W rozmowie z 23 września 2026 r. Huang zarzucił Hintonowi, że jego oszacowanie ryzyka katastrofy związanej z AI na około 10–20% nie jest naukowo ustalonym prawdopodobieństwem.
Opublikowane przezEdytowane za pomocą GPT-6 SolObrazy wygenerowane za pomocą GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: Why did Nvidia CEO Jensen Huang call Geoffrey Hinton’s warnings about a 10–20% chance of AI destroying humanity “irresponsible” and “hurtful. Article summary: Huang called Hinton’s warning “irresponsible” because he saw the 10–20% figure as a frightening forecast without a demonstrated scientific basis, not as a measured probability. He also considered such forecasts “hurtful”. Topic tags: general, news, general web, user generated, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermark
Jensen Huang nazwał ostrzeżenia Geoffrey’a Hintona „nieodpowiedzialnymi” z dwóch powodów: jego zdaniem podawana przez Hintona liczba sprawia wrażenie naukowo wyliczonego prawdopodobieństwa, choć nim nie jest, a alarmujące prognozy mogą wpływać na życiowe wybory ludzi. Szef Nvidii mówił o tym w opublikowanej 23 września 2026 r. rozmowie w podcaście The Ezra Klein Show. Pytany o szacowane przez Hintona na około 10–20% ryzyko katastrofalnych skutków AI, Huang zakwestionował naukowe podstawy takiego oszacowania. 2
5
Huang odniósł się wprost do wartości 10%: stwierdził, że nie wynika ona z badań, a wypowiedź naukowca nie staje się automatycznie naukowym ustaleniem. Nie twierdził przez to, że bezpieczeństwo AI można zignorować. Kwestionował przedstawianie niepewnej prognozy tak, jakby była zmierzonym prawdopodobieństwem. Jak odnotował Axios, sam Hinton określał podobne szacunki jako bardzo zgrubne domysły. 2
5
W 2016 r. Hinton radził, by przestać kształcić radiologów: przewidywał, że w ciągu pięciu lat AI będzie lepsza od ludzi w odczytywaniu obrazów medycznych. Huang przeciwstawił tej prognozie fakt, że mimo wejścia AI do radiologii lekarze tej specjalności nadal są potrzebni. Jego argument opiera się na rozróżnieniu między automatyzacją zadania a zanikiem zawodu. 2
14
To także wyjaśnia, dlaczego nazwał takie przewidywania „krzywdzącymi”: osoba, która potraktowałaby dawną radę Hintona dosłownie, mogłaby zrezygnować z nadal realnej ścieżki zawodowej. To argument o możliwych skutkach prognoz, nie dowód, że akurat ktoś podjął taką decyzję. Nietrafna prognoza dotycząca radiologii nie obala też odrębnego ostrzeżenia o katastrofalnym ryzyku AI. 2
14
Huang przedstawia bezpieczeństwo AI przede wszystkim jako odpowiedzialność inżynierską: firmy nie powinny udostępniać produktów, nad którymi nie panują. Sprzeciwia się nowym przepisom dotyczącym wyłącznie AI, ale nie chce zwalniać firm z istniejącego prawa antymonopolowego ani zasad odpowiedzialności prawnej. Hinton mocniej akcentuje możliwość katastrofalnych skutków rozwoju coraz bardziej zaawansowanych systemów. Ani stanowisko jednego, ani drugiego — ani przykład radiologów — nie daje wiarygodnej liczbowej odpowiedzi na pytanie, jak duże jest to ryzyko. 1
7
14
Dla osób zastanawiających się nad przyszłością pracy płynie stąd ostrożniejszy wniosek: warto pytać, które czynności AI może przejąć, zamiast od razu zakładać zniknięcie całego zawodu. Historia radiologii nie gwarantuje jednak, że każda profesja zmieni się w ten sam sposób. 2
3
14
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
W rozmowie z 23 września 2026 r. Huang zarzucił Hintonowi, że jego oszacowanie ryzyka katastrofy związanej z AI na około 10–20% nie jest naukowo ustalonym prawdopodobieństwem.
W rozmowie z 23 września 2026 r. Huang zarzucił Hintonowi, że jego oszacowanie ryzyka katastrofy związanej z AI na około 10–20% nie jest naukowo ustalonym prawdopodobieństwem. Przykład radiologów miał pokazać, że automatyzacja części pracy nie musi oznaczać zniknięcia całego zawodu — a stanowcze prognozy mogą wpływać na decyzje o karierze.
Nietrafiona prognoza dotycząca zawodu nie rozstrzyga jednak, czy ostrzeżenie przed katastrofalnym ryzykiem AI jest słuszne.