Huang mener ikke, at Hintons skøn på cirka 10–20 procents risiko for en AI katastrofe er en videnskabeligt fastslået sandsynlighed. Han peger på Hintons forudsigelse fra 2016 om radiologer som et eksempel på, at en prognose kan påvirke karrierevalg uden at holde stik.
Udgivet afRedigeret med GPT-6 SolBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: Why did Nvidia CEO Jensen Huang call Geoffrey Hinton’s warnings about a 10–20% chance of AI destroying humanity “irresponsible” and “hurtful. Article summary: Huang called Hinton’s warning “irresponsible” because he saw the 10–20% figure as a frightening forecast without a demonstrated scientific basis, not as a measured probability. He also considered such forecasts “hurtful”. Topic tags: general, news, general web, user generated, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermark
Jensen Huang kaldte Geoffrey Hintons AI-advarsel »uansvarlig«, fordi han mener, at et alarmerende risikotal bliver fremlagt uden et tilstrækkeligt videnskabeligt grundlag. I et interview i The Ezra Klein Show den 23. september 2026 kritiserede Nvidia-chefen Hintons skøn på cirka 10–20 procents risiko for, at AI kan føre til en samfundskatastrofe. Huang kaldte også den slags forudsigelser skadelige: De kan påvirke menneskers valg, længe før man ved, om de er rigtige. 2
5
Da værten Ezra Klein bragte Hintons advarsel op, svarede Huang, at tallet ikke var »baseret på videnskab« eller forskning. Hans indvending var ikke, at AI-sikkerhed er ligegyldig, men at et præcist klingende procenttal ikke nødvendigvis er en målt sandsynlighed. Axios har rapporteret, at Hinton selv har omtalt den type skøn som et »vildt gæt«. 2
5
I 2016 opfordrede Hinton til, at man holdt op med at uddanne radiologer. Han forudsagde, at AI inden for fem år ville blive bedre end mennesker til at læse medicinske billeder. Huang fremhævede, at der stadig er brug for radiologer, selv om AI er blevet en del af deres arbejde. Hans pointe er forskellen på at automatisere en opgave og at gøre et helt fag overflødigt. 2
14
Det forklarer, hvorfor Huang kalder prognoserne skadelige: En studerende kunne have fravalgt radiologi på baggrund af en skråsikker udmelding om fagets fremtid. Men en forudsigelse om ét erhverv, der ikke holdt stik, kan hverken bevise eller modbevise Hintons særskilte advarsel om katastrofal AI-risiko. 2
14
Huang ser i høj grad AI-sikkerhed som et teknisk ansvar: Virksomheder bør ikke sende produkter på markedet, hvis de ikke kan kontrollere dem. Han har samtidig modsat sig nye, særlige AI-regler, men sagt, at AI-virksomheder ikke bør fritages fra eksisterende regler om konkurrence og erstatningsansvar. Hintons advarsel lægger større vægt på muligheden for katastrofal skade fra stadig mere avancerede systemer. Ingen af positionerne giver i sig selv et pålideligt tal for risikoen. 1
7
14
For læsere, der overvejer, hvad AI betyder for deres eget arbejde, er radiologi-eksemplet derfor en påmindelse om at spørge, hvilke opgaver en teknologi kan overtage — før man konkluderer, at et helt job forsvinder. Det er ikke en garanti for, at alle fag vil udvikle sig som radiologi. 2
3
14
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Huang mener ikke, at Hintons skøn på cirka 10–20 procents risiko for en AI katastrofe er en videnskabeligt fastslået sandsynlighed.
Huang mener ikke, at Hintons skøn på cirka 10–20 procents risiko for en AI katastrofe er en videnskabeligt fastslået sandsynlighed. Han peger på Hintons forudsigelse fra 2016 om radiologer som et eksempel på, at en prognose kan påvirke karrierevalg uden at holde stik.
Radiologernes fortsatte arbejde viser forskellen på at automatisere en opgave og at afskaffe et fag.