Yann André Le Cun (geboren am 8. Juli 1960) ist ein französisch-amerikanischer Informatiker, der sich auf künstliche Intelligenz, maschinelles Lernen, Computer Vision, Robotik und Bildkompression spezialisiert hat. Er ist Jacob-T.-Schwartz-Professor für Informatik am Courant Institute of Mathematical Sciences der New York University. Er war Chief AI Scientist bei Meta Platforms, bevor er im Dezember 2025 Advanced Machine Intelligence Labs mitgründete. LeCun ist weithin bekannt für seine Arbeiten zur optischen Zeichenerkennung und Computer Vision mit convolutional neural networks, und er entwickelte gemeinsam mit Léon Bottou die DjVu-Bildkompressionstechnologie und die Programmiersprache Lush.
Im Jahr 2018 erhielten LeCun, Yoshua Bengio und Geoffrey Hinton den Turing Award der Association for Computing Machinery für ihre Beiträge zum Deep Learning. Zusammen werden sie oft als „Godfathers of AI" oder „Godfathers of Deep Learning" bezeichnet. LeCuns Forschung hat das moderne maschinelle Lernen und die künstliche Intelligenz geprägt, insbesondere durch sein Eintreten für energiebasierte Modelle und Weltmodelle.
Frühes Leben und Ausbildung
LeCun wurde in Soisy-sous-Montmorency, einem Vorort von Paris, Frankreich, geboren. Sein Nachname Le Cun leitet sich von der alten bretonischen Form Le Cunff ab, die aus Guingamp in der nördlichen Bretagne stammt. Er erhielt 1983 ein Diplôme d'Ingénieur von der ESIEE Paris und 1987 einen PhD in Informatik von der Université Pierre et Marie Curie (heute Sorbonne University). Während seines Promotionsstudiums schlug er eine frühe Form der Backpropagation vor, einen Algorithmus, der für das Training von neuronalen Netzen essenziell ist.
Von 1987 bis 1988 war LeCun Postdoktorand an der University of Toronto, betreut von Geoffrey Hinton. Später wurde er eingebürgerter amerikanischer Staatsbürger. LeCun hat drei Söhne, und sein Bruder arbeitet bei Google.
Karriere bei Bell Labs
1988 trat LeCun der Adaptive Systems Research Department bei AT&T Bell Laboratories in Holmdel, New Jersey, bei, die von Lawrence D. Jackel geleitet wurde. Dort entwickelte er convolutional neural networks (CNNs), einschließlich der LeNet-Architektur, die grundlegend für die Bilderkennung wurde. Er führte auch die Regularisierungsmethode „Optimal Brain Damage" und Graph Transformer Networks ein, einen Vorläufer von Conditional Random Fields. Seine Arbeit ermöglichte praktische Handschrifterkennung und optische Zeichenerkennung (OCR), was zu Bankchecksystemen führte, die von NCR und anderen Unternehmen eingesetzt wurden.
1996 wurde LeCun Leiter der Image Processing Research Department bei AT&T Labs-Research, Teil von Lawrence Rabiners Speech and Image Processing Research Lab. Er konzentrierte sich auf DjVu, ein Kompressionsformat für gescannte Dokumente, das später vom Internet Archive verwendet wurde. Zu seinen Mitarbeitern gehörten Léon Bottou und Vladimir Vapnik.
Akademische Karriere an der NYU
Nach einem kurzen Fellowship am NEC Research Institute trat LeCun 2003 der New York University bei. Er hat den Jacob-T.-Schwartz-Lehrstuhl für Informatik und Neurowissenschaften am Courant Institute und am Center for Neural Science inne. Seine Forschung an der NYU konzentrierte sich auf energiebasierte Modelle für überwachtes und unüberwachtes Lernen, Feature-Learning für Objekterkennung und mobile Robotik.
2012 wurde LeCun Gründungsdirektor des NYU Center for Data Science. 2013 gründete er gemeinsam mit Yoshua Bengio die International Conference on Learning Representations (ICLR), die einen Post-Publikations-Open-Review-Prozess einführte. Er organisierte auch den jährlichen „Learning Workshop" in Snowbird, Utah, von 1986 bis 2012. LeCun war Co-Direktor des CIFAR-Programms „Learning in Machines and Brain" und war 2016 Gastprofessor am Collège de France. Er ist wissenschaftlicher Berater der französischen Forschungsgruppe Kyutai.
Führungsrolle bei Meta Platforms
LeCun trat 2013 als Chief AI Scientist zu Facebook (heute Meta Platforms) bei und wurde der erste Direktor von Meta AI Research in New York City. Er leitete FAIR, das KI-Forschungslabor des Unternehmens, bis 2025. Während seiner Amtszeit setzte er sich für selbstüberwachtes Lernen ein und kritisierte die Grenzen von großen Sprachmodellen für das Erreichen menschlicher Intelligenz.
Im November 2025 kündigte LeCun seinen Abschied von Meta an, um sich auf sein eigenes Unternehmen zu konzentrieren. Er gründete im Dezember 2025 Advanced Machine Intelligence Labs (AMI Labs) mit, mit CEO Alex LeBrun und LeCun als Executive Chair. AMI Labs zielt darauf ab, KI-„Weltmodelle" zu bauen, die die Dynamik der physischen Welt verstehen, anstatt nur Text vorherzusagen. Im März 2026 sammelte AMI 1,03 Milliarden US-Dollar bei einer Pre-Money-Bewertung von 3,5 Milliarden US-Dollar ein, mit Investoren wie Cathay Innovation, Greycroft, Hiro Capital, HV Capital und Bezos Expeditions.
Im Januar 2026 wurde LeCun Gründungsvorsitzender des Technical Research Board von Logical Intelligence, einem Unternehmen, das energiebasierte Denksysteme entwickelt.
Beiträge zum Deep Learning
LeCuns bedeutendster Beitrag ist die Entwicklung von convolutional neural networks, die biologische visuelle Verarbeitung nachahmen und heute Standard in der Computer Vision sind. Seine frühen Arbeiten zu Backpropagation und CNNs legten das Fundament für das moderne Deep Learning. Er war auch ein Pionier energiebasierter Modelle, die lernen, korrekten Vorhersagen niedrige Energie und falschen hohe Energie zuzuweisen, was spätere Architekturen beeinflusste.
Seine Forschung zu Graph Transformer Networks und Regularisierungsmethoden wurde weitgehend übernommen. LeCun ist ein lautstarker Befürworter offener Forschung und hat umfangreich zu Themen von Datenaugmentation bis Verlustfunktionen publiziert. Seine Ideen haben Transformer und generative KI-Systeme beeinflusst, obwohl er rein textbasierte Ansätze kritisch sieht.
Ehrungen und Auszeichnungen
LeCun ist Mitglied der US National Academy of Sciences, der National Academy of Engineering und der französischen Académie des Sciences. Er hat Ehrendoktorwürden vom Instituto Politécnico Nacional (2016), der EPFL (2018), der Université Côte d'Azur (2021), der Università di Siena (2023) und der Hong Kong University of Science and Technology (2023) erhalten.
Zu seinen Auszeichnungen gehören der IEEE Neural Network Pioneer Award (2014), der PAMI Distinguished Researcher Award (2015), die IRI Medal (2018), der Harold Pender Award (2018) und der Golden Plate Award der American Academy of Achievement (2019). 2019 teilte er sich den Turing Award 2018 mit Yoshua Bengio und Geoffrey Hinton. 2022 erhielt er den Prinzessin-von-Asturien-Preis in der Kategorie „Wissenschaftliche Forschung".
Vermächtnis und Ansichten
LeCun gilt als eine der Gründungsfiguren der modernen KI. Sein Eintreten für Weltmodelle und energiebasierte Ansätze steht im Gegensatz zum vorherrschenden Paradigma großer Sprachmodelle. Er hat argumentiert, dass wahre Intelligenz das Verständnis der physischen Welt erfordert, nicht nur statistische Muster in Texten. Seine Arbeit beeinflusst weiterhin die Forschung an Institutionen wie MIT CSAIL und Stanford AI Lab, und seine Führungsrolle bei AMI Labs signalisiert eine neue Richtung für die KI-Entwicklung.
Trotz seiner Beiträge ist LeCun auch eine umstrittene Figur, die oft über die Risiken der KI und den Weg zur Superintelligenz debattiert. Er bleibt ein aktiver Forscher und öffentlicher Redner, der die Zukunft der künstlichen Intelligenz mitgestaltet.