Канада начала масштабную кампанию по привлечению ведущих ученых и специалистов в области ИИ из США. На фоне неопределенности в американской научной среде, вызванной реструктуризацией федерального финансирования при администрации Дональда Трампа, Оттава использует стратегию агрессивного рекрутинга интеллектуального капитала.

Масштабная инвестиционная программа

Центральным элементом канадской стратегии стала инициатива Canada Global Impact+ Research Talent Initiative с общим бюджетом 1,7 млрд канадских долларов. В рамках этой программы выделено 1 млрд долларов на создание исследовательских кафедр (research chairs). Цель проекта — привлечь и поддержать более 1000 международных исследователей в течение 12 лет.

Результаты программы уже заметны: из первых 64 ученых, привлеченных через систему исследовательских кафедр, 48 ранее работали в США. Одним из ключевых кейсов стал переход шести видных исследователей в Университет Торонто из таких институтов, как MIT, NIH, UCSF и Университет Огайо.

Причины оттока талантов из США

Сдвиг в миграции ученых совпал с изменениями в научной политике США после января 2025 года. Согласно анализу Nature, в США было прекращено или заморожено более 7800 исследовательских грантов, а около 25 000 сотрудников покинули федеральные научные агентства. Администрация предложила существенное сокращение бюджетов: до 40% в NIH, 57% в NSF и 47% в научном управлении NASA.

Хотя Белый дом стремится перераспределить около 200 млрд долларов ежегодных расходов в пользу ИИ, квантовых вычислений и высокорисковых исследований, текущая реструктуризация создала атмосферу неопределенности. В опросе Nature три четверти респондентов выразили готовность покинуть США, назвав Канаду и Европу приоритетными направлениями для переезда.

Новые возможности для науки и ИИ

Канадский подход включает не только выплаты ученым, но и финансирование инфраструктуры, позиции для начинающих специалистов и упрощение иммиграционных процедур. Это создает «эффект мультипликатора»: опытные ученые привозят с собой лаборатории, аспирантов и стимулируют создание стартапов.

Среди перешедших исследователей выделяются специалисты, работающие на стыке ИИ и фундаментальной науки. Например, Таня Бергер-Вольф из Университета Огайо внедряет методы «imageomics» — использование машинного обучения для анализа огромных массивов биологических изображений. Другие ученые, такие как Шу (Джой) Цзян, фокусируются на интеграции медицинского ИИ в клиническую практику, решая проблему внедрения алгоритмов в реальные больничные рабочие процессы.