Hinton, Ng och Li: Tre AI-pionjärer i öppen konflikt om risker, jobb och reglering på Ai4 2026

Under en timme kolliderade Geoffrey Hinton (”AI:s gudfader”), Fei-Fei Li (”AI:s gudmor”) och Andrew Ng (grundare av DeepLearning.AI och Landing AI) i frågor om existentiell risk, massarbetslöshet, reglering och öppna modellers roll. Bara på en punkt – utbildningens centrala betydelse – var de överens .

Här är vad var och en sade, organiserat efter de fyra ämnen som definierade debatten.

AI-risker och existentiell fara

Geoffrey Hinton levererade sin mest akuta varning hittills. AI-system, menade han, får förmågor snabbare än institutioner kan hantera, och kan överträffa mänsklig intelligens inom ”de närmaste fem till 20 åren”, och tillade ”förmodligen mindre” . Han uppmanade samhället att ta långsiktiga faror på allvar: ”Om vi inte oroar oss för det nu, kan det uppstå problem” . Han varnade också för att AI-system redan gör saker som deras skapare inte avsåg, och uttryckte oro över säkerheten hos öppna modeller som kan missbrukas .

Fei-Fei Li tog avstånd från vad hon ser som en debatt dominerad av ytterligheter. Hon efterlyste en återgång till ”vetenskap, inte science fiction” i AI-debatten, och menade att det offentliga samtalet hade kommit att domineras av rädsla snarare än fakta. Hon avfärdade uttryckligen både dystopiska och utopiska ramar .

Andrew Ng intog den mest aggressiva hållningen och anklagade stora AI-företag för att blåsa upp säkerhetsrädslor för att motivera att stänga ute öppna modeller och konkurrens. Han kallade mycket av alarmismen för ”skrämselpropaganda” och sade ”Jag vill inte ha grindvakter för AI” .

Jobbförlust

Panelens skarpaste meningsskiljaktigheter uppstod kring frågan om jobb. Hinton fokuserade på vita tjänstemanna-jobb, inte fabriksgolv. Han pekade ut callcenterpersonal, administrativa assistenter och försäkringshandläggare som de mest sårbara – och ställde frågan som fångade hans oro: ”Vad ska dessa människor göra? Allt du kan omskola dem till, kommer AI att kunna göra” . Han gav ett exempel från sjukvården där en chattbot minskade en klagomålshanteringsuppgift från 30 minuter till bara några minuter .

Ng kontrade med att AI inte eliminerar jobb utan förändrar deras omfattning. Han menade att mjukvaruutvecklare inte har försvunnit – de har blivit fullstackutvecklare. Marknadsförare blir ”fullcykelmarknadsförare”. Den verkliga utmaningen, sade han, är ”att påskynda mänsklig utveckling” parallellt med AI-utveckling .

Li vägrade att ta ställning åt något håll. Hon påpekade att få jobb består av en enda uppgift – sjuksköterskor dokumenterar inte bara, lärare föreläser inte bara . AI kommer att automatisera vissa delar medan andra förblir orörda. Men hon varnade för att ökad produktivitet inte automatiskt leder till delat välstånd .

Reglering

När det gällde regleringspolitik divergerade de tre ännu tydligare. Hinton krävde reglering och kallade det en nödvändig ”ratt” för AI-förmågor som växer snabbare än institutionernas reaktionstid. Han uttryckte specifik oro över öppna modeller som kan omvandlas till skadlig användning .

Ng motsatte sig hårda regleringar som ett potentiellt verktyg för etablerade företag att stänga ute konkurrens. Han tog direkt avstånd från krav på licensiering av öppna modeller och menade att sådana krav skulle befästa makten hos stora AI-labb .

Li argumenterade för en medelväg: offentliga investeringar i AI-forskning och ett engagemang för ”bra, sund, vetenskaplig kommunikation” för att vägleda politiken. Hon varnade för både panik och hype, och för ”att försvaga människor och ta bort deras handlingskraft” .

Utbildning: den enda punkten de var överens om

Alla tre paneldeltagarna var överens om att utbildning kommer att avgöra om AI i slutändan gynnar samhället – men de skilde sig åt i fråga om brådska och fokus . Hinton uttryckte skepsis mot möjligheten till omskolning med tanke på AI:s breda och accelererande förmågor . Ng betonade behovet av att påskynda mänskligt lärande parallellt med AI. Li framhöll vikten av uppgiftsrelaterade nyanser och vetenskaplig kommunikation som grund för allmänhetens förståelse .

Enigheten dolde dock inte de djupare motsättningarna. Panelen speglade hur osäker AI-debatten fortfarande är – inte bara bland politiker och allmänhet, utan bland teknikens egna uppfinnare .