Yann LeCun ist ein französisch-amerikanischer Informatiker, der vor allem für die Entwicklung des Convolutional Neural Network (CNN) bekannt ist, einer Architektur, die zum Standardwerkzeug für Computer Vision und zu einem grundlegenden Baustein des modernen Deep Learning wurde.
Karriere
1960 in der Nähe von Paris geboren, promovierte LeCun 1987 an der Université Pierre et Marie Curie und arbeitete an frühen Versionen des Backpropagation-Verfahrens, das auf neuronale Netze angewendet wurde. Anschließend wechselte er zu Bell Labs in den Vereinigten Staaten, wo er in den späten 1980er- und 1990er-Jahren LeNet entwickelte, ein CNN, das darauf trainiert war, handgeschriebene Ziffern zu erkennen und kommerziell zum Lesen von Schecks eingesetzt wurde - eine der ersten großflächigen industriellen Anwendungen neuronaler Netze. Die Verwendung von Faltungsfiltern und Pooling in der Architektur, die teilweise von früheren biologisch motivierten Modellen inspiriert war, ermöglichte es den Netzen, visuelle Merkmale direkt aus Pixeln zu lernen, anstatt sich auf manuell entwickelte Merkmale zu verlassen.
Nach Aufenthalten bei NEC Research und als Professor an der New York University wurde LeCun 2013 Gründungsdirektor des AI-Research-Labors von Facebook (FAIR), das später in Meta AI umbenannt wurde, und fungierte als Chief AI Scientist des Unternehmens. Unter seiner Leitung verfolgte Meta eine Open-Weights-Strategie für seine Modelle, einschließlich der Llama-Familie, im Gegensatz zum geschlossenen Ansatz von Labors wie OpenAI - eine Wahl, die LeCun als besser für Forschung, Sicherheitsprüfung und Wettbewerb verteidigt hat.
Ansichten zu Skalierung und Weltmodellen
LeCun teilte sich 2018 den Turing Award mit Geoffrey Hinton und Yoshua Bengio für grundlegende Arbeiten im Deep Learning, ist jedoch zu einem der prominentesten Skeptiker des Feldes in Bezug auf die Idee geworden, dass die bloße Skalierung von Large-Language-Model-Systemen zu menschenähnlicher oder allgemeiner Intelligenz führen wird. Er argumentiert, dass autoregressive Textvorhersage ein schlechtes Fundament für Denken und Planen ist, und hat stattdessen die Forschung an "Weltmodellen" gefördert - selbstüberwachten Systemen, die prädiktive interne Repräsentationen der physischen Realität lernen, ein Ansatz, der eng mit dem breiteren Weltmodell-Konzept verbunden ist. Er hat sich auch öffentlich abfällig über naheliegende Bedenken hinsichtlich existenzialer KI-Risiken geäußert, was ihn in dieser Frage in Gegensatz zu Hinton und Bengio bringt, trotz ihrer gemeinsamen technischen Herkunft.
Ende 2025 kündigte LeCun Pläne an, Meta zu verlassen, um diese Weltmodell-Forschung unabhängig fortzusetzen - ein Spiegelbild der breiteren Divergenz zwischen dem "Skalierung reicht"-Lager, das mit führenden Large-Language-Model-Labors verbunden ist, und Forschern, die glauben, dass neue Architekturen erforderlich sind, um künstliche allgemeine Intelligenz zu erreichen.