Yann André Le Cun (nascido em 8 de julho de 1960) é um cientista da computação franco-americano reconhecido por contribuições fundamentais para a inteligência artificial, aprendizado de máquina, visão computacional e compressão de imagens. Ele é mais conhecido por desenvolver as redes neurais convolucionais (CNNs), que se tornaram uma pedra angular dos sistemas modernos de aprendizado profundo, e por cocriar a tecnologia de compressão de imagens DjVu. LeCun é o Professor Jacob T. Schwartz de Ciência da Computação no Courant Institute of Mathematical Sciences da Universidade de Nova York e atuou como Cientista Chefe de IA na Meta Platforms antes de cofundar a Advanced Machine Intelligence Labs em dezembro de 2025.
A pesquisa de LeCun moldou tanto a IA acadêmica quanto a industrial. Seu trabalho em reconhecimento de escrita manual e processamento de cheques bancários na década de 1990 demonstrou a viabilidade prática das redes neurais, enquanto sua defesa posterior de modelos baseados em energia e modelos de mundo continua a influenciar debates sobre o futuro da inteligência artificial. Em 2018, ele dividiu o Prêmio Turing com Yoshua Bengio e Geoffrey Hinton por suas contribuições coletivas ao aprendizado profundo, consolidando seu status como uma das figuras mais influentes do campo.
Início da vida e educação
LeCun nasceu em 8 de julho de 1960 em Soisy-sous-Montmorency, um subúrbio de Paris. Seu sobrenome, Le Cun, deriva da antiga forma bretã Le Cunff e se origina da região de Guingamp, no norte da Bretanha; Yann é a forma bretã de Jean. Ele obteve um Diplôme d'Ingénieur da ESIEE Paris em 1983 e um doutorado em ciência da computação pela Université Pierre et Marie Curie (hoje Sorbonne University) em 1987. Durante seus estudos de doutorado, ele propôs uma forma inicial de retropropagação, um algoritmo essencial para o treinamento de redes neurais. De 1987 a 1988, foi pesquisador de pós-doutorado na Universidade de Toronto, supervisionado por Geoffrey Hinton. LeCun tem três filhos e possui cidadania americana.
Carreira no Bell Labs e na AT&T
Em 1988, LeCun ingressou no Departamento de Pesquisa em Sistemas Adaptativos do AT&T Bell Laboratories em Holmdel, Nova Jersey, liderado por Lawrence D. Jackel. Lá, ele desenvolveu métodos-chave de aprendizado de máquina, incluindo um modelo de reconhecimento de imagens inspirado biologicamente chamado redes neurais convolucionais (LeNet), a técnica de regularização "Optimal Brain Damage" e Graph Transformer Networks (semelhantes a campos aleatórios condicionais). Esses métodos foram aplicados ao reconhecimento de escrita manual e ao reconhecimento óptico de caracteres (OCR). O sistema de reconhecimento de cheques bancários que ele ajudou a desenvolver foi amplamente implantado pela NCR e outras empresas.
Em 1996, LeCun tornou-se chefe do Departamento de Pesquisa em Processamento de Imagens da AT&T Labs-Research, parte do Laboratório de Pesquisa em Processamento de Fala e Imagens de Lawrence Rabiner. Seu trabalho lá se concentrou na tecnologia de compressão de imagens DjVu, projetada para a distribuição eficiente de documentos digitalizados e posteriormente usada pelo Internet Archive. Seus colaboradores incluíam Léon Bottou e Vladimir Vapnik. Ele também codesenvolveu a linguagem de programação Lush com Bottou.
Universidade de Nova York e liderança acadêmica
Após uma breve bolsa no NEC Research Institute, LeCun ingressou na Universidade de Nova York em 2003. Ele se tornou o Professor Jacob T. Schwartz de Ciência da Computação e Ciência Neural no Courant Institute of Mathematical Sciences e no Center for Neural Science. Sua pesquisa na NYU centrou-se em modelos baseados em energia para aprendizado supervisionado e não supervisionado, aprendizado de características para reconhecimento de objetos e robótica móvel. Em 2012, ele fundou o NYU Center for Data Science e atuou como seu diretor até o início de 2014.
