Yann André Le Cun (nacido el 8 de julio de 1960) es un informático franco-estadounidense especializado en inteligencia artificial, aprendizaje automático, visión por computadora, robótica y compresión de imágenes. Es el Profesor Jacob T. Schwartz de Ciencias de la Computación en el Instituto Courant de Ciencias Matemáticas de la Universidad de Nueva York. Se desempeñó como Científico Jefe de IA en Meta Platforms antes de cofundar Advanced Machine Intelligence Labs en diciembre de 2025. LeCun es ampliamente reconocido por su trabajo en reconocimiento óptico de caracteres y visión por computadora utilizando redes neuronales convolucionales, y co-desarrolló la tecnología de compresión de imágenes DjVu y el lenguaje de programación Lush con Léon Bottou.
En 2018, LeCun, Yoshua Bengio y Geoffrey Hinton recibieron el Premio Turing de la Association for Computing Machinery por sus contribuciones al aprendizaje profundo. Juntos, a menudo se les llama los "Padrinos de la IA" o "Padrinos del Aprendizaje Profundo". La investigación de LeCun ha dado forma al aprendizaje automático y la inteligencia artificial modernos, particularmente a través de su defensa de los modelos basados en energía y los modelos del mundo.
Vida Temprana y Educación
LeCun nació en Soisy-sous-Montmorency, un suburbio de París, Francia. Su apellido, Le Cun, deriva de la forma bretona antigua Le Cunff, originaria de Guingamp en el norte de Bretaña. Recibió un Diplôme d'Ingénieur de ESIEE Paris en 1983 y un doctorado en ciencias de la computación de la Université Pierre et Marie Curie (ahora Sorbonne University) en 1987. Durante sus estudios de doctorado, propuso una forma temprana de retropropagación, un algoritmo esencial para entrenar redes neuronales.
De 1987 a 1988, LeCun fue investigador postdoctoral en la Universidad de Toronto, supervisado por Geoffrey Hinton. Más tarde se convirtió en ciudadano estadounidense naturalizado. LeCun tiene tres hijos, y su hermano trabaja en Google.
Carrera en Bell Labs
En 1988, LeCun se unió al Departamento de Investigación de Sistemas Adaptativos en AT&T Bell Laboratories en Holmdel, Nueva Jersey, dirigido por Lawrence D. Jackel. Allí, desarrolló redes neuronales convolucionales (CNN), incluida la arquitectura LeNet, que se convirtió en fundamental para el reconocimiento de imágenes. También introdujo el método de regularización "Optimal Brain Damage" y las Redes de Transformadores de Grafos, un precursor de los campos aleatorios condicionales. Su trabajo permitió el reconocimiento práctico de escritura a mano y el reconocimiento óptico de caracteres (OCR), lo que llevó a sistemas de reconocimiento de cheques bancarios implementados por NCR y otras empresas.
En 1996, LeCun se convirtió en jefe del Departamento de Investigación de Procesamiento de Imágenes en AT&T Labs-Research, parte del Laboratorio de Investigación de Procesamiento de Voz e Imágenes de Lawrence Rabiner. Se centró en DjVu, un formato de compresión para documentos escaneados, utilizado más tarde por Internet Archive. Sus colaboradores incluyeron a Léon Bottou y Vladimir Vapnik.
Carrera Académica en NYU
Después de una breve beca en el NEC Research Institute, LeCun se unió a la Universidad de Nueva York en 2003. Ocupa la Cátedra Jacob T. Schwartz en Ciencias de la Computación y Neurociencia en el Instituto Courant y el Centro de Neurociencia. Su investigación en NYU se centró en modelos basados en energía para el aprendizaje supervisado y no supervisado, el aprendizaje de características para el reconocimiento de objetos y la robótica móvil.
En 2012, LeCun se convirtió en el director fundador del Centro de Ciencia de Datos de NYU. En 2013, cofundó la Conferencia Internacional sobre Representaciones de Aprendizaje (ICLR) con Yoshua Bengio, que adoptó un proceso de revisión abierta posterior a la publicación. También organizó el "Learning Workshop" anual en Snowbird, Utah, de 1986 a 2012. LeCun se desempeñó como codirector del programa Learning in Machines and Brain de CIFAR y fue profesor visitante en el Collège de France en 2016. Es asesor científico del grupo de investigación francés Kyutai.
Liderazgo en Meta Platforms
LeCun se unió a Facebook (ahora Meta Platforms) en 2013 como científico jefe de IA, convirtiéndose en el primer director de Meta AI Research en la ciudad de Nueva York. Dirigió FAIR, el laboratorio de investigación de IA de la empresa, hasta 2025. Durante su mandato, abogó por el aprendizaje autosupervisado y criticó las limitaciones de los grandes modelos de lenguaje para lograr inteligencia a nivel humano.
En noviembre de 2025, LeCun anunció su salida de Meta para centrarse en su propia empresa. Cofundó Advanced Machine Intelligence Labs (AMI Labs) en diciembre de 2025, con el CEO Alex LeBrun y LeCun como Presidente Ejecutivo. AMI Labs tiene como objetivo construir "modelos del mundo" de IA que comprendan la dinámica del mundo físico en lugar de simplemente predecir texto. En marzo de 2026, AMI recaudó $1.03 mil millones con una valoración pre-money de $3.5 mil millones, con inversores que incluyen a Cathay Innovation, Greycroft, Hiro Capital, HV Capital y Bezos Expeditions.
En enero de 2026, LeCun se convirtió en presidente fundador de la Junta Técnica de Investigación de Logical Intelligence, una empresa que desarrolla sistemas de razonamiento basados en energía.
Contribuciones al Aprendizaje Profundo
La contribución más significativa de LeCun es el desarrollo de redes neuronales convolucionales, que imitan el procesamiento visual biológico y ahora son estándar en la visión por computadora. Su trabajo temprano sobre retropropagación y CNN sentó las bases para el aprendizaje profundo moderno. También fue pionero en los modelos basados en energía, que aprenden a asignar baja energía a predicciones correctas y alta energía a las incorrectas, influyendo en arquitecturas posteriores.
Su investigación sobre redes de transformadores de grafos y métodos de regularización ha sido ampliamente adoptada. LeCun ha sido un defensor vocal de la investigación abierta y ha publicado extensamente sobre temas que van desde aumento de datos hasta funciones de pérdida. Sus ideas han influido en los transformadores y los sistemas de IA generativa, aunque sigue siendo crítico con los enfoques puramente basados en texto.
Honores y Premios
LeCun es miembro de la Academia Nacional de Ciencias de los Estados Unidos, la Academia Nacional de Ingeniería y la Académie des Sciences francesa. Ha recibido doctorados honorarios del Instituto Politécnico Nacional (2016), EPFL (2018), Université Côte d'Azur (2021), Università di Siena (2023) y la Universidad de Ciencia y Tecnología de Hong Kong (2023).
Sus premios incluyen el IEEE Neural Network Pioneer Award (2014), el PAMI Distinguished Researcher Award (2015), la IRI Medal (2018), el Harold Pender Award (2018) y el Golden Plate Award de la American Academy of Achievement (2019). En 2019, compartió el Premio Turing 2018 con Yoshua Bengio y Geoffrey Hinton. En 2022, recibió el Premio Princesa de Asturias en la categoría "Investigación Científica".
Legado y Opiniones
LeCun es considerado una de las figuras fundadoras de la IA moderna. Su defensa de los modelos del mundo y los enfoques basados en energía contrasta con el paradigma dominante de los grandes modelos de lenguaje. Ha argumentado que la verdadera inteligencia requiere comprender el mundo físico, no solo patrones estadísticos en el texto. Su trabajo continúa influyendo en la investigación en instituciones como MIT CSAIL y Stanford AI Lab, y su liderazgo en AMI Labs señala una nueva dirección para el desarrollo de la IA.
A pesar de sus contribuciones, LeCun también ha sido una figura controvertida, debatiendo a menudo los riesgos de la IA y el camino hacia la superinteligencia. Sigue siendo un investigador activo y orador público, dando forma al futuro de la inteligencia artificial.