Hinton vs. Ng vs. Li: AI-pionererne i åben krig om risiko, job og regulering på Ai4 2026

I løbet af en time stødte Geoffrey Hinton ("AI's gudfader"), Fei-Fei Li ("AI's gudmoder") og Andrew Ng (grundlægger af DeepLearning.AI og Landing AI) sammen om emner som eksistentiel risiko, massearbejdsløshed, regulering og åbne modeller. På ét punkt alene – vigtigheden af uddannelse – var de enige .

Her er, hvad hver af dem sagde, opdelt efter de fire emner, der definerede debatten.

AI-risici og eksistentiel fare

Geoffrey Hinton kom med sin hidtil mest presserende advarsel. AI-systemer, argumenterede han, udvikler sig hurtigere, end institutionerne kan følge med, og de kan overgå menneskelig intelligens inden for "de næste få til 20 år", tilføjede han "sandsynligvis mindre" . Han opfordrede samfundet til at tage de langsigtede farer alvorligt: "Hvis vi ikke bekymrer os om det nu, kan der opstå problemer" . Han advarede også om, at AI-systemer allerede gør ting, deres skabere ikke havde til hensigt, og udtrykte bekymring over sikkerheden ved open-weight-modeller, der kan misbruges .

Fei-Fei Li talte imod det, hun ser som en debat domineret af yderpunkter. Hun opfordrede til at bringe "videnskab, ikke science fiction" tilbage til AI-debatten og argumenterede for, at den offentlige samtale var blevet domineret af frygt snarere end fakta. Hun afviste både dystopiske og utopiske fortællinger .

Andrew Ng indtog den mest aggressive holdning og beskyldte store AI-virksomheder for at puste sikkerhedsbekymringerne op for at retfærdiggøre begrænsninger af åbne modeller og udelukke konkurrence. Han kaldte meget af alarmen for "skræmmekampagne" og sagde: "Jeg vil ikke have portvagter for AI" .

Jobtab

Panelets skarpeste uenigheder kom frem omkring spørgsmålet om job. Hinton fokuserede på funktionærstillinger, ikke fabriksgulve. Han identificerede callcentre, administrative assistenter og skadesbehandlere som de mest sårbare – og stillede det spørgsmål, der indfangede hans bekymring: "Hvad skal de mennesker lave? Alt, du kunne omskole dem til, vil AI kunne gøre" . Han gav et eksempel fra sundhedssektoren, hvor en chatbot reducerede en klagebehandlingsopgave fra 30 minutter til blot et par minutter .

Ng svarede, at AI ikke eliminerer job, men ændrer deres omfang. Han argumenterede for, at softwareudviklere ikke er forsvundet – de er blevet full-stack-udviklere. Marketingkoordinatorer bliver til "full-cycle marketingsfolk". Den virkelige udfordring, sagde han, er "at accelerere menneskelig udvikling" sideløbende med AI-udviklingen .

Li nægtede at tage parti. Hun bemærkede, at få job består af en enkelt opgave – sygeplejersker laver ikke kun journaler, lærere forelæser ikke kun . AI vil automatisere nogle dele, mens andre forbliver uberørte. Men hun advarede om, at øget produktivitet ikke automatisk fører til delt velstand .

Regulering

Om reguleringspolitik var de tre endnu mere delte. Hinton krævede regulering og kaldte det en nødvendig "styringsmekanisme" for AI-kapaciteter, der overhaler institutionernes reaktionstid. Han udtrykte specifik skepsis over for open-weight-modeller, der kunne bruges til skadelige formål .

Ng modsatte sig tung regulering som et potentielt redskab for etablerede virksomheder til at låse konkurrencen ude. Han argumenterede direkte imod krav om licensering af open-source-modeller og sagde, at sådanne krav ville forankre magten hos de store AI-laboratorier .

Li argumenterede for en mellemvej: offentlige investeringer i AI-forskning og en forpligtelse til "god, sund, videnskabelig kommunikation" for at guide politik. Hun advarede mod både panik og hype og advarede mod at "svække folk og fratage dem handlekraft" .

Uddannelse: Det eneste punkt, hvor de var enige

Alle tre panelister var enige om, at uddannelse vil afgøre, om AI i sidste ende gavner samfundet – men de var uenige om, hvor hastende og fokuseret indsatsen skulle være . Hinton udtrykte skepsis over for, at omskoling overhovedet er muligt, givet AI's brede og accelererende evner . Ng understregede behovet for at accelerere menneskelig læring i takt med AI. Li lagde vægt på nuancer på opgaveniveau og videnskabelig kommunikation som grundlag for offentlig forståelse .

Enigheden dækkede dog ikke over de dybere skel. Panelet var et spejl af, hvor uafklaret AI-debatten stadig er – ikke kun blandt beslutningstagere og offentligheden, men blandt teknologiens egne opfindere .