областях, как образование и государственное управление, непонимание того, как модели обучаются или обновляются, создает структурные риски. С точки зрения университета, этот пробел был одновременно исследовательской задачей и социальной ответственностью. Для его устранения необходимо было выйти за рамки оценочных работ и создать генеративную экосистему ИИ, адаптированную к местным потребностям.
Важный урок заключается в том, что ИИ, оказывающий влияние на общество, не является единой моделью. Это целая экосистема. Выпуск KazLLM, первой в Казахстане крупной языковой модели, обученной на отборных многоязычных данных, стал важной вехой. Его значение заключалось не только в самой модели, но и в том, что она позволила сделать впоследствии.
KazLLM была признана ведущими исследователями в области ИИ, в том числе Янном ЛеКуном, как пример того, как языковые модели с меньшим объемом ресурсов могут быть разработаны ответственно вне доминирующих глобальных платформ. В этом смысле она иллюстрирует, как может выглядеть суверенный генеративный ИИ: системы, которые сохраняют языковое разнообразие, оставаясь при этом в соответствии с международными стандартами исследований.
Важно отметить, что KazLLM рассматривался как базовая инфраструктура, а не как разовый результат исследования. ISSAI Playground был создан, чтобы предоставить студентам, преподавателям и исследователям прямой доступ к модели и связанным с ней инструментам. Пользователи могут экспериментировать, изучать и оценивать системы ИИ без глубоких технических знаний и зависимости от внешних платформ. Такой подход позволяет органично появляться реальным сценариям использования и способствует постоянному совершенствованию.
Инфраструктура имеет не менее важное значение. Создание и поддержание генеративного ИИ требует практического опыта работы с современным оборудованием, включая графические процессоры и ускорители от NVIDIA, AMD и Huawei. Знание того, как эффективно обучать модели, управлять вычислительными ресурсами и надежно развертывать системы, так же важно, как алгоритмические инновации или изобретательность в области данных. Без этих операционных знаний даже хорошо разработанные модели рискуют остаться изолированными исследовательскими артефактами.
Этот экосистемный подход также преобразует развитие талантов. Студенты и начинающие исследователи получают опыт на протяжении всего жизненного цикла ИИ, от курирования данных и обучения до внедрения и управления. Они учатся находить компромиссы между стоимостью, производительностью и масштабируемостью в реальных условиях, что помогает создать отечественную рабочую силу, способную поддерживать системы ИИ, представляющие общественный интерес, на протяжении длительного времени.
Открытость как стратегия
Часто считается, что суверенный ИИ должен быть закрытым по стратегическим причинам. Наш опыт показывает обратное. Открытость в сочетании с четким управлением и политикой ответственного использования усиливает влияние на общественность.
Публикуя модели, тесты и документацию для некоммерческих исследований, ISSAI обеспечивает возможность тщательного изучения, сотрудничества и независимой оценки. Такая прозрачность укрепляет доверие среди политиков, педагогов и пользователей, а также связывает местные инициативы с глобальным исследовательским сообществом.
Конкретным примером является Qolda, полностью открытая многоязычная модель языка и зрения ISSAI. Имея 4 миллиарда параметров, Qolda может работать на ноутбуках и смартфонах без необходимости использования крупномасштабных вычислительных ресурсов. Она поддерживает казахский, русский и английский языки и предлагает мультимодальное мышление в компактной и эффективной форме. Снижая барьеры, связанные с оборудованием и доступом, Qolda расширяет возможности ИИ для студентов, исследователей, разработчиков и малых предприятий.
Открытость отражает основной академический принцип: знание как общественное благо. Генеративные системы ИИ должны быть поддающимися проверке, адаптируемыми и открытыми для обсуждения. Вместо того чтобы формировать общество с помощью непрозрачных инструментов, университеты могут предложить ИИ, который способствует подотчетности и публичному обсуждению.
Университеты как организаторы
Университеты также играют важную роль в качестве организаторов. В отличие от компаний или государственных учреждений, они обладают авторитетом и независимостью, позволяющими объединять специалистов по обработке данных, лингвистов, инженеров, политиков, педагогов и партнеров из промышленности вокруг общей инфраструктуры ИИ.
В ISSAI партнерские отношения с министерствами, языковыми учреждениями и другими университетами имели решающее значение для доступа к данным, их оценки и внедрения. Это сотрудничество было итеративным и основанным на доверии, отражая долгосрочные обязательства, а не краткосрочные коммерческие интересы.
Эта роль особенно важна в области генеративного ИИ, где технические решения имеют лингвистические, культурные и этические последствия. Университеты предоставляют институциональное пространство и рамки управления, необходимые для взвешенного подхода к этим компромиссам.
Университет Назарбаева, как ведущее научно-исследовательское учреждение Казахстана, привлекает самых талантливых специалистов страны. В местной экосистеме, где мало крупных технологических компаний, способных вести передовые исследования в области ИИ, университеты имеют все возможности для реализации гибких и высокоэффективных проектов. Они могут быстро мобилизовать таланты и сосредоточиться на работе, имеющей социальную и национальную значимость, превращая исследования в области ИИ в общественный ресурс.
Последствия за пределами Казахстана
Уроки Казахстана имеют широкое применение. Многие регионы сталкиваются с похожими проблемами: недопредставленные языки, зависимость от внешних платформ ИИ и растущее давление с целью интеграции ИИ в образование и общественную жизнь. Университеты имеют уникальные возможности для решения этих проблем, но только в том случае, если они перейдут от абстрактных амбиций к практическим действиям.
Выделяются несколько принципов:
Генеративный ИИ уже влияет на то, как люди общаются, учатся и получают доступ к информации. Вопрос уже не в том, повлияет ли он на общество, а в том, кто будет направлять это влияние и в чьих интересах. Выйдя за пределы лабораторий, но сохранив строгие стандарты исследований, университеты могут помочь обеспечить, чтобы ИИ отражал языковое разнообразие, культурные нюансы и приоритеты общества, согласовывая технологические инновации с общественным благом.