LeCun cofundou a International Conference on Learning Representations (ICLR) em 2013 com Yoshua Bengio, defendendo um processo de revisão aberta pós-publicação. Ele também organizou o "Learning Workshop" anual em Snowbird, Utah, de 1986 a 2012. Ele foi membro do Conselho Consultivo Científico do Institute for Pure and Applied Mathematics da UCLA e codiretor do programa Learning in Machines and Brain da CIFAR. Em 2016, foi professor visitante no Collège de France em Paris, ministrando a aula inaugural. Ele também atua como consultor científico do grupo de pesquisa francês Kyutai.
Meta Platforms e FAIR
LeCun ingressou no Facebook (hoje Meta Platforms) em 2013 como cientista chefe de IA, liderando o laboratório de pesquisa em IA da empresa, o FAIR. Durante seu mandato, ele supervisionou pesquisas que contribuíram para avanços em aprendizado autossupervisionado, modelos de linguagem de grande escala e IA multimodal. Seu papel envolveu orientar a estratégia de longo prazo da Meta em IA, incluindo iniciativas de código aberto e pesquisa fundamental em áreas como arquiteturas transformers e IA generativa. Ele permaneceu na Meta até 2025, quando anunciou sua saída para buscar um novo empreendimento.
Advanced Machine Intelligence Labs e empreendimentos posteriores
Em 19 de novembro de 2025, LeCun confirmou que deixaria a Meta após dez anos para fundar a Advanced Machine Intelligence Labs (AMI Labs), uma empresa focada em arquiteturas de modelos de mundo e inteligência artificial semelhante à humana, que ele chama de "superinteligência". A empresa é dirigida pelo CEO Alex LeBrun, com LeCun atuando como Presidente Executivo. A AMI Labs visa construir sistemas de IA que aprendam a compreender a estrutura e a dinâmica do mundo físico, em vez de meramente prever texto como os modelos de linguagem de grande escala tradicionais. Em março de 2026, a AMI anunciou que havia levantado US$ 1,03 bilhão em financiamento com uma avaliação pré-monetária de US$ 3,5 bilhões, com investidores incluindo Cathay Innovation, Greycroft, Hiro Capital, HV Capital e Bezos Expeditions.
Em janeiro de 2026, LeCun tornou-se presidente fundador do Conselho Técnico de Pesquisa da Logical Intelligence, uma empresa de IA que desenvolve sistemas de raciocínio baseados em energia. Esse papel está alinhado com seu interesse de longa data em modelos baseados em energia como uma alternativa às abordagens probabilísticas.
Honrarias e prêmios
LeCun é membro da Academia Nacional de Ciências dos EUA, da Academia Nacional de Engenharia e da Académie des Sciences francesa. Ele recebeu doutorados honorários do Instituto Politécnico Nacional (2016), da EPFL (2018), da Université Côte d'Azur (2021), da Università di Siena (2023) e da Universidade de Ciência e Tecnologia de Hong Kong (2023). Seus prêmios incluem o IEEE Neural Network Pioneer Award (2014), o PAMI Distinguished Researcher Award (2015), a IRI Medal (2018), o Harold Pender Award (2018) e o Golden Plate Award da American Academy of Achievement (2019). Em março de 2019, ele venceu o Prêmio Turing de 2018, dividindo-o com Yoshua Bengio e Geoffrey Hinton. Em 2022, recebeu o Prêmio Princesa das Astúrias na categoria "Pesquisa Científica".
Legado e influência
O desenvolvimento de redes neurais convolucionais por LeCun lançou as bases para a visão computacional moderna, possibilitando avanços no reconhecimento de imagens, direção autônoma e imagem médica. Seu trabalho inicial em retropropagação ajudou a reviver o interesse em redes neurais durante um período de ceticismo. Como intelectual público, ele tem sido vocal sobre as limitações das abordagens atuais de IA, argumentando que os modelos de linguagem de grande escala são insuficientes para alcançar inteligência de nível humano e defendendo modelos de mundo que incorporem compreensão física. Sua transição da academia para a indústria e vice-versa exemplifica os estreitos laços entre a pesquisa em IA e as aplicações comerciais, e seus empreendimentos em curso continuam a moldar a direção do campo.