دولت کانادا: ۱.۷ میلیارد دلار برای جذب نخبگان هوش مصنوعی آمریکا

تصور کنید یکی از برترین دانشمندان جهان در آزمایشگاه‌های MIT یا NASA باشد، اما به‌دلیل یک امضای سیاسی، بودجه پژوهشی‌اش شبانه صفر شود. اکنون کانادا با یک پیشنهاد وسوسه‌انگیز، دقیقاً روی همین نقطه ضعف آمریکا دست گذاشته است.

دولت کانادا برای بهره‌برداری از یک چرخش نسلی در استعدادهای علمی، ۱.۷ میلیارد دلار کانادا هزینه می‌کند. طرح استعدادهای پژوهشی اثرگذاری جهانی کانادا (Canada Global Impact+ Research Talent Initiative) صرفاً یک برنامه استخدام نیست؛ بلکه یک بازی ژئوپلیتیک برای تصاحب سرمایه فکری است.

دهه‌ها بودجه عظیم و تمرکز دانشگاه‌های آمریکا، انحصار جذب نخبگان را در اختیار این کشور نگه داشت. ایالات متحده همچنان دارای تمرکز بی‌نظیری از دانشگاه‌های پژوهشی، آزمایشگاه‌های فدرال، سرمایه‌های خصوصی و شرکت‌های فناوری است. اما اکنون این جریان یک‌طرفه در حال تغییر است. کانادا خود را به‌عنوان جایگزین اصلی برای دانشمندانی معرفی می‌کند که فضای پژوهشی آمریکا را غیرقابل‌پیش‌بینی می‌بینند.

این تغییر در حالی رخ می‌دهد که اکوسیستم پژوهشی آمریکا وارد دوره تلاطم شده است. پس از بازگشت دونالد ترامپ به ریاست‌جمهوری در ژانویه ۲۰۲۵، چشم‌انداز علمی آمریکا دچار اختلالات شدیدی شد. طبق گزارش مجله نیچر (Nature) در ژانویه ۲۰۲۶، بیش از ۷۸۰۰ گرنت پژوهشی در آمریکا متوقف یا منجمد شده است. همان‌طور که در تحلیل‌های پیشین ما درباره امنیت مدل‌های بازمتن و رقابت ملی بر سر زیرساخت‌ها اشاره کردیم، ثبات محیطی اکنون به اندازه قدرت پردازشی اهمیت یافته است.

به گزارش منابع خبری، حدود ۲۵ هزار نفر از کارکنان و دانشمندان آژانس‌های فدرال پژوهشی آمریکا را ترک کرده‌اند. دولت ترامپ کاهش‌های شدیدی را پیشنهاد داد؛ از جمله نزدیک به ۴۰٪ کاهش بودجه در مؤسسات ملی سلامت (NIH)، ۵۷٪ در بنیاد ملی علوم (NSF) و ۴۷٪ در بخش ماموریت‌های علمی ناسا (NASA’s Science Mission Directorate). اگرچه برخی از این کاهش‌ها با مقاومت قانونی یا مخالفت کنگره روبرو شد، اما تردید ایجاد شده، برنامه‌ریزی بلندمدت در بسیاری از آزمایشگاه‌ها را فلج کرده است.

بازسازی علم در آمریکا

رویکرد دولت ترامپ صرفاً رها کردن علم نیست، بلکه بازسازی بنیادی حدود ۲۰۰ میلیارد دلار هزینه سالانه پژوهش‌های فدرال است. کاخ سفید می‌خواهد سیستمی ایجاد کند که در آن بودجه به‌جای مؤسسات، مستقیماً به دنبال دانشمندان برود.

تغییرات پیشنهادی شامل موارد زیر است:

• اجرای مکانیزم‌های سریع‌تر برای اعطای گرنت‌ها
• اولویت دادن به پژوهش‌های پرریسک
• تمرکز بر اکتشافات مبتنی بر هوش مصنوعی زاینده (Generative AI) — شبیه به تبدیل یک کتابخانه سنتی به یک موتور جست‌وجوی هوشمند که سریع‌ترین مسیر رسیدن به جواب را پیدا می‌کند
• سرمایه‌گذاری در فناوری‌های استراتژیک مانند هوش مصنوعی و محاسبات کوانتومی

دولت آمریکا استدلال می‌کند که سیستم فعلی متمرکز بر دانشگاه‌ها بیش از حد بوروکراتیک شده و به‌اندازه کافی بر اولویت‌های ملی متمرکز نیست. اما این بازسازی، برندگان و بازندگان مشخصی دارد. لغو گرنت‌ها و کاهش نیروی کار فدرال، برنامه‌ریزی شغلی را برای نخبگان به‌طور قابل‌توجهی غیرقابل‌پیش‌بینی کرده است. در همین راستا، تلاش‌هایی برای کاهش این بوروکراسی از طریق طرح‌های جدید NSF برای ایجاد قطب‌های زیرساختی منطقه‌ای صورت گرفته تا دسترسی پژوهشگران به منابع محاسباتی تسهیل شود.

زنگ خطر فرار مغزها

آسیب‌پذیری سیستم آمریکا به‌سرعت آشکار شد. در مارس ۲۰۲۵، نظرسنجی نیچر از ۱۶۰۰ پاسخ‌دهنده نشان داد سه‌چهارم آن‌ها قصد ترک آمریکا را دارند. کانادا و اروپا از محبوب‌ترین مقاصد بودند.

اگرچه این نظرسنجی بر اساس انتخاب داوطلبانه بود، اما داده‌های بعدی جست‌وجوی شغلی تایید کرد که علاقه به موقعیت‌های خارج از آمریکا در حال رشد است. کانادا تصمیم گرفته است که این عدم قطعیت در آمریکا را یک فرصت استراتژیک برای ساخت سرمایه فکری خود ببیند.

ماشین جذب استعداد

دولت کانادا تنها چند کرسی استادی پیشنهاد نداده، بلکه یک زیرساخت جامع می‌سازد. از ۱.۷ میلیارد دلار این طرح، یک میلیارد دلار به‌طور خاص به کرسی‌های پژوهشی اختصاص یافته تا طی ۱۲ سال آینده از بیش از ۱۰۰۰ پژوهشگر بین‌المللی و مهاجر حمایت شود.

دانشگاه تورنتو (U of T) پیشتازی در این مسیر داشته است. این دانشگاه ۶ پژوهشگر برجسته را از مؤسسات نخبه آمریکا از جمله MIT، UCSF، NIH، دانشگاه ایالتی اوهایو، دانشگاه بوستون و دانشگاه واشینگتن (مدرسه پزشکی سنت لوئیس) جذب کرد. این افراد بخشی از برنامه جدید کرسی‌های پژوهشی ادی گلدنبرگ هستند.

از ۶۴ دانشمند نخست این برنامه، ۴۸ نفر در آمریکا مستقر بودند. این تمرکز نشان می‌دهد کانادا مستقیماً قلب تپنده نظام پژوهشی آمریکا را هدف گرفته است. همچنین سیاست‌های مهاجرتی کانادا برای این نخبگان تسهیل شده است؛ دولت در حال ایجاد مسیرهای جدید و پردازش سریع‌تر برای پژوهشگران جذب‌شده است. این رویکرد یک اثر ضربه‌ای حیاتی را شناسایی کرده است: دانشمندان ارشد به‌تنهایی جابه‌جا نمی‌شوند. آن‌ها با خود دانشجویان دکترا، پژوهشگران پسادکترا و شرکای صنعتی را می‌آورند. آزمایشگاه‌های آن‌ها شرکای صنعتی را جذب می‌کند، مالکیت معنوی تولید می‌کند و باعث ایجاد خوشه‌های استارتاپی می‌شود.

نخبگان هوش مصنوعی و علوم پایه

برخی از جذب‌شده‌های جدید در حال بازتعریف مرزهای AI و علوم فیزیکی هستند:

• آدریان کمپبل-واشبورن (سابقاً NIH): او که در سال ۲۰۱۳ به‌عنوان پسادکترا به مؤسسه ملی قلب، ریه و خون پیوسته بود، اکنون در حال پیشبرد فناوری MRI با میدان پایین است. او این فرض را که آهنرباهای قوی‌تر همیشه بهتر هستند به چالش می‌کشد. او با ترکیب آهنرباهای ۰.۵۵ تسلا با بازسازی‌های مبتنی بر AI، قصد دارد اسکنرهای MRI را ارزان و قابل‌حمل کند تا در کلینیک‌های محلی و محیط‌های بالینی کنار تخت بیمار قابل استفاده باشند و هزینه‌ها و نیازهای زیرساختی کاهش یابد.
• تانیا برگر-ولف (سابقاً دانشگاه ایالتی اوهایو): پیشگام «تصویرشناسی زیستی» (Imageomics) که از یادگیری ماشین (Machine Learning) — شبیه به آموزش دادن به یک کودک برای تشخیص انواع میوه‌ها از روی عکس — برای استخراج داده‌های بیولوژیک از طبیعت استفاده می‌کند. او یکی از بنیان‌گذاران Wildbook بود، پلتفرمی متن‌باز که حیوانات (مانند گورخرها و کوسه‌های نهنگ) را از طریق عکس شناسایی می‌کند. مدل BioCLIP او روی ۲۱۰ میلیون تصویر از یک میلیون گونه آموزش دیده است. او در دانشگاه تورنتو، تصاویر را با داده‌های صوتی، ژنتیکی و حسگرها ترکیب می‌کند تا پاسخ اکوسیستم‌ها به تغییرات اقلیمی را مدل‌سازی کند.
• شو جیانگ (سابقاً دانشگاه واشینگتن): تمرکز او بر انتقال AI پزشکی از الگوریتم به بیمارستان است. شرکت او، Prognosia، سیستمی برای پیش‌بینی ریسک سرطان سینه از روی ماموگرافی توسعه داد که در سال ۲۰۲۵ نشان «دستگاه پیشگام» FDA را دریافت کرد و سپس توسط شرکت کره جنوبی Lunit خریداری شد. او در مدرسه سلامت عمومی دالا لانا، زیرساختی برای اتصال بیمارستان‌ها و رگولاتورها می‌سازد تا اطمینان حاصل شود AI در جمعیت‌های مختلف بیمار و تجهیزات متفاوت به‌طور یکسان عمل می‌کند.
• میشل آرکین (سابقاً UCSF): مدیر اجرایی سابق مرکز کشف مولکول‌های کوچک و نایب رئیس فناوری پژوهشی. او پیش از این در Sunesis Pharmaceuticals روی مهارکننده‌های تعاملات پروتئین-پروتئین کار می‌کرد که منجر به تولید داروی lifitegrast برای خشکی چشم (تایید شده توسط FDA) شد. او اکنون با استفاده از «چسب‌های مولکولی» — که مولکول‌های بیولوژیک را مجبور به تعامل می‌کند تا پروتئین‌های بیماری‌زا حذف شوند — و کشف داروهای مبتنی بر AI، اهداف «غیرقابل‌داروئی» را هدف قرار می‌دهد.
• ریموند فیسمن (سابقاً دانشگاه بوستون): اقتصاددانی که اثر پول بر قدرت سیاسی را بررسی می‌کند. او به‌دلیل مطالعه‌ای درباره تخلفات پارکینگ دیپلمات‌های سازمان ملل در نیویورک شهرت یافت که نشان داد هنجارهای فساد در کشورهای مبدأ، در نبود پیامدهای قانونی، بر رفتار آن‌ها اثر می‌گذارد. مقاله سال ۲۰۲۶ او نشان داد که آژانس‌ها در محیط‌های با فساد بالا، درخواست‌های آزادی اطلاعات را پیش از انتخابات به تأخیر می‌اندازند. او در مدرسه مدیریت روتمن روی نفوذ منافع ثروتمندان در سیاست‌های عمومی مطالعه می‌کند.
• سارا سیگر (سابقاً MIT): دانشمند مشهور سیارات فراخورشیدی و فارغ‌التحصیل سال ۱۹۹۴ دانشگاه تورنتو. او که برنده جایزه مک‌آرتور و کاولی است، در ۱ سپتامبر ۲۰۲۶ به تورنتو بازمی‌گردد. او رهبری ماموریت‌های Morning Star به زهره را برای بررسی مولکول‌های ارگانیک در جو این سیاره بر عهده دارد. کارهای او شامل حسگرهای مولکولی فوق‌حساس و مدل‌های AI برای تفسیر سیستم‌های سیاره‌ای است که کاربردهایی در سلامت انسان و نظارت محیط‌زیستی دارد.

قمار استراتژیک

کانادا سعی دارد «اثر هینتون» را تکرار کند. در سال ۱۹۸۷، جفری هینتون از دانشگاه کارنگی ملون به دانشگاه تورنتو آمد و کارهای او روی شبکه‌های عصبی (Neural Networks) — شبکه‌ای از سلول‌های کوچک، شبیه نقشه مترو، که سیگنال را از ورودی به جواب می‌رساند — تورنتو را به قطب جهانی AI تبدیل کرد. اکنون اتاوا می‌خواهد این اثر ضربه‌ای را در بیوتکنولوژی، فناوری کوانتوم و علوم اقلیمی تکرار کند.

این طرح بخشی از استراتژی ملی AI کانادا است که اوایل سال جاری آغاز شد و بر حفظ بیشتر پژوهش‌ها، شرکت‌ها و مالکیت معنوی در داخل کانادا تأکید دارد تا نقاط قوت آکادمیک به ظرفیت اقتصادی تبدیل شوند. این رویکرد در حالی اهمیت می‌یابد که بسیاری از پژوهشگران با شکاف محاسباتی و حصار مدل‌های بسته دست و پنجه نرم می‌کنند و به دنبال محیط‌هایی با دسترسی آزادتر به ابزارهای پژوهشی هستند.

با این حال، این استراتژی با انتقادات داخلی روبروست. بسیاری از پژوهشگران فعلی کانادا از محدودیت بودجه گرنت‌ها و حقوق‌هایی که نمی‌تواند با آمریکا رقابت کند شکایت دارند. خطر ایجاد یک سیستم دو لایه وجود دارد که در آن «ابرستاره‌های» وارداتی بسته‌های مالی عظیم دریافت می‌کنند، در حالی که استعدادهای بومی در تکاپو هستند.

برای کاهش این ریسک، این طرح شامل جوایز آموزشی پژوهشی و برنامه رهبران نوظهور اثرگذاری کانادا (Canada Impact+ Emerging Leaders) است. در ماه مه، دولت ۶۵۹ جایزه آموزشی به متقاضیانی از ۷۲ کشور داد تا اطمینان حاصل شود اکوسیستم از پایین به بالا رشد می‌کند، نه فقط از بالا به پایین.

تحلیل: مرز جدید فکری

این یک تغییر بنیادی در نگاه ملت‌ها به نوآوری است. برای اولین بار در یک قرن، آمریکا در برابر یک «فرار مغز» گسترده آسیب‌پذیر شده است؛ نه به‌دلیل کمبود پول، بلکه به‌دلیل نبود پیش‌بینی‌پذیری. در حالی که دولت ترامپ اولویت را به AI و کوانتوم می‌دهد، بازسازی ۲۰۰ میلیارد دلاری هزینه‌های فدرال، برندگان و بازندگان جدیدی می‌سازد.

برای یک پژوهشگر حرفه‌ای، درس روشن است: «ثبات» اکنون یک ارز رقابتی است. کانادا سعی نمی‌کند از نظر مجموع بودجه با آمریکا رقابت کند — که با توجه به اکوسیستم مسلط آمریکا، صنعت سرمایه‌گذاری خطرپذیر و زیرساخت‌های دفاعی‌اش تقریباً غیرممکن است — بلکه در عوض، پناهگاهی از ثبات و حمایت‌های هدفمند ارائه می‌دهد.

اگر کانادا بتواند این پژوهشگران را با موفقیت در یک خط لوله تجاری ادغام کند، اعتبار آکادمیک را به ظرفیت اقتصادی دائمی تبدیل خواهد کرد. جایزه واقعی، تک‌تک دانشمندان نیستند، بلکه پتنت‌ها، استارتاپ‌ها و دانشجویانی هستند که از خود به جای می‌گذارند. پژوهشگری که امروز جابه‌جا می‌شود، ممکن است فردا ۱۰ دانشجو جذب کند که نسل بعدی دانشمندان را تربیت می‌کنند.

باید دید مسیرهای مهاجرتی سریع کانادا برای استعدادهای AI چگونه بر سایر کشورهای G7 اثر می‌گذارد، زیرا رقابت برای سرمایه انسانی متخصص به محرک اصلی رشد GDP ملی تبدیل شده است.

گام بعدی شما

• اگر پژوهشگر یا توسعه‌دهنده هستید، مسیرهای مهاجرتی سریع کانادا برای متخصصان AI را بررسی کنید.
• تغییرات بودجه‌ای NSF و NIH را دنبال کنید تا متوجه شوید کدام حوزه‌های پژوهشی در آمریکا در حال سقوط و کدام‌ها در حال رشد هستند.
• مدل‌های BioCLIP و ابزارهای تصویرشناسی زیستی را برای کاربردهای محیط‌زیستی مطالعه کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره تراشه‌های Blackwell و رقابت زیرساختی مراجعه کنید.