Hinton, Li i Ng na Ai4 2026: Prawdziwa walka o AI to nie otwartość kontra zamknięcie — chodzi o to, kto ma prawo decydować

W sierpniu 2026 roku na konferencji Ai4 w Las Vegas, w hotelu The Venetian, trójka najbardziej szanowanych postaci świata AI — laureat Nagrody Nobla Geoffrey Hinton, dyrektor generalna World Labs Fei-Fei Li oraz współzałożyciel Coursery Andrew Ng — wspólnie pojawiła się na scenie w sesji zatytułowanej „Architekci Inteligencji: Historyczna Konwergencja". Moderowana przez Yun-Hee Kim, dyskusja miała być starciem wokół egzystencjalnego ryzyka. Okazała się czymś znacznie ciekawszym: jednolitą krytyką scentralizowanej kontroli AI, za którą kryją się głębokie, nierozwiązane nieporozumienia co do tego, jak otwartość powinna faktycznie działać .

Wspólna płaszczyzna: Koncentracja władzy jest prawdziwym zagrożeniem

Wszyscy troje mówców odrzucili pomysł, że zamknięcie AI w garstce dobrze finansowanych laboratoriów jest właściwą odpowiedzią na obawy dotyczące bezpieczeństwa. Ich wspólny argument: skoncentrowanie władzy w kilku firmach jest większym zagrożeniem niż ryzyko związane z otwartą dystrybucją. Martwili się, że bramkarstwo (gatekeeping) spowolni innowacje, utrwali pozycję dominujących graczy i pozwoli kilku firmom decydować o tym, co reszta świata może budować .

Yun-Hee Kim określiła sesję jako historyczną konwergencję i rzeczywiście w tej podstawowej kwestii trzej pionierzy byli zgodni. Jednak w momencie, gdy rozmowa przeszła z zasad do praktyki, konsensus się rozpadł.

Pięć punktów sporu

1. Modele otwartych wag: Podział, który dzieli

Geoffrey Hinton wyraźnie oddzielił otwarty kod źródłowy od modeli z otwartymi wagami. „Otwarte oprogramowanie jest świetne. Pokazujesz ludziom kod, a wiele osób patrzy na linijki kodu i mówi: «O, tu jest błąd». Otwarte wagi oznaczają, że trenujesz duży model, a potem udostępniasz ludziom wagi. To ogromna różnica" — powiedział. Ostrzegł, że udostępnione wagi sprawiają, że dostrajanie modeli do cyberataków jest tanie i proste — ale jednocześnie przyznał, że walka jest praktycznie przegrana: „Myślę, że ta bitwa jest przegrana… Jest za późno" .

Andrew Ng był znacznie bardziej komfortowy z dystrybucją otwartych wag. Postawił to jako kwestię konkurencyjności i zauważył, że gdy jego zespół potrzebował przeprowadzić przegląd bezpieczeństwa swojego otwartego narzędzia agentowego OpenWorker, zwrócił się do chińskich modeli z otwartymi wagami, takich jak Kimi K3 i GLM-5.2, ponieważ zamknięte amerykańskie modele odmówiły pomocy. „Z tego, co widzę, myślę, że modele z otwartymi wagami wydają mi się bezpieczniejsze niż modele z zamkniętymi wagami" — stwierdził Ng .

Fei-Fei Li odrzuciła tę dychotomię w całości, nazywając ramy „otwarty kontra zamknięty" fałszywą dychotomią. Opowiedziała się za bardziej zniuansowanym, sektorowym podejściem, zamiast traktować otwartość jak wybór „wszystko albo nic" .

2. Bramkarze: Główna walka Ng

Ng był najbardziej dobitny w tej kwestii: „Nie chcę, żeby istnieli bramkarze. To ogranicza nas wszystkich w dostępie do AI." Oskarżył duże firmy o wyolbrzymianie zagrożeń związanych z AI wyłącznie po to, by uzyskać przewagę regulacyjną i wyeliminować mniejszych konkurentów. Jego recepta: „promować otwartość… ponieważ AI to niesamowita technologia i chcę, żeby była w zasięgu ręki każdego" .

Hinton i Li zgodzili się, że garstka laboratoriów nie powinna kontrolować trajektorii AI, mimo że Hinton znacznie bardziej obawiał się ryzyka niekontrolowanej dystrybucji .

3. Rywalizacja z Chinami: Niewygodny paradoks

Ng wyraźnie przedstawił otwartość jako kwestię miękkej siły i konkurencyjności wobec chińskich modeli z otwartymi wagami. Argumentował, że jeśli USA ograniczą otwarte modele, szybko rozwijający się chiński ekosystem — w tym Qwen 3.8-Max od Alibaby i GLM-5.2 od Zhipu — wysunie się na prowadzenie . Wskazał na paradoks: chińskie otwarte modele faktycznie pomagają amerykańskim badaczom bezpieczeństwa w pracy, którą amerykańskie zamknięte modele blokują .

Hinton przyznał, że presja konkurencyjna istnieje, ale pozostawał bardziej zaniepokojony nadużyciami. Uważał, że dżin i tak już wyszedł z butelki, niezależnie od polityki USA .

4. Regulacje: Jak bardzo i kto na tym zyskuje?

Wszyscy troje zgodzili się, że pewne regulacje są konieczne, ale ostro różnili się co do zakresu i podejścia .

• Hinton opowiadał się za obowiązkowymi testami bezpieczeństwa przed wydaniem modelu i pełnym ujawnieniem wyników rządowi — chciał minimalnego standardu egzekwowanego przez regulatorów . Opisał regulacje jako „kierownicę, a nie hamulce" samochodu .
• Li opowiadała się za regulacjami sektorowymi, a nie ogólnymi przepisami, argumentując, że AI zmienia zadania w różny sposób w zależności od branży, a wzrost produktywności nie przełoży się automatycznie na powszechny dobrobyt .
• Ng był najbardziej sceptyczny wobec odgórnych regulacji. Ostrzegł, że mogą one zostać zawłaszczone przez dominujących graczy i wykorzystane do umocnienia ich przewagi. Wolał promować konkurencję i otwartość jako główne zabezpieczenie .

5. Czy otwartość to wybór „wszystko albo nic"?

Tutaj panel ujawnił swój najgłębszy podział. Li wyraźnie nazwała dychotomię fałszywą — opowiadała się za środkową drogą, w której otwartość jest kalibrowana w zależności od sektora, poziomu ryzyka i przypadku użycia . Hinton zasadniczo zgodził się, że to nie jest kwestia binarna, ale z przeciwnej perspektywy: chciał świata, w którym wagi mogą być otwarte z zabezpieczeniami, nawet jeśli nie wierzy już, że taki świat jest osiągalny . Ng był najbliżej postawy „wszystko albo nic" — otwartość była głównym remedium, a on opierał się wyjątkom, które mogłyby być wykorzystane przez dominujących graczy .

Konkluzja: Ten sam cel, różne mapy

Trzej pionierzy byli zgodni w sprzeciwie wobec przyszłości, w której garstka laboratoriów kontroluje AI, ale ostro podzielili się co do środka transportu. Hinton niechętnie zaakceptował otwarte wagi jako nieuniknione, obawiając się ich nadużycia. Ng przyjął otwartość jako główne lekarstwo na koncentrację władzy i strategiczną konieczność wobec Chin. Li odrzuciła dychotomię i wezwała do skalibrowanych, sektorowych zasad. Debatę tę cechuje uczciwe napięcie w zarządzaniu AI w 2026 roku: ta sama otwarta dystrybucja, która demokratyzuje dostęp, jednocześnie utrudnia powstrzymanie katastrofalnych nadużyć.