Yann LeCun은 합성곱 신경망(CNN)을 개발한 것으로 가장 잘 알려진 프랑스계 미국인 컴퓨터 과학자로, 이 아키텍처는 컴퓨터 비전의 표준 도구이자 현대 딥러닝의 기초 구성 요소가 되었다.
경력
1960년 파리 근교에서 태어난 LeCun은 1987년 피에르와 마리 퀴리 대학교에서 박사 학위를 받았으며, 신경망에 적용된 초기 버전의 역전파를 연구했다. 이후 미국의 벨 연구소에 합류하여 1980년대 후반과 1990년대에 손으로 쓴 숫자를 인식하도록 훈련된 CNN인 LeNet을 구축했는데, 이는 수표를 읽기 위해 상업적으로 배치되어 신경망의 최초 대규모 산업 응용 사례 중 하나가 되었다. 이 아키텍처의 합성곱 필터와 풀링 사용은 부분적으로 초기 생물학적 동기 모델에서 영감을 받았으며, 네트워크가 수작업으로 설계된 특징에 의존하지 않고 픽셀에서 직접 시각적 특징을 학습할 수 있게 했다.
NEC 연구소와 뉴욕 대학교 교수로 재직한 후, LeCun은 2013년 페이스북의 AI 연구소(FAIR)의 창립 이사가 되었으며, 이후 메타 AI로 개명되었고 회사의 최고 AI 과학자로 활동했다. 그의 지도 아래 메타는 라마 제품군을 포함한 모델에 대해 오픈 가중치 전략을 추구했으며, 이는 OpenAI와 같은 연구소의 폐쇄적 접근 방식과 대조를 이루었다. LeCun은 이러한 선택이 연구, 안전성 검토 및 경쟁에 더 낫다고 옹호해 왔다.
스케일링과 세계 모델에 대한 견해
LeCun은 2018년 튜링 상을 제프리 힌턴 및 요슈아 벤지오와 함께 딥러닝의 기초 연구로 공동 수상했지만, 단순히 대규모 언어 모델 시스템을 확장하는 것이 인간 수준 또는 일반 지능으로 이어질 것이라는 생각에 대해 이 분야에서 가장 저명한 회의론자 중 한 명이 되었다. 그는 자기회귀적 텍스트 예측이 추론과 계획을 위한 빈약한 기반이라고 주장하며, 대신 물리적 현실의 예측적 내부 표현을 학습하는 자기 지도 시스템인 '세계 모델' 연구를 촉진해 왔으며, 이 접근 방식은 더 넓은 세계 모델 개념과 밀접하게 연결되어 있다. 그는 또한 단기적인 AI로 인한 실존적 위험 우려에 대해 공개적으로 회의적인 입장을 보여, 공통된 기술적 계보에도 불구하고 이 문제에서 힌턴과 벤지오와 의견이 갈렸다.
2025년 후반, LeCun은 이 세계 모델 연구를 독립적으로 추구하기 위해 메타를 떠날 계획을 발표했으며, 이는 최첨단 대규모 언어 모델 연구소와 관련된 '스케일링이 충분하다'는 진영과 인공 일반 지능에 도달하기 위해 새로운 아키텍처가 필요하다고 믿는 연구자들 사이의 더 넓은 분기를 반영한다.