Bentrokan Tiga Legenda AI: Hinton, Li, dan Ng Beda Pendapat Soal Risiko, Pekerjaan, dan Regulasi di Ai4 2026

Selama satu jam, Geoffrey Hinton ("Bapak baptis AI"), Fei-Fei Li ("Ibu baptis AI"), dan Andrew Ng (pendiri DeepLearning.AI dan Landing AI) beradu argumen soal risiko eksistensial, pergeseran besar lapangan kerja, regulasi, dan peran model terbuka. Satu-satunya titik temu: pentingnya pendidikan .

Berikut paparan pendapat masing-masing, diorganisir berdasarkan empat topik yang mendefinisikan perdebatan.

Risiko AI & Bahaya Eksistensial

Geoffrey Hinton menyampaikan peringatan paling mendesaknya. Sistem AI, katanya, berkembang lebih cepat daripada kemampuan institusi untuk merespons, dan bisa melampaui kecerdasan manusia dalam "beberapa hingga 20 tahun ke depan," dan menambahkan "mungkin lebih cepat" . Ia mendesak masyarakat untuk serius memikirkan bahaya jangka panjang: "Kecuali kita khawatir sekarang, bisa timbul masalah" . Ia juga memperingatkan bahwa sistem AI sudah melakukan hal-hal yang tidak diinginkan oleh penciptanya, dan ia mengkhawatirkan keamanan model dengan bobot terbuka (open-weight) yang bisa disalahgunakan .

Fei-Fei Li melawan apa yang ia lihat sebagai perdebatan yang didominasi oleh hal-hal ekstrem. Ia menyerukan agar "sains, bukan fiksi ilmiah" dikembalikan ke perdebatan AI, dengan alasan diskusi publik telah didominasi oleh rasa takut, bukan fakta. Ia secara eksplisit menolak kerangka berpikir distopia maupun utopia .

Andrew Ng mengambil sikap paling agresif. Ia menuduh perusahaan AI besar menghembuskan ketakutan soal keselamatan hanya untuk membenarkan pembatasan model terbuka dan mematikan persaingan. Ia menyebut banyak kekhawatiran itu sebagai "pembuat panik" dan berkata, "Saya tidak ingin ada penjaga gerbang AI" .

Pergeseran Lapangan Kerja

Perbedaan paling tajam muncul soal pekerjaan. Hinton berfokus pada pekerja kerah putih, bukan buruh pabrik. Ia mengidentifikasi staf call center, asisten administrasi, dan pemroses klaim asuransi sebagai yang paling rentan—dan melontarkan pertanyaan yang menjadi inti kekhawatirannya: "Apa yang akan dilakukan orang-orang itu? Apa pun yang bisa Anda latih ulang untuk mereka lakukan, AI juga bisa melakukannya" . Ia memberi contoh di bidang kesehatan di mana chatbot mengurangi waktu respons keluhan dari 30 menit menjadi hanya beberapa menit .

Ng berpendapat sebaliknya: AI tidak menghilangkan pekerjaan, melainkan mengubah cakupannya. Ia berargumen bahwa insinyur perangkat lunak tidak lenyap—mereka menjadi pengembang full-stack. Koordinator pemasaran menjadi "pemasar siklus penuh." Tantangan sesungguhnya, katanya, adalah "mempercepat pembangunan manusia" seiring dengan pengembangan AI .

Li menolak untuk memihak. Ia mencatat bahwa sedikit pekerjaan yang terdiri dari satu tugas—perawat tidak hanya sekadar mengisi grafik, guru tidak hanya sekadar berceramah . AI akan mengotomatiskan sebagian, sementara sebagian lainnya tidak tersentuh. Namun ia memperingatkan bahwa peningkatan produktivitas tidak secara otomatis berarti kemakmuran bersama .

Regulasi

Dalam kebijakan regulasi, ketiganya bahkan lebih jelas berbeda. Hinton menuntut regulasi, menyebutnya sebagai "kemudi" yang diperlukan karena kemampuan AI telah melampaui waktu respons institusi. Ia secara khusus waspada terhadap model dengan bobot terbuka yang dapat digunakan kembali untuk tujuan berbahaya .

Ng menentang regulasi yang terlalu ketat karena bisa menjadi alat bagi perusahaan mapan untuk mengunci persaingan. Ia secara langsung menolak seruan untuk lisensi model terbuka, dengan alasan persyaratan semacam itu hanya akan memperkokoh kekuasaan laboratorium AI besar .

Li berargumen untuk jalan tengah: investasi publik dalam penelitian AI dan komitmen pada "komunikasi ilmiah yang baik dan sehat" untuk memandu kebijakan. Ia mengingatkan agar tidak panik atau terlalu bergairah, serta memperingatkan untuk "tidak melumpuhkan orang dan mengambil hak pilih dari mereka" .

Pendidikan: Satu Titik Temu

Ketiga panelis sepakat bahwa pendidikan akan menentukan apakah AI benar-benar bermanfaat bagi masyarakat—namun mereka berbeda dalam hal urgensi dan fokus . Hinton menyatakan skeptisisme tentang kelayakan pelatihan ulang mengingat kemampuan AI yang luas dan semakin cepat . Ng menekankan perlunya mempercepat pembelajaran manusia sejajar dengan AI. Li menekankan nuansa di tingkat tugas dan komunikasi ilmiah sebagai fondasi pemahaman publik .

Kesepakatan ini, bagaimanapun, tidak menutupi perpecahan yang lebih dalam. Panel ini adalah cerminan betapa belum mampunya perdebatan AI—tidak hanya di kalangan pembuat kebijakan dan publik, tetapi juga di kalangan penemu teknologi itu sendiri .