Hinton vs. Ng vs. Li: AI-pioniers botsen op Ai4 2026 over risico, banen en regulering

In een uur tijd botsten Geoffrey Hinton (de peetvader van AI), Fei-Fei Li (de peetmoeder van AI) en Andrew Ng (oprichter van DeepLearning.AI en Landing AI) over existentieel risico, massaal banenverlies, regulering en de rol van open modellen. Op slechts één punt — het centrale belang van onderwijs — waren ze het eens .

Dit is wat elk van hen zei, geordend per onderwerp.

AI-risico’s & existentieel gevaar

Geoffrey Hinton sloeg de meest dringende alarm. AI-systemen worden volgens hem sneller krachtiger dan instituties kunnen bijbenen en zouden de menselijke intelligentie kunnen overtreffen in "de komende 5 tot 20 jaar", met de toevoeging "waarschijnlijk korter" . Hij drong erop aan dat de maatschappij de gevaren serieus neemt: "Als we ons er nu geen zorgen over maken, kunnen er problemen ontstaan" . Ook waarschuwde hij dat AI-systemen al dingen doen die hun makers niet hadden bedoeld, en uitte hij zijn zorgen over de veiligheid van open-weight-modellen die misbruikt kunnen worden .

Fei-Fei Li verzette zich tegen wat zij ziet als een debat dat wordt gedomineerd door extremen. Ze riep op om "wetenschap, niet sciencefiction" terug te brengen in het AI-gesprek, omdat het publieke debat volgens haar meer door angst dan door feiten wordt gestuurd. Ze wees zowel dystopische als utopische framings resoluut van de hand .

Andrew Ng nam het meest strijdbare standpunt in. Hij beschuldigde grote AI-bedrijven ervan veiligheidsangsten op te blazen om zo open modellen te beperken en concurrentie uit te schakelen. Hij noemde een groot deel van de alarmkreten "bangmakerij" en zei: "Ik wil geen poortwachters van AI" .

Banenverlies

De scherpste meningsverschillen ontstonden over de vraag wat AI met banen doet. Hinton richtte zich op witteboordenfuncties, niet op fabrieksvloeren. Hij noemde callcentermedewerkers, administratief assistenten en verzekeringsspecialisten als de meest kwetsbare groepen — en stelde de vraag die zijn zorg het beste samenvat: "Wat moeten die mensen dan gaan doen? Alles waar je hen in kunt omscholen, kan AI ook" . Hij gaf een voorbeeld uit de zorg waarbij een chatbot een klachtenafhandeling terugbracht van 30 minuten naar een paar minuten .

Ng weerlegde dat AI banen niet wegneemt, maar hun reikwijdte verandert. Hij wees erop dat software-engineers niet zijn verdwenen — ze zijn fullstack-ontwikkelaars geworden. Marketingcoördinatoren worden "full-cycle-marketeers." De echte uitdaging, zei hij, is "om de menselijke ontwikkeling te versnellen" parallel aan de AI-ontwikkeling .

Li weigerde partij te kiezen. Ze merkte op dat weinig banen uit één enkele taak bestaan — verpleegkundigen doen niet alleen administratie, leraren geven niet alleen les . AI zal sommige taken automatiseren en andere ongemoeid laten. Maar ze waarschuwde dat een hogere productiviteit niet automatisch leidt tot gedeelde welvaart .

Regulering

Op het gebied van regelgeving liepen de meningen nog verder uiteen. Hinton eiste regulering en noemde het een noodzakelijk "stuur" voor AI-mogelijkheden die de reactietijd van instituties overstijgen. Hij sprak zich specifiek uit tegen open-weight-modellen die voor schadelijke doeleinden hergebruikt zouden kunnen worden .

Ng verzette zich tegen zware regulering als een mogelijk instrument voor gevestigde bedrijven om concurrentie buiten de deur te houden. Hij sprak zich uit tegen het verplicht licenseren van open modellen, omdat zulke eisen de macht van grote AI-labs zouden versterken .

Li pleitte voor een middenweg: publieke investeringen in AI-onderzoek en een toewijding aan "goede, gezonde, wetenschappelijke communicatie" om beleid te sturen. Ze waarschuwde tegen zowel paniek als hype, en tegen "mensen ontmoedigen en hen hun eigen regie ontnemen" .

Onderwijs: het enige punt van overeenstemming

Alle drie de panelleden waren het erover eens dat onderwijs zal bepalen of AI de maatschappij uiteindelijk ten goede komt — maar ze verschilden van mening over urgentie en focus . Hinton toonde zich sceptisch over de haalbaarheid van omscholing, gezien de brede en razendsnelle capaciteiten van AI . Ng benadrukte de noodzaak om het menselijk leren in hetzelfde tempo te versnellen als AI. Li legde de nadruk op taakniveau en wetenschappelijke communicatie als basis voor publiek begrip .

De overeenstemming kon de diepe verdeeldheid echter niet maskeren. De paneldiscussie was een weerspiegeling van hoe onbeslecht het AI-debat nog is — niet alleen onder beleidsmakers en het publiek, maar ook onder de uitvinders van de technologie zelf .