Hinton vs. Ng vs. Li: AI-pionerene som kolliderte om risiko, jobber og regulering på Ai4 2026

I løpet av en time kranglet Geoffrey Hinton («AI-gudfaren»), Fei-Fei Li («AI-gudmoren») og Andrew Ng (grunnlegger av DeepLearning.AI og Landing AI) om eksistensiell risiko, massearbeidsledighet, regulering og rollen til åpne modeller. Bare på ett punkt – utdanningens sentrale rolle – var de enige .

Her er hva hver av dem sa, organisert etter de fire temaene som definerte debatten.

AI-risiko og eksistensiell fare

Geoffrey Hinton kom med sin mest presserende advarsel så langt. AI-systemer, argumenterte han, får kapabiliteter raskere enn institusjoner kan svare, og kan overgå menneskelig intelligens i «de neste fem til 20 årene», og la til «sannsynligvis mindre» . Han oppfordret samfunnet til å ta langsiktige farer på alvor: «Med mindre vi bekymrer oss for det nå, kan det oppstå problemer» . Han advarte også om at AI-systemer allerede gjør ting skaperne deres ikke hadde til hensikt, og uttrykte bekymring for sikkerheten til åpne vektmodeller som kan misbrukes .

Fei-Fei Li tok et oppgjør med det hun ser på som en debatt dominert av ytterpunkter. Hun ba om å bringe «vitenskap, ikke science fiction» tilbake til AI-debatten, og hevdet at den offentlige samtalen var blitt dominert av frykt snarere enn fakta. Hun avviste eksplisitt både dystopiske og utopiske rammeverk .

Andrew Ng inntok den mest aggressive holdningen og anklaget store AI-selskaper for å blåse opp sikkerhetsfrykt for å rettferdiggjøre begrensninger på åpne modeller og stenge ute konkurransen. Han kalte mye av alarmismen for «skremselspropaganda» og sa «jeg vil ikke at det skal finnes portvoktere for AI» .

Jobbtap

Panelets skarpeste uenigheter dukket opp rundt spørsmålet om jobber. Hinton fokuserte på hvitsnippjobber, ikke fabrikkgulv. Han identifiserte kundesenteransatte, administrativt personell og forsikringsskadebehandlere som de mest sårbare – og stilte spørsmålet som fanget hans bekymring: «Hva skal disse menneskene gjøre? Alt du kunne omskolere dem til, vil AI kunne gjøre» . Han ga et helseeksempel der en chatbot reduserte en klagebehandlingsoppgave fra 30 minutter til bare noen få minutter .

Ng imøtegikk at AI ikke eliminerer jobber, men endrer deres omfang. Han argumenterte for at programvareutviklere ikke har forsvunnet – de har blitt fullstack-utviklere. Markedsføringskoordinatorer blir «helhetlige markedsførere». Den virkelige utfordringen, sa han, er «å akselerere menneskelig utvikling» parallelt med AI-utviklingen .

Li nektet å ta noen av sidene. Hun bemerket at få jobber består av en enkelt oppgave – sykepleiere gjør ikke bare journalføring, lærere foreleser ikke bare . AI vil automatisere noen deler mens andre forblir uberørt. Men hun advarte om at økt produktivitet ikke automatisk fører til delt velstand .

Regulering

På reguleringspolitikk skilte de tre lagene enda tydeligere. Hinton krevde regulering, og kalte det et nødvendig «styringsverktøy» for AI-kapabiliteter som overgår institusjonelle responstider. Han uttrykte spesifikk skepsis til åpne vektmodeller som kan omformes til skadelig bruk .

Ng motsatte seg streng regulering som et potensielt verktøy for etablerte selskaper for å stenge ute konkurransen. Han tok direkte et oppgjør med krav om lisensiering av åpne modeller, og argumenterte for at slike krav ville befeste makten til store AI-labber .

Li argumenterte for en mellomvei: offentlige investeringer i AI-forskning og en forpliktelse til «god, sunn, vitenskapelig kommunikasjon» for å veilede politikk. Hun advarte mot både panikk og hype, og advarte mot å «svekke folk og ta handlekraften fra folk» .

Utdanning: Det eneste punktet for enighet

Alle tre paneldeltakerne var enige om at utdanning vil avgjøre om AI til syvende og sist gagner samfunnet – men de var uenige om hvor presserende og fokusert innsatsen må være . Hinton uttrykte skepsis til muligheten for omskolering gitt AI sine brede og akselererende kapabiliteter . Ng understreket behovet for å akselerere menneskelig læring parallelt med AI. Li la vekt på oppgavenivånyanser og vitenskapelig kommunikasjon som grunnlag for offentlig forståelse .

Enigheten dekket imidlertid ikke over de dypere uenighetene. Panelet var en refleksjon av hvor uavklart AI-debatten fortsatt er – ikke bare blant beslutningstakere og allmennheten, men blant teknologiens egne oppfinnere .