Hinton, Li und Ng auf der Ai4 2026: Der wahre KI-Kampf ist nicht Open vs. Closed – es geht um die Entscheidungsmacht

Yun-Hee Kim bezeichnete die Runde als historische Zusammenkunft – und in diesem grundlegenden Punkt waren sich die drei Pioniere tatsächlich einig. Doch sobald das Gespräch vom Prinzip zur Praxis überging, zerbrach der Konsens.

Die fünf Streitpunkte

1. Open-Weight-Modelle: Eine Unterscheidung, die trennt

Geoffrey Hinton zog eine scharfe Grenze zwischen Open-Source-Code und Open-Weight-Modellen. „Open Source ist großartig. Man zeigt den Leuten den Code, und viele schauen sich die Zeilen an und sagen: ‚Da ist ein Fehler.‘ Open Weights bedeutet, man trainiert ein großes Modell und gibt dann die Gewichte weiter. Das ist etwas völlig anderes“, sagte er. Er warnte, dass freigegebene Gewichte das Feintuning für Cyberangriffe billig und einfach machten – räumte aber auch ein, dass die Schlacht praktisch verloren sei: „Ich glaube, diese Schlacht ist verloren … Es ist zu spät“ .

Andrew Ng zeigte sich deutlich entspannter beim Verteilen von Open Weights. Er argumentierte, es sei eine Frage der Wettbewerbsfähigkeit, und berichtete, dass sein Team für ein Sicherheits-Review ihres Open-Source-Agent-Tools OpenWorker auf chinesische Open-Weight-Modelle wie Kimi K3 und GLM-5.2 zurückgegriffen habe, weil geschlossene US-Modelle die Hilfe verweigerten. „Nach dem, was ich sehe, wirken Open-Weight-Modelle auf mich sicherer als Closed-Weight-Modelle“, so Ng .

Fei-Fei Li lehnte das binäre Denken ganz ab und bezeichnete die Gegenüberstellung von offen und geschlossen als falsches Dilemma. Sie plädierte für einen differenzierteren, branchenspezifischen Ansatz anstelle einer Alles-oder-Nichts-Entscheidung .

2. Gatekeeping: Ngs zentraler Kampf

Ng war in diesem Punkt der Lauteste: „Ich will keine Gatekeeper. Das schränkt ein, wie wir alle auf KI zugreifen können.“ Er beschuldigte große Unternehmen, KI-Gefahren bewusst hochzuspielen, um sich regulatorische Vorteile zu sichern und kleinere Wettbewerber auszuschalten. Sein Rezept: „Offenheit fördern … weil KI eine großartige Technologie ist und ich möchte, dass sie in den Händen aller liegt“ .

Hinton und Li stimmten zu, dass ein paar Labore nicht über die Zukunft der KI bestimmen sollten – auch wenn Hinton die Risiken ungehinderter Verbreitung weitaus ernster nahm .

3. Wettbewerb mit China: Ein unbequemes Paradox

Ng bezeichnete Offenheit explizit als Frage der Wettbewerbsfähigkeit und der Soft Power gegenüber chinesischen Open-Weight-Modellen. Er argumentierte: Wenn die USA offene Modelle einschränkten, würden Chinas schnell besser werdende offene Ökosysteme – darunter Alibabas Qwen 3.8-Max und Zhipus GLM-5.2 – davonziehen . Er wies auf ein Paradox hin: Chinesische offene Modelle halfen US-Sicherheitsforschern bei Arbeiten, die amerikanische geschlossene Modelle blockierten .

Hinton räumte den Wettbewerbsdruck ein, blieb aber besorgt über Missbrauch. Er sah den Geist – unabhängig von der US-Politik – ohnehin bereits aus der Flasche .

4. Regulierung: Wie viel und wem nützt sie?

Alle drei waren sich einig, dass Regulierung nötig ist – aber nicht, wie weit sie gehen und wem sie nützen soll .

• Hinton forderte verpflichtende Sicherheitstests vor der Veröffentlichung und die vollständige Offenlegung der Ergebnisse gegenüber der Regierung – er will eine Mindestschwelle, die von Aufsichtsbehörden durchgesetzt wird . Er verglich Regulierung mit dem „Lenkrad, nicht der Bremse“ eines Autos .
• Li plädierte für branchenspezifische Regeln statt pauschaler Vorschriften. KI verändere Aufgaben in verschiedenen Branchen unterschiedlich, und Produktivitätsgewinne führten nicht automatisch zu allgemeinem Wohlstand .
• Ng war am skeptischsten gegenüber Regulierung von oben. Er warnte davor, dass sie von Incumbents vereinnahmt werden könnte, um deren Vorteile zu zementieren. Sein bevorzugtes Mittel: Wettbewerb und Offenheit fördern .

5. Ist Offenheit eine Alles-oder-Nichts-Entscheidung?

Hier zeigte das Podium seine tiefste Spaltung. Li nannte das binäre Framing explizit falsch – sie plädierte für einen Mittelweg, bei dem Offenheit nach Branche, Risikograd und Anwendungsfall kalibriert wird . Hinton stimmte im Grunde zu, dass es nicht binär ist, aber von der anderen Seite: Er wünschte sich eine Welt, in der Gewichte mit Sicherheitsvorkehrungen offen sein könnten, auch wenn er nicht mehr glaubt, dass diese Welt erreichbar ist . Ng stand einer Alles-oder-Nichts-Haltung am nächsten – Offenheit war das zentrale Heilmittel, und er wehrte sich gegen Ausnahmen, die von Incumbents ausgenutzt werden könnten .

Fazit: Gleiches Ziel, unterschiedliche Karten

Die drei Pioniere standen vereint gegen eine Zukunft, in der eine Handvoll Labore die KI kontrolliert, doch über den Weg dorthin zerstritten sie sich. Hinton akzeptierte Open Weights widerwillig als unvermeidlich, während er ihren Missbrauch fürchtete. Ng umarmte Offenheit als das primäre Mittel gegen Machtkonzentration und als strategische Notwendigkeit gegenüber China. Li lehnte das binäre Denken ganz ab und forderte kalibrierte, branchenspezifische Regeln. Die Debatte fing die ehrliche Spannung in der KI-Governance des Jahres 2026 ein: Dieselbe offene Verteilung, die den Zugang demokratisiert, macht katastrophalen Missbrauch auch schwerer kontrollierbar